身份安全防护中人脸检测技术的研究与实现
在最近的一段时间内，传统的身份验证方法受到了越来越大的考验，随着人脸识别的出现，作为以生物特征作为检测依据的身份安全防护方法得到了飞速的发展，人脸识别技术的飞速发展，直接导致了人脸检测的不断进步。由于人脸检测在现实世界中，会受到诸如肤色、光照、表情等不同因素的影响，国际上该检测方法尚未完善。本文通过阅读研究大量的文献资料，整合了各种人脸检测的方法，从而提出了一种基于肤色模型和模板匹配的检测方法。本文主要介绍了人脸检测中所用到的基本的算法策略，如肤色模型的二值化分割、基于先验知识的人脸区域查找等，通过自适应阈值以及与相似度的比较来实现人的肤色的检测，经人脸模板与肤色进行一一匹配，从而查找出人脸区域。本课题通过MATLAB仿真初步实现了在一定复杂背景下的人脸检测技术，具有较高的准确率。
目录
摘要 I
ABSTRACT II
目录 III
第一章 绪论 1
1.1 课题研究背景及意义 1
1.2 研究现状及其发展趋势 2
1.3 课题研究中的挑战 3
1.4 本文的主要研究内容 3
第二章 人脸检测的方法及评价标准 5
2.1 人脸检测的主要方法 5
2.1.1 基于统计的人脸检测的方法 5
2.1.1.1 基于神经网络人脸检测方法 5
2.1.1.2 基于特征空间的人脸检测方法 6
2.1.1.3 基于支持向量机的人脸检测 6
2.1.2 基于知识的人脸检测的方法 6
2.1.2.1 基于几何特征人脸检测的方法 6
2.1.2.2 基于肤色人脸检测的方法 7
2.1.2.3 模板匹配法 7
2.2 人脸检测的评价标准 8
2.3 小结 8
第三章 肤色模型建立及区域分割 9
3.1 几种颜色模型介绍 9
3.1.1 RG
*好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
B颜色模型 9
3.1.2 CMYK颜色模型 10
3.1.3 HSI颜色模型 11
3.1.4 LAB颜色模型 11
3.1.5 YCBCR颜色模型 12
3.2 肤色模型中的一些常用的建模方法 13
3.2.1 阈值建模方法 13
3.2.2 高斯肤色模型法 13
3.3 肤色分割及二值化图像 14
3.3.1 计算肤色相似度 14
3.3.2 阈值选取 14
3.3.3 二值化图像 15
3.4 小结 16
第四章 基于matlab的人脸检测的实现 17
4.1 算法流程 17
4.2 人脸检测应遵循的相关原则 18
4.3 图像去噪声 19
4.3.1 噪声的介绍 19
4.3.2 均值滤波方法去除噪声 19
4.3.3 中值滤波方法去除噪声 20
4.3.4 频域低通滤波方法去噪声 20
4.3.5 图像去噪声的实现 21
4.4 肤色的边界确定 22
4.5 人脸区域的检测 22
4.5.1 基于人脸的宽高比 23
4.5.2 基于人脸的面积 23
4.5.3 人脸的模板匹配 23
4.5.4 人脸检测的实现 24
4.6 GUI界面设计 24
4.7 小结 25
第五章 总结与展望 26
5.1 本课题总结 26
5.2 对未来的展望 26
致 谢 30
附录:外文文献翻译 31
第一章 绪论
1.1 课题研究背景及意义
近年来，随着科学技术的发展，身份安全验证问题已经变得越来越重要，引起了很多研究者的广泛兴趣。然而，传统的基于密码的身份识别系统以及实体证件的身份识别方式，随着科学的进步，密码以及身份证件被窃取和伪造的可能性变得越来越高，而同时一旦密码被窃取或者是证件被伪造及丢失,就极有可能会造成个人财产的损失、隐私泄露等一系列的危害,有时甚至会造成国家财产损失以及国建机密的泄露等危害国家的利益与安全，对个人以及国家的安全与利益造成极大的威胁。
