基于人臉識(shí)別的門禁系統(tǒng)研究.pdf

1、在過(guò)去的幾十年當(dāng)中,人臉檢測(cè)與人臉識(shí)別技術(shù)雖然取得了長(zhǎng)足的進(jìn)步,但依然沒(méi)有解決其在實(shí)際應(yīng)用過(guò)程中的核心問(wèn)題。因?yàn)樵谟?1)人臉檢測(cè)算法本身比較耗時(shí),從而使得整個(gè)人臉識(shí)別系統(tǒng)無(wú)法滿足實(shí)際應(yīng)用中實(shí)時(shí)性的要求;(2)現(xiàn)有的人臉識(shí)別算法普遍具有訓(xùn)練集合的高維性和小樣本性；(3)人臉特征的類內(nèi)變化有時(shí)候要大于類間變化；(4)缺乏高效的人臉特征描述及相應(yīng)的高精度核心識(shí)別算法；(5)如何提高人臉識(shí)別系統(tǒng)不可避免的誤配準(zhǔn)錯(cuò)誤的魯棒性問(wèn)題；另外,實(shí)際應(yīng)用

2、過(guò)程中的相機(jī)成像質(zhì)量、算法執(zhí)行效率、環(huán)境光照劇烈變化等都是不可忽略的問(wèn)題。
　　 本文我們?cè)敿?xì)討論了上述問(wèn)題,并提出了相應(yīng)的解決辦法。論文首先對(duì)人臉檢測(cè)、人臉識(shí)別領(lǐng)域的發(fā)展歷史及最近幾年的發(fā)展現(xiàn)狀做了簡(jiǎn)單的介紹。接著,文章介紹了基于haar特征及AdaBoost級(jí)聯(lián)分類器的人臉檢測(cè)算法,并對(duì)算法的計(jì)算量、運(yùn)行效率進(jìn)行分析。同時(shí),從運(yùn)動(dòng)檢測(cè)和邊緣方向匹配兩方面對(duì)現(xiàn)有的人臉檢測(cè)方法進(jìn)行改進(jìn),減少了計(jì)算量,提高了算法的運(yùn)行效率。接著,

3、文章對(duì)最近幾年比較流行的Gabor特征提取方法進(jìn)行了詳細(xì)的介紹,并提出采用Gabol-Sobel與LTP相結(jié)合的方法進(jìn)行人臉特征提取工作。通過(guò)比較發(fā)現(xiàn),改進(jìn)后的方法相比原來(lái)的Gabor特征提取方法具有類內(nèi)聚集性好、類間分散性大的特點(diǎn),從而更有利于最終的特征分類和判別。之后,文章詳細(xì)闡述了對(duì)有限樣本進(jìn)行學(xué)習(xí)分類的經(jīng)典分類器-SVM。同時(shí),對(duì)提高分類器性能的重采樣技術(shù)boosting算法進(jìn)行了深入的剖析,并在此基礎(chǔ)上,提出將boosting