视频监控中的人体目标分割与识别技术
摘 要人脸是视频监控中的重要信息,对视频监控中人脸特征的提取可以帮助我们精确地识别、定位出一个人的身份。这一点正符合当今社会发展过程中各个领域对人脸自动识别的需求,因此具有极大的研究价值和广阔的社会发展前景。本文从人脸识别这一课题的研究历史出发,深入剖析了人脸识别过程中的技术难点以及它在我们国家的发展现状,并明确了本文采用OpenCV这一计算机视觉类库实现对人脸的检测、跟踪与识别。在人脸检测模块,本文采用可以反映图像灰度变化的Haar特征分类器进行人脸检测。一方面,简单的矩形特征就能够很清楚地描述出人脸的关键信息；另一方面,OpenCv的源代码库中提供了训练好的Haar特征分类器,在使用时我们可以直接调用。在人脸跟踪模块,本文采用基于颜色的Camshift跟踪算法。但经典的Camshift跟踪算法是一种半自动跟踪算法,在跟踪开始之前需要手动选择跟踪的目标区域。因此,本文提出了一种改进的Camshift跟踪算法,能够实现在人脸检测的基础之上自动对人脸进行跟踪的功能。在人脸识别模块,本文采用基于“特征脸”的人脸识别算法。其主要思想是比较待识别人脸图像在“特征脸”空间的投影向量与训练样本图像在“特征脸”空间的投影向量之间的距离,距离小者判定为人脸库中已经存在的人脸。并对采用的PCA主成分分析法的概念、原理等也进行了较为详细介绍。
目 录
第一章 绪论 1
1.1课题研究的背景和意义 1
1.2课题研究历史与国内发展成果 1
1.3人脸识别难点概述 2
1.4本章小结 3
1.5主要章节内容及章节安排 3
第二章 人脸检测 5
2.1人脸检测系统概述 5
2.2 Harr特征说明 5
2.3人脸检测过程概述 6
2.3.1分类器训练 6
2.3.2 人脸检测 6
2.4人脸检测效果分析 7
2.5本章小结 10
第三章 人脸跟踪 11
3.1 视频中人脸跟踪提出的背景 11
3.2 Camshift原理 11
3.3 跟踪流程概述 14
3.4 实验结果分析 14
3.4.1实验结果 1
*好棒文|www.hbsrm.com +Q: *351916072*
4
3.4.2 Camshift算法优缺点评析 17
3.5本章小结 18
第四章 人脸识别 19
4.1 PCA简介 19
4.1.1PCA概念 19
4.1.2PCA数学原理 20
4.2 EigenFace算法概述 21
4.3人脸识别 21
4.3.1人脸图像预处理 21
4.3.2 特征脸空间的构建 22
4.3.3 训练样本图像的特征提取 23
4.3.4距离函数的选取 24
4.3.5基于特征脸的人脸识别 25
4.4实验效果分析说明 26
4.5本章小结 27
第五章 总结与展望 28
5.1全文总结 28
5.2展望 29
致谢 31
参考文献 32
附录 35
第一章 绪论
1.1课题研究的背景和意义
人脸识别已经发展一百多年了,虽然研究课题已不再新颖,但在当今时代和社会,仍具有广阔发展前景和战略意义。人脸识别是一种重要的个人身份鉴别技术。现在它已经被广泛地运用到了公安、海关、边防、政府等安防领域,而且在近年来兴起的银行账户和证券账户的“远程开立”方面也发展迅速。通常来讲,要对一张脸进行识别需要分三个阶段进行：第一阶段是对人脸的检测阶段,能够完成在有一定复杂干扰物存在的背景之下圈出人脸的功能；第二阶段就是关键的特征提取阶段,这一阶段需要提取出识别当中用到的关键特征点；第三阶段就是进行比对与分析的模板匹配阶段,也就是所谓的“识别”阶段。
与指纹、虹膜、语音等的这些人体特征识别技术相比较而言,“人脸识别”这个技术往往具有更大的优势,这主要表现在以下几点：
基因遗传物质决定了人稳定、相似度极低且人为很难伪造的面貌,这弥补了传统“加密手段”容易泄露和被遗忘的不足。
(2)人脸识别市场有着难以估计和预料的发展前景。现实生活中的人物识别背景相对实验时的背景来说往往更加复杂,而且经常需要在一个比较远的距离上进行识别。通过“人脸识别”这一技术能够很容易实现这种无接触式的远程识别确认,这是指纹等传统识别手段无法做到的。
(3)此种识别方法安全、可靠。在识别过程中,不需要近距离接触人体就能提取到需要的关键信息,隐蔽、安全、可靠,且操作方便。这些优势决定了近年来人脸识别方面的研究呈现喷井式的发展劲头,相关的算法也愈趋于成熟和完善。
1.2课题研究历史与国内发展成果
