基于视频的实时人脸识别系统研究与实现-电子与通信工程专业论文.docx

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master The research and implementation of real-time face recognition system based on video Candidate: Ding Weibing Supervisor: Prof. Dong Shengkui Prof. Qin Huibin March, 2015 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得 的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过 的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或 使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件， 允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其 它复制手段保存论文。（保密论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州电 杭州电子科技大学硕士学位论文 摘 要 作为生物特征识别技术的一种，人脸识别技术有多种实现方法，本文研究了一种实时人 脸识别系统。人脸识别过程主要包括人脸图像检测、脸部特征点定位及图像归一化、脸部特 征提取、分类判别四个模块。首先研究了基于平均合成精确滤器(Average Synthetic Exact Filter, ASEF)的眼睛定位算法，通过增加正则系数减少了 ASEF 的训练时间。ASEF 滤波器利用快速 傅里叶变换和相关运算得到眼睛的精确位置，检测速度快。通过双眼的坐标进行人脸姿态的 校正及人脸归一化处理，增强了人脸图像质量。 脸部特征的提取作为比较重要的模块，通过对各种特征提取方法的比较，选取了局部二 值模式(Local Binary Pattern, LBP)提取脸部特征。研究了 LBP 的基本原理和几种 LBP 算子的 扩展形式。通过比较各种 LBP 算子的优缺点，选取了基于分块和统一模式 LBP 进行脸部特 征的提取。通过 LBP 提取的脸部特征向量结合支持向量机(Support Vector Machine, SVM)分类 器进行人脸的最终分类判别，实验证明该组合方法比 LBP 直方图相似度度量方法和 LBP 结 合最近邻分类器方法的识别率都要高。 通过使用 QT 集成开发环境和 OpenCV，完成了实时人脸识别系统的设计和实现，具有可 移植性。通过分别对标准人脸库图像和基于自建人脸库的视频中人脸图像的实验测试，系统 的人脸识别率达到了 93.7%，平均识别时间为 202ms，实验结果表明本文设计的实时人脸识 别系统具有较高的识别率和检测识别速度。 关键词：人脸识别，特征提取，平均合成精确滤波器，局部二值模式，支持向量机 I ABSTRACT As one kind of biometric identification technology，has been widely studied on many areas of science, this paper proposes a face recognition system in real time. Face recognition process mainly include face image detection, facial feature points positioning and image normalization, facial feature extraction, classification and discrimination. Firstly, this article research the human eye localization algorithm based on Average Synthetic Exact Filter (ASEF). By the regular coefficient to reduce the training time of ASEF. ASEF is obtained by training, and it