本文探讨了人脸识别技术在智能终端上的应用,重点研究了人脸检测和特征识别的算法。首先,采用了肤色分割和Adaboost算法结合的方法进行人脸检测。其次,提出了一种基于ELDP的改进算法MB-ELDP,通过分块处理和多级子窗口特征提取提高识别速度和准确率。最后,在Android平台上实现了人脸检测与识别系统,验证了算法的性能和功能。
摘要：
人脸识别作为众多生物特征识别的一种,具有易采集和易接受等特点,使得人脸识别的研究成为生物特征识别研究领域的热点。智能终端的普及和性能的提升使得基于移动终端的人脸识别技术成为可能。而移动支付、手机钱包等应用的出现,更加增进了人脸识别与智能终端相结合的需要。 人脸识别的步骤主要包括人脸检测、人脸特征提取和特征识别,本文主要对这几个关键步骤的算法进行了研究与改进,并将其移植到Android平台上实现了人脸检测与识别系统。主要研究工作如下: (1)对传统的人脸检测算法进行了研究,选取适合本课题的人脸检测算法。采用YCbCr颜色空间的肤色分割方法对人脸进行分割,再根据人脸的特点筛选出人脸候选区域,最后用Adaboost算法对候选区域进行检测得到人脸并标记。通过实验验证,该方法结合了Adaboost算法和肤色分割检测方法的优点,不仅检测速度快,而且保持了较高的检测率。 (2)提出了一种基于ELDP的改进算法MB-ELDP算法。该算法首先对整个人脸图像像素点的灰度值进行分块求均值,用均值替代该区域的灰度值,然后对其求ELDP特征,最后采用多级子窗口提取直方图特征,并用卡方距离和最近邻分类方法得到识别结果。通过实验验证,本文提出的MB-ELDP算法不仅降低了运算复杂度,提高了识别速度,而且有较好的人脸识别率。 (3)在Android平台上设计与构建了人脸检测与识别系统。结合本文提出的人脸检测与识别算法,在Android平台下调用Opencv库实现了人脸检测与识别系统,并验证了该系统的功能指标和性能指标。
展开
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
