论文部分内容阅读
随着电子化、自动化成为社会管理的主流趋势,身份认证的数字化和隐蔽化成为人们不得不面对的一个问题。人脸识别因为具有隐蔽性好、操作简单、不接触采集等优点,成为身份认证领域的主流技术。近年来,很多企业和科研单位都推出了自己的人脸识别系统。但这些系统多数是针对某种的特定环境而开发的,很大程度上缺乏通用性。这些系统对光照变化比较敏感,严重影响实用。因此,本文对可变光照下的人脸识别进行了研究。人脸识别系统包括人脸检测、光照预处理和人脸识别三个部分。本文的主要工作如下:1、本文对Haar分类器人脸检测算法效率较低问题进行了一定程度的改进。Haar分类器是目前比较优秀的人脸检测算法。该算法的缺点在于计算量大,难以满足实时性要求。人脸肤色检测算法计算简单,但具有较高的误检率。本文结合使用两种算法,首先使用肤色检测缩小检测范围,再使用Haar分类器进行人脸检测。该方法能够在准确性和实时性都有很好的表现。2、在人脸识别方面,本文合理应用固有算法主成分分析妥善解决Android系统在图像处理方面的高维数据难以处理的问题。本文对该算法的特征向量选择进行了分析和仿真验证。3、在光照预处理方面,本文仔细研究了现有的光照预处理算法,分析了他们各自的特点。在诸多算法当中,基于Retinex理论的诸多衍生算法受到人们的关注。针对SSR算法处理后的图像的泛白问题,本文使用SCB量化代替线性量化,提出了基于SCB的SSR改进算法。为了解决图像经SSR处理导致的光晕问题,本文联合基于SCB的SSR算法和直方图均衡算法,按照一定的图像融合规则进行加权融合,提出了HESSR光照预处理算法。经过在Yale B人脸数据库上仿真验证,该算法降低了图像亮度,让细节更突出。在恶劣光照条件下,本算法相比于SSR和HE算法,平均识别率提高了10%以上。4、在人脸识别的应用当中,Android平台是一个非常重要的应用场景。因此,本文设计并实现了一套基于Android平台的人脸识别。在实现的过程当中,本文采用了Haar分类器、肤色检测、主成分分析和HESSR光照预处理算法。然后,在自建人脸库上我们对系统性能进行了测试验证。人脸检测实时性和准确性达到预期效果,能够应用于实践。本文提出的HESSR光照预处理算法经过Android人脸识别系统的验证,在可变光照情况下的人脸识别率有了明显的提高。论文中仍存在一些不足,如文中使用的PCA人脸识别算法相对初级,HESSR光照预处理算法对正常光照下改进有限,Android人脸识别系统对姿态的变化比较敏感等。进一步的工作建议对上述不足进行改进。