人臉識別系統(tǒng)及關(guān)鍵算法研究.pdf

1、在如今的互聯(lián)網(wǎng)時代，電子商務(wù)、社交網(wǎng)絡(luò)等網(wǎng)絡(luò)應(yīng)用日益盛行。與之相關(guān)的信息安全問題成為人們關(guān)注的焦點(diǎn)，對高效認(rèn)證技術(shù)的需求越來越迫切。人臉識別技術(shù)作為一種高可靠性的身份認(rèn)證手段，越來越受到人們的重視，具有廣闊的應(yīng)用前景和重要的研究價值。
　　本文從人臉識別系統(tǒng)的框架入手，針對系統(tǒng)各部分相關(guān)的算法進(jìn)行研究，主要工作內(nèi)容如下：
　　(1)圖像預(yù)處理方法研究。分析并研究一種圖像自適應(yīng)增強(qiáng)算法，該算法依據(jù)圖像全局信息確定參數(shù)，對于總體

2、偏暗而局部偏亮的圖像增強(qiáng)效果并不理想。為此，本文在原算法基礎(chǔ)上引入滑動窗口的局部增強(qiáng)方法，有效改善了算法的增強(qiáng)效果。同時針對人臉圖像的光照變化問題，本文研究了一種基于同態(tài)濾波的人臉圖像光照歸一化方法，使得處理后人臉圖像具有一致的光照，去除光照變化帶來的影響。
　　(2)人臉檢測方法研究。針對基于Adaboost算法的人臉檢測方法在復(fù)雜場景中誤檢測率高的問題，本文研究了一種基于膚色分割和Adaboost算法的人臉檢測方法。該方法在A

3、daboost檢測算法后，加入膚色信息的后驗證過程，利用人臉特有的膚色信息剔除誤檢，提高人臉檢測的準(zhǔn)確率。
　　(3)人臉表示方法研究。為了提取人臉圖像中更為有效的表示信息，本文研究了一種多特征融合的人臉表示方法。該方法首先提取LBP和Gabor單一特征，然后在特征層對多種單一特征進(jìn)行融合，作為最終的人臉表示。實驗表明，將人臉的多種特征融合作為人臉表示能夠綜合單一特征的良好特性，并有效提升人臉識別準(zhǔn)確率。
　　(4)系統(tǒng)實現(xiàn)