人臉識別系統(tǒng)及關(guān)鍵技術(shù)研究.pdf

1、隨著圖像處理技術(shù)的發(fā)展和機器學習算法的改進，人臉識別技術(shù)已經(jīng)受到多個領(lǐng)域的關(guān)注，比如社交網(wǎng)絡(luò)、安保以及電子商務(wù)等。
　　人臉識別系統(tǒng)的關(guān)鍵技術(shù)，從總體來看，具體可分為兩大類技術(shù)：人臉檢測技術(shù)和人臉識別技術(shù)。人臉檢測是指從一幅靜態(tài)圖像或者視頻一幀中判斷是否包含人臉對象，若包含需確定人臉的位置和大??；人臉識別是指對檢測出的人臉對象的身份進行識別和判斷。本文也將從這兩個角度對人臉識別系統(tǒng)的關(guān)鍵技術(shù)進行研究，旨在提高人臉識別的準確率的同時

2、可以提升識別速度，以便實現(xiàn)快速的實時人臉識別系統(tǒng)。
　　首先對人臉檢測技術(shù)和人臉識別技術(shù)的研究現(xiàn)狀分別進行了研究，同時分析了這些方法的優(yōu)缺點，結(jié)合之前的研究內(nèi)容主要從以下三個方面對人臉識別系統(tǒng)中的關(guān)鍵技術(shù)進行研究：一、為了達到提高人臉檢測的準確率的目的，采用adaboost算法訓練出的人臉最優(yōu)分類器對待測圖像進行人臉檢測，對檢測出的人臉候選矩形區(qū)域用adaboost算法訓練出的人眼最優(yōu)分類器進行人眼檢測，進一步確定人臉候選矩形是否

3、真的含有人臉對象，即基于Adaboost人眼檢測的人臉檢測算法；二、為了達到盡可能的保留人臉關(guān)鍵區(qū)域的信息同時降低特征維數(shù)的目的，提出采用基于Adaboost算法對人臉關(guān)鍵器官區(qū)域劃分和統(tǒng)一模式下LBP(局部二值模式)直方圖相結(jié)合的算法進行人臉特征提取，之后采用PCA（主成分分析）算法進行特征降維，最后得到用于描述人臉信息的特征矩陣；三、采用基于支持向量機（SVM）的特征分類識別算法對由（二）中得到的人臉信息特征矩陣同預(yù)先保存好的人臉特

4、征信息庫進行人臉匹配識別，以此便可確認人臉的身份。最終構(gòu)成了本文所研究的人臉識別算法的核心內(nèi)容。根據(jù)前面研究的人臉識別關(guān)鍵技術(shù)，最后以此實現(xiàn)了一個智能人臉識別系統(tǒng)（Intelligent Face Recognition System，IFRS）。
　　本文所實現(xiàn)的智能人臉識別系統(tǒng)，采用了ORL人臉庫樣本進行訓練和測試，測試結(jié)果如下：平均識別速度為0.332s，識別率達到93.13％。結(jié)果表明：本文采用的人臉識別算法所實現(xiàn)的系統(tǒng)擁