基于人臉檢測(cè)和識(shí)別技術(shù)的智能數(shù)字監(jiān)控系統(tǒng)研究.pdf

1、本文詳細(xì)討論了分?jǐn)?shù)階微積分在信息科學(xué)中的應(yīng)用以及子波變換理論、人臉檢測(cè)和識(shí)別技術(shù)、數(shù)字監(jiān)控系統(tǒng)的研究動(dòng)態(tài)和發(fā)展趨勢(shì)。論述了綜合運(yùn)用這些技術(shù)以構(gòu)建全新的智能人臉檢測(cè)與識(shí)別系統(tǒng)的可能性，并提出了基于人臉檢測(cè)和識(shí)別技術(shù)的智能數(shù)字監(jiān)控系統(tǒng)的主要解決方法。 首先，本文首次提出了用子波變換來(lái)實(shí)現(xiàn)分?jǐn)?shù)階微積分的理論和概念，進(jìn)而提出了基于分?jǐn)?shù)階子波變換的分?jǐn)?shù)階微積分?jǐn)?shù)字實(shí)現(xiàn)算法，并在理論和實(shí)驗(yàn)上證明了該算法的正確和高效性。本文提出的用子波變換來(lái)

2、實(shí)現(xiàn)分?jǐn)?shù)階微積分的理論和概念，把通常的整數(shù)階的子波變換推廣到分?jǐn)?shù)階，在分?jǐn)?shù)維空間中來(lái)考察和實(shí)現(xiàn)子波變換，這是對(duì)傳統(tǒng)的子波理論的繼承和推廣。從分?jǐn)?shù)階微積分的理論來(lái)看，噪聲可視為孤立的奇異點(diǎn)，數(shù)字圖象的紋理細(xì)節(jié)具有某種高度自相似結(jié)構(gòu)，這種高度重復(fù)的自相似結(jié)構(gòu)具有一定分?jǐn)?shù)階微分的奇異性。為了避免傳統(tǒng)整數(shù)階微積分在對(duì)紋理信息豐富的數(shù)字圖象進(jìn)行處理過(guò)程中嚴(yán)重丟失紋理細(xì)節(jié)信息的缺陷，本文在算法應(yīng)用上提出了基于整數(shù)階微分和分?jǐn)?shù)階微分相結(jié)合的數(shù)字圖象奇

3、異性提取的恢復(fù)模型，此模型對(duì)人臉數(shù)字圖象進(jìn)行分?jǐn)?shù)階微積分，從而提取其中的分形結(jié)構(gòu)信息，并將其作為人臉數(shù)字圖象的紋理細(xì)節(jié)信息來(lái)對(duì)傳統(tǒng)的基于整數(shù)階微積分的數(shù)字圖象奇異信號(hào)提取算法進(jìn)行補(bǔ)償，因而在人臉數(shù)字圖象預(yù)處理中極大地提高了對(duì)人臉邊緣輪廓提取的準(zhǔn)確性和效率。將基于分?jǐn)?shù)階子波變換的分?jǐn)?shù)階微積分?jǐn)?shù)字實(shí)現(xiàn)算法應(yīng)用于人臉頭部輪廓提取之中，是對(duì)傳統(tǒng)的數(shù)字圖象邊緣奇異信息的加強(qiáng)和提取算法的發(fā)展。這些理論和應(yīng)用對(duì)目前國(guó)際上方興未艾的分?jǐn)?shù)階微分應(yīng)用于信息

4、科學(xué)領(lǐng)域的研究有一定創(chuàng)新意義。 其次，本文提出了一種在復(fù)雜背景的圖象中的新穎高效的人臉檢測(cè)算法。眾所周知，人臉檢測(cè)的準(zhǔn)確率對(duì)于后續(xù)的人臉識(shí)別的準(zhǔn)確率有至關(guān)重要的作用。本文系統(tǒng)研究了構(gòu)建人臉膚色模型的基本理論，提出了一種在復(fù)雜背景的圖象中自動(dòng)檢測(cè)多個(gè)彩色人臉的方法。該方法首先在YCrCb和HSV色彩空間進(jìn)行膚色和非膚色的分割，對(duì)檢測(cè)到的膚色象素在CrCb空間中進(jìn)行聚類，在每一聚類中心應(yīng)用形態(tài)學(xué)算子去除一些較小的背景區(qū)域，并用基于分

5、數(shù)階微積分的形態(tài)濾波算法有效地將皮膚區(qū)域從復(fù)雜背景圖象中提取出來(lái)，然后進(jìn)行區(qū)域合并形成候選人臉區(qū)域。在候選人臉區(qū)域內(nèi)應(yīng)用重復(fù)閾值法得到候選眼睛對(duì)，最后采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行確認(rèn)。實(shí)驗(yàn)證明此算法正確率為90％。 同時(shí)，論文提出并論述了基于ISOMAP非線性降維的人臉多姿態(tài)定位識(shí)別和模擬模型。該模型用自適應(yīng)動(dòng)量調(diào)整算法來(lái)標(biāo)準(zhǔn)化各種光照環(huán)境參數(shù)，以提高系統(tǒng)對(duì)環(huán)境的自適應(yīng)性；用ISOMAP算法將原始數(shù)據(jù)空間壓縮到特征模式空間，以使得數(shù)據(jù)集

6、中在較少的“有效”特征空間中來(lái)表示；用改進(jìn)的BP網(wǎng)絡(luò)在數(shù)據(jù)模式空間中進(jìn)行分類，以實(shí)現(xiàn)系統(tǒng)的自學(xué)習(xí)功能和提高系統(tǒng)的檢測(cè)率和實(shí)時(shí)性，這大大提高了對(duì)不同角度多姿態(tài)人臉的檢測(cè)和識(shí)別速度，同時(shí)也減少了監(jiān)控系統(tǒng)海量數(shù)據(jù)的存儲(chǔ)量。與其他非線性方法相比，ISOMAP是利用測(cè)地距離來(lái)進(jìn)行非線性降維的方法，本算法能夠把人臉各種姿態(tài)變換的高維空間降維到低維空間，通過(guò)ISOMAP反變換可以快速根據(jù)特定人臉的臉部信息以及已有的其ISOMAP參數(shù)模擬出該人臉的各種

7、仰角姿態(tài)的圖象。仿真實(shí)驗(yàn)結(jié)果表明，本算法與同類多姿態(tài)識(shí)別算法相比，大幅度減少了計(jì)算量，提高了定位準(zhǔn)確度。 最后，本文綜合運(yùn)用上述相關(guān)研究成果，提出了基于人臉檢測(cè)和識(shí)別技術(shù)的智能數(shù)字監(jiān)控系統(tǒng)模型，并深入研究了其相關(guān)理論問(wèn)題。首先，本系統(tǒng)在分析服務(wù)器集群負(fù)載平衡的特點(diǎn)基礎(chǔ)上，針對(duì)集中式負(fù)載平衡調(diào)度以及遠(yuǎn)程數(shù)字監(jiān)控系統(tǒng)數(shù)據(jù)傳輸?shù)奶攸c(diǎn)，提出了LTI和LTI+算法，并給出了本算法實(shí)現(xiàn)的過(guò)程和算法效率評(píng)估的具體方法。其次，本系統(tǒng)綜合運(yùn)用分?jǐn)?shù)