论文部分内容阅读
生物特征识别利用人体固有的特征进行身份验证,能够极大程度提高验证的安全性,降低伪造和窃取的可能。其中,以人脸图像为对象的人脸识别技术具有非接触式识别、主动性强、操作友好等优点,成为生物特征识别领域中新兴的研究热点。人脸识别包括人脸目标检测和人脸目标识别两个过程,其中人脸目标检测是人脸识别的必要前提。本文针对视频图像的检测与识别问题,利用视频图像的连续性,通过基于区域特征的方法实现人脸目标的检测,并具有较高的检测率。为满足系统实时性要求,研究并提出改进的AdaBoost人脸检测算法,平均检测时间为110ms。在此基础上,利用MeanShift算法和Kalman滤波器结合的人脸跟踪方法对所检测出的人脸目标进行跟踪,实现目标的唯一检测,进一步提高系统的实时性。在人脸检测的基础上,本文提出综合Fisher脸特征提取和支持向量机(SVM)分类的人脸识别方法。首先对检测出的人脸图像通过离散小波变换和主成份分析进行压缩和降维处理,然后采用Fisher脸方法提取人脸特征,并利用支持向量机对所提取特征进行分类,实现不同人脸的识别。本文采用基于VS2008和OpenCV的软件开发平台构建检测和识别系统,分别对静态图像和动态视频进行检测和识别测试,测试结果表明,平均人脸检测时间为0.1秒/帧,在Yale标准人脸库人脸识别率可达97.6%,在ORL人脸库识别率可达97.5%。