視頻環(huán)境下的實時人臉識別方法的研究.pdf

1、人臉識別作為現(xiàn)有生物特征識別的方式之一,因其具有友好性、非接觸性、不易察覺等優(yōu)點,在公安、交通、銀行等行業(yè)有著廣泛的應用前景。隨著計算機、多媒體技術(shù)的成熟,基于視頻的人臉識別也已成為各大院校、企業(yè)研究的熱點,但在現(xiàn)實使用中仍存在著許多問題,這些問題制約了人臉識別在視頻監(jiān)控環(huán)境中的應用,如場景復雜導致識別能力下降、人臉識別的速度難以達到實時。針對這些問題,本文借鑒了國內(nèi)外學者所采用的相關(guān)解決方法,并根據(jù)實際情況對這些方法進行了改進,提出了

2、相對更為合理有效的解決方法。主要涉及以下方面:
　　 在人臉檢測中,本文將基于統(tǒng)計與基于局部特征的方式結(jié)合,提出了一種基于AdaBoost與人眼特征融合的人臉檢測方法。人眼定位的過程中:1)提出了閾值分割與拉普拉斯算子相結(jié)合的局部銳化方法;2)提出了采用輪廓面積相似比與坐標定位結(jié)合的方式確定眼睛的位置。
　　 在人臉匹配中,本文對旋轉(zhuǎn)、光照、放縮等具有不敏感特性的尺度不變特征轉(zhuǎn)換SIFT算法進行研究,并將其用于人臉匹配,

3、同時采用ORL/YALE人臉庫進行了大量的實驗。根據(jù)實驗結(jié)果并結(jié)合人臉特征,本文改進了原SIFT算法中歐氏距離的相似性度量方式,結(jié)果表明使用該方法能獲得更好的人臉特征匹配效果。
　　 在實時性方面,為了盡可能將視頻環(huán)境下的人臉識別做到實時,本文搭建的系統(tǒng)測試平臺未采用傳統(tǒng)的CPU架構(gòu),嘗試采用了CPU與圖像處理器GPU并行架構(gòu),在花費時間最多的人臉檢測部分使用了基于GPU的計算統(tǒng)一設(shè)備架構(gòu)CUDA并行運算,在人臉識別部分使用了C