由于传统的身份识别系统存在的易窃取以及易于伪造的的缺陷，基于生物特征的身份识别系统应运而生，由于其简洁快速、安全、准确、可靠的特性，此外同时又很容易结合计算机实现自动化管理，应用前景十分广阔，实用价值效益巨大，因而受到了世界各国的广泛关注和青睐。
生物特征识别一般包括人脸、掌纹、声音、笔迹、视网膜等,而人脸作为每一个人特有的一部分,它比其它任何一种生物特征都蕴含了更多的个人信息,同时人脸的独特性让伪造的可能性变得几乎不可能，很难被伪造以及窃取。同时人脸识别有很好的人机交互性，由于不需要任何其他的辅助设备，此方法十分方便快捷，同时人脸识别还有不易被人觉察的优势，因此不会让受检者产生不适的情绪，综上，我们不难看出人脸识别[1]在身份验证方面拥有很多优势，潜在着巨大的应用价值。
与此同时，作为计算机技术研究领域一个热门课题,人脸识别不仅在身份安全防护中有着巨大的实用价值，在其他领域人脸识别同样有着广泛的应用，列如：
(1)在安全领域,广泛应用于考勤系统、刑事侦查及基于人脸识别的门禁系统、查找罪犯等方面,应用前景十分广阔。
(2)在经济及民用领域,银行卡、驾照等个人身份的识别以及验证等领域有着广阔的应用前景。
(3)人脸识别还可用于图像压缩,档案管理、医学、可视电话、能够进行身份识别的智能机器人等一些领域。
人脸识别系统主要由人脸检测、人脸识别及由此产生的人脸跟踪所构成[2]。
人脸检测,就是在给定的任意一张或者多张图片中,检测出其中所有的人脸,并通过相应的程序计算出人脸的数量、大小以及姿态等等信息。
人脸识别就是在任意图片及视频中,根据自己已有的人脸数据库,通过一定的比对,来检验这些场景中是否存在单个或者是多个在数据库中已经存在的人脸，并由此确定他（他们）的在数据库中所给定的个人信息。
人脸跟踪就是在一段视频中,在人脸检测以及人脸识别的基础上，根据已经识别出的人脸，对该人的人脸运动轨迹以及大小变化进行连续的追踪及评估的过程，由此来达到监视该人的运动轨迹的作用。
目录
摘要 I
ABSTRACT II
目录 III
第一章 绪论 1
1.1 课题研究背景及意义 1
1.2 研究现状及其发展趋势 2
1.3 课题研究中的挑战 3
1.4 本文的主要研究内容 3
第二章 人脸检测的方法及评价标准 5
2.1 人脸检测的主要方法 5
2.1.1 基于统计的人脸检测的方法 5
2.1.1.1 基于神经网络人脸检测方法 5
2.1.1.2 基于特征空间的人脸检测方法 6
2.1.1.3 基于支持向量机的人脸检测 6
2.1.2 基于知识的人脸检测的方法 6
2.1.2.1 基于几何特征人脸检测的方法 6
2.1.2.2 基于肤色人脸检测的方法 7
2.1.2.3 模板匹配法 7
2.2 人脸检测的评价标准 8
2.3 小结 8
第三章 肤色模型建立及区域分割 9
3.1 几种颜色模型介绍 9
3.1.1 RG
*好棒文|www.hbsrm.com +Q: ^3^5`1^9`1^6^0`7^2#
B颜色模型 9
3.1.2 CMYK颜色模型 10
3.1.3 HSI颜色模型 11
3.1.4 LAB颜色模型 11
3.1.5 YCBCR颜色模型 12
3.2 肤色模型中的一些常用的建模方法 13
3.2.1 阈值建模方法 13
3.2.2 高斯肤色模型法 13
3.3 肤色分割及二值化图像 14
3.3.1 计算肤色相似度 14
3.3.2 阈值选取 14
