基于LBP和嶺回歸在線視頻人臉識(shí)別系統(tǒng)研究.pdf

1、隨著智能化和信息化的發(fā)展,人機(jī)交互是人類(lèi)與智能計(jì)算機(jī)最有效的交流手段,在這種形勢(shì)的催化下,人臉識(shí)別技術(shù)在計(jì)算機(jī)、電子、圖像處理、自動(dòng)化以及模式識(shí)別等多個(gè)學(xué)科領(lǐng)域中有著廣泛的研究,同時(shí)在航空、刑事偵查、氣象、家庭門(mén)禁、出入境等多個(gè)領(lǐng)域中有著重要的應(yīng)用價(jià)值。本文的目標(biāo)是完成在線視頻的人臉識(shí)別系統(tǒng),對(duì)人臉識(shí)別原理,方法以及相關(guān)技術(shù)進(jìn)行了研究。人臉識(shí)別系統(tǒng)包含人臉檢測(cè)模塊、特征提取模塊、人臉判定模塊。論文主要工作如下:
　　(1)人臉檢測(cè)

2、。人臉檢測(cè)是人臉識(shí)別系統(tǒng)的一個(gè)重要問(wèn)題,通過(guò)分析和研究人臉檢測(cè)的算法,本文先研究人臉快速檢測(cè)AdaBoost算法,然后采用先檢測(cè)人臉后定位眼睛的方法,對(duì)USB攝像頭捕捉的視頻流進(jìn)行實(shí)時(shí)的人臉檢測(cè)。
　　(2)特征提取。近年來(lái),采用局部二值模式(Local Binary Pattern,LBP)紋理特征在人臉識(shí)別中取得了一定成功。通過(guò)對(duì)原始的LBP算子,等價(jià)模式LBP算子進(jìn)行分析總結(jié),本文使用等價(jià)模式LBP算子進(jìn)行特征提取,同時(shí)結(jié)合

3、PCA方法對(duì)高維數(shù)據(jù)進(jìn)行降維。
　　(3)人臉判定。人臉圖像特征提取之后,分類(lèi)器的選擇很重要。通過(guò)研究極限學(xué)習(xí)機(jī)算法、支持向量機(jī)、人臉識(shí)別中的回歸方法和嶺回歸的極限學(xué)習(xí)機(jī)。本文提出將LBP和嶺回歸算法結(jié)合的方法進(jìn)行人臉識(shí)別。通過(guò)對(duì)特征數(shù)據(jù)進(jìn)行訓(xùn)練得到輸出權(quán)值矩陣,即完成分類(lèi)器的設(shè)計(jì)。待識(shí)別圖像使用分類(lèi)器進(jìn)行分類(lèi)輸出,得到待識(shí)別人臉的判定。
　　本文在Visual Studio2010 C++開(kāi)發(fā)環(huán)境下,結(jié)合計(jì)算機(jī)視覺(jué)庫(kù)Ope