基于人臉識別的門禁系統(tǒng)研究.pdf

1、在過去的幾十年當(dāng)中,人臉檢測與人臉識別技術(shù)雖然取得了長足的進步,但依然沒有解決其在實際應(yīng)用過程中的核心問題。因為在于(1)人臉檢測算法本身比較耗時,從而使得整個人臉識別系統(tǒng)無法滿足實際應(yīng)用中實時性的要求;(2)現(xiàn)有的人臉識別算法普遍具有訓(xùn)練集合的高維性和小樣本性；(3)人臉特征的類內(nèi)變化有時候要大于類間變化；(4)缺乏高效的人臉特征描述及相應(yīng)的高精度核心識別算法；(5)如何提高人臉識別系統(tǒng)不可避免的誤配準錯誤的魯棒性問題；另外,實際應(yīng)用

2、過程中的相機成像質(zhì)量、算法執(zhí)行效率、環(huán)境光照劇烈變化等都是不可忽略的問題。
　　 本文我們詳細討論了上述問題,并提出了相應(yīng)的解決辦法。論文首先對人臉檢測、人臉識別領(lǐng)域的發(fā)展歷史及最近幾年的發(fā)展現(xiàn)狀做了簡單的介紹。接著,文章介紹了基于haar特征及AdaBoost級聯(lián)分類器的人臉檢測算法,并對算法的計算量、運行效率進行分析。同時,從運動檢測和邊緣方向匹配兩方面對現(xiàn)有的人臉檢測方法進行改進,減少了計算量,提高了算法的運行效率。接著,

3、文章對最近幾年比較流行的Gabor特征提取方法進行了詳細的介紹,并提出采用Gabol-Sobel與LTP相結(jié)合的方法進行人臉特征提取工作。通過比較發(fā)現(xiàn),改進后的方法相比原來的Gabor特征提取方法具有類內(nèi)聚集性好、類間分散性大的特點,從而更有利于最終的特征分類和判別。之后,文章詳細闡述了對有限樣本進行學(xué)習(xí)分類的經(jīng)典分類器-SVM。同時,對提高分類器性能的重采樣技術(shù)boosting算法進行了深入的剖析,并在此基礎(chǔ)上,提出將boosting