3.3.3 二值化图像 15
3.4 小结 16
第四章 基于matlab的人脸检测的实现 17
4.1 算法流程 17
4.2 人脸检测应遵循的相关原则 18
4.3 图像去噪声 19
4.3.1 噪声的介绍 19
4.3.2 均值滤波方法去除噪声 19
4.3.3 中值滤波方法去除噪声 20
4.3.4 频域低通滤波方法去噪声 20
4.3.5 图像去噪声的实现 21
4.4 肤色的边界确定 22
4.5 人脸区域的检测 22
4.5.1 基于人脸的宽高比 23
4.5.2 基于人脸的面积 23
4.5.3 人脸的模板匹配 23
4.5.4 人脸检测的实现 24
4.6 GUI界面设计 24
4.7 小结 25
第五章 总结与展望 26
5.1 本课题总结 26
5.2 对未来的展望 26
致 谢 30
附录:外文文献翻译 31
第一章 绪论
1.1 课题研究背景及意义
近年来，随着科学技术的发展，身份安全验证问题已经变得越来越重要，引起了很多研究者的广泛兴趣。然而，传统的基于密码的身份识别系统以及实体证件的身份识别方式，随着科学的进步，密码以及身份证件被窃取和伪造的可能性变得越来越高，而同时一旦密码被窃取或者是证件被伪造及丢失,就极有可能会造成个人财产的损失、隐私泄露等一系列的危害,有时甚至会造成国家财产损失以及国建机密的泄露等危害国家的利益与安全，对个人以及国家的安全与利益造成极大的威胁。
由于传统的身份识别系统存在的易窃取以及易于伪造的的缺陷，基于生物特征的身份识别系统应运而生，由于其简洁快速、安全、准确、可靠的特性，此外同时又很容易结合计算机实现自动化管理，应用前景十分广阔，实用价值效益巨大，因而受到了世界各国的广泛关注和青睐。
生物特征识别一般包括人脸、掌纹、声音、笔迹、视网膜等,而人脸作为每一个人特有的一部分,它比其它任何一种生物特征都蕴含了更多的个人信息,同时人脸的独特性让伪造的可能性变得几乎不可能，很难被伪造以及窃取。同时人脸识别有很好的人机交互性，由于不需要任何其他的辅助设备，此方法十分方便快捷，同时人脸识别还有不易被人觉察的优势，因此不会让受检者产生不适的情绪，综上，我们不难看出人脸识别[1]在身份验证方面拥有很多优势，潜在着巨大的应用价值。
与此同时，作为计算机技术研究领域一个热门课题,人脸识别不仅在身份安全防护中有着巨大的实用价值，在其他领域人脸识别同样有着广泛的应用，列如：
(1)在安全领域,广泛应用于考勤系统、刑事侦查及基于人脸识别的门禁系统、查找罪犯等方面,应用前景十分广阔。
(2)在经济及民用领域,银行卡、驾照等个人身份的识别以及验证等领域有着广阔的应用前景。
(3)人脸识别还可用于图像压缩,档案管理、医学、可视电话、能够进行身份识别的智能机器人等一些领域。
人脸识别系统主要由人脸检测、人脸识别及由此产生的人脸跟踪所构成[2]。
人脸检测,就是在给定的任意一张或者多张图片中,检测出其中所有的人脸,并通过相应的程序计算出人脸的数量、大小以及姿态等等信息。
人脸识别就是在任意图片及视频中,根据自己已有的人脸数据库,通过一定的比对,来检验这些场景中是否存在单个或者是多个在数据库中已经存在的人脸，并由此确定他（他们）的在数据库中所给定的个人信息。
人脸跟踪就是在一段视频中,在人脸检测以及人脸识别的基础上，根据已经识别出的人脸，对该人的人脸运动轨迹以及大小变化进行连续的追踪及评估的过程，由此来达到监视该人的运动轨迹的作用。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/1097.html
