人臉識別系統(tǒng)關(guān)鍵技術(shù)的研究與實現(xiàn).pdf

1、近年來，隨著信息技術(shù)的迅速發(fā)展，傳統(tǒng)身份認證方式已經(jīng)不能滿足公共安全、電子商務(wù)、網(wǎng)上銀行等領(lǐng)域提出的新要求，而人臉識別技術(shù)依靠其不易偽造、不會遺失、不易察覺等特點，成為這些領(lǐng)域最為活躍的研究方向之一。人臉識別技術(shù)主要包括四個方面的內(nèi)容：人臉檢測、人臉特征點（眼睛、鼻子、嘴巴等）定位、特征選擇與提取和人臉識別與分類。
　　 本文以人臉識別技術(shù)的實用化為目標，主要研究了人臉特征點定位與標定方法和人臉特征提取方法兩方面的內(nèi)容。本文的主

2、要工作包括：提出了一種基于AdaBoost(Adaptive Boosting)算法的三層結(jié)構(gòu)眼睛精確定位方法；深入分析了LBP(Local Binary Patterns)算法的優(yōu)點和不足，實現(xiàn)了權(quán)值改進LBP算法和具有粗糙度敏感參數(shù)的t-LBP(threshold-Local Binary Patterns)算法。
　　 在基于AdaBoost的三層結(jié)構(gòu)眼睛精確定位方法的實現(xiàn)過程中，本文通過構(gòu)建兩級眼睛粗定位融合分類器、進行

3、幾何重心眼睛精定位和采用雙線性插值技術(shù)，使該人眼定位方法具有比傳統(tǒng)人眼定位方法更高的檢測率、更低的誤檢率和更高的定位精準度，同時，本文提出的人眼定位方法完全可以滿足實時性應(yīng)用要求。
　　 此外，本文通過深入分析現(xiàn)有LBP算法及其在人臉識別中的應(yīng)用，在提出該算法的優(yōu)點和不足的基礎(chǔ)上，實現(xiàn)了LBP算法在貢獻度和粗糙度信息利用這兩方面的改進，其中，權(quán)值改進LBP算法降低時間復雜度的同時，提高了算法的識別率，t-LBP算法為搜尋合適的粗