论文部分内容阅读
随着近几十年计算机技术的不断发展,人脸识别技术取得了长足的进步。目前,己有产品往往是在近似于实验室的环境下,完成识别操作。对于自然环境下的光照不均、表情变化等一系列不利因素带来的影响通用性较差,而对于在自然光照等环境下良好工作的人脸识别系统的需求却日益旺盛。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。其主要原因是这些系统中的人脸识别算法对光照变化和姿态变化非常敏感。因此,对人脸检测与识别技术进一步研究是非常有必要的。1.一般而言,人脸识别系统包括图像预处理、人脸检测和人脸识别三个部分。预处理环节中去光照是一个很重要的组成部分。在诸多光照不均的补偿算法当中,基于Retinex理论的诸多衍生算法受到的人们的关注。在此基础上,本文提出一种改进的自适应多尺度Retinex算法。同时,对该算法的有效性进行验证,充分证明本文提出的改进的自适应多尺度的Retinex算法的有效性和良好的鲁棒性。2.研究了基于肤色模型和Adaboost算法的人脸检测理论。采用一种多阶段的人脸检测方法。首先利用肤色模型进行人脸预检测,找到图像中可能出现人脸的大概区域,然后再利用Adaboost算法在预检测区域进行精确的人脸检测,这样可以极大地提高Adaboost算法的效率。3.研究了基本的LBP算子、LBP的相关模式以及基于分块LBP的人脸识别算法,分析了分块大小对人脸识别率的影响。针对LBP算子本身还不够完善,提取的特征不够完整的问题,研究并实现了基于改进的LBP人脸识别算法。4.基于理论联系实际的思想,综合上述的人脸识别知识,深入学习了Android系统架构,搭建了Android应用层和本地层的开发环境,根据平台特性设计了软件开发方案,并将人脸识别算法库移植到了Android平台中,在Android系统手机中完成图像采集、人脸检测和人脸识别等功能。最后使用华为3C手机进行了实测,测试结果表明该系统有较高的正确率和实时性,实现了实时的人脸识别功能,这也验证了算法的正确性。实验使用了自建人脸数据库进行了测试,采用每个人在不同的环境和姿态下进行十次人脸识别的测试,识别率达到了83.5%,平均用时为93.3ms,这在视觉体验上还是比较顺畅的。系统整体上达到了本课题研究的目的,但仍有许多值得改进的地方。如本文只考虑了光照变化对人脸识别的影响,而实际环境中,姿态变化也是影响人脸识别准确率的一大因素。还可以进一步考虑提高人脸图像数据库的安全性,防止第三方不法分子进行破解。