人脸识别技术有着悠久的研究历史。早在1888年和1910年高尔顿就分别在《Nature》杂志上发表了两篇关于利用人脸进行身份识别的文章,对人类自身的人脸识别能力进行了初步分析和预测。最早关于人脸识别的研究论文是Chan&Bledsoe在1965年发表于Panoramic Research Inc．的技术报告,距今已有五十年的历史。 人脸识别也大致经历了三个大的发展阶段：第一阶段是1964年1990年,这一阶段人脸识别只是作为一个一般性的模式识别问题来研究,采用的是基于人脸几何结构特征的方法。这一阶段是人脸识别的初级阶段,重要成果不多,人工依赖性强。是第二阶段是1991年1997年,这期间诞生了若干代表性的人脸识别算法,如美国麻省理工学院(MIT)媒体实验室Turk和Pentland提出的“特征脸”算法,人工智能实验室的Brunelli和Poggio提出的模板匹配方法,以及后来发展得到的Fisherface、LDA、PCA及弹性图匹配技术等人脸识别算法。第三个阶段是从1998年开始到现在,真正进入人脸的自动识别阶段。这一阶段主要克服光照、姿态、表情等变化时对人脸识别准确性的影响,以支持向量机、隐马尔可夫模型及Boosting方法为代表的统计学习理论在这一时期内被广泛应用到了人脸识别与确认中来。Blanz和Vetter等提出的基于3D变形模型的多姿态、多光照条件人脸图像分析与识别方法是这一阶段内一项具有开创性的研究方法。中国的人脸识别研究历史较之国外起步较晚,发展和研究的历史只有几十年的时间。但是尽管如此,中国的人脸识别研究在国家政策导向的支持和相关科研人员的不懈努力之下,仍然发展迅速,硕果累累。今年一月份,在李克强总理的亲自见证下,腾讯旗下的微众银行通过互联网成功实现了第一笔采用人脸识别技术的远程贷款。三月份,马云在国务院副总理马凯和德国总理默克尔的见证下,成功演示了“蚂蚁金融服务”式的人脸识别支付功能。在国内市场,人脸识别技术已经逐渐发展成为一种产业。2010年人脸识别方面的产品销售额达到了6.7亿元,产品产量达到33.5万套；2014年销售额则达到14.9亿元,产品产量达到69.5万套,而且相关的应用已经渗透到社会生活的各个领域中。例如从今年起,广州就开始试行“人脸识别”领取养老金的办法,哈尔滨也启用“人脸识别”的公证系统,江苏银行也在客户身份验证体系中首推“人脸”的识别方法。可以说,人脸识别技术已经与我们的日常生活紧密地联系在了一起,逐渐成为我们日常生活的一部分。
1.3人脸识别难点概述
目 录
第一章 绪论 1
1.1课题研究的背景和意义 1
1.2课题研究历史与国内发展成果 1
1.3人脸识别难点概述 2
1.4本章小结 3
1.5主要章节内容及章节安排 3
第二章 人脸检测 5
2.1人脸检测系统概述 5
2.2 Harr特征说明 5
2.3人脸检测过程概述 6
2.3.1分类器训练 6
2.3.2 人脸检测 6
2.4人脸检测效果分析 7
2.5本章小结 10
第三章 人脸跟踪 11
3.1 视频中人脸跟踪提出的背景 11
3.2 Camshift原理 11
3.3 跟踪流程概述 14
3.4 实验结果分析 14
3.4.1实验结果 1
*好棒文|www.hbsrm.com +Q: *351916072*
4
3.4.2 Camshift算法优缺点评析 17
3.5本章小结 18
第四章 人脸识别 19
4.1 PCA简介 19
4.1.1PCA概念 19
4.1.2PCA数学原理 20
4.2 EigenFace算法概述 21
4.3人脸识别 21
4.3.1人脸图像预处理 21
4.3.2 特征脸空间的构建 22
4.3.3 训练样本图像的特征提取 23
4.3.4距离函数的选取 24
4.3.5基于特征脸的人脸识别 25
4.4实验效果分析说明 26
4.5本章小结 27
第五章 总结与展望 28
5.1全文总结 28
5.2展望 29
致谢 31
参考文献 32
附录 35
第一章 绪论
1.1课题研究的背景和意义
人脸识别已经发展一百多年了,虽然研究课题已不再新颖,但在当今时代和社会,仍具有广阔发展前景和战略意义。人脸识别是一种重要的个人身份鉴别技术。现在它已经被广泛地运用到了公安、海关、边防、政府等安防领域,而且在近年来兴起的银行账户和证券账户的“远程开立”方面也发展迅速。通常来讲,要对一张脸进行识别需要分三个阶段进行：第一阶段是对人脸的检测阶段,能够完成在有一定复杂干扰物存在的背景之下圈出人脸的功能；第二阶段就是关键的特征提取阶段,这一阶段需要提取出识别当中用到的关键特征点；第三阶段就是进行比对与分析的模板匹配阶段,也就是所谓的“识别”阶段。
与指纹、虹膜、语音等的这些人体特征识别技术相比较而言,“人脸识别”这个技术往往具有更大的优势,这主要表现在以下几点：
基因遗传物质决定了人稳定、相似度极低且人为很难伪造的面貌,这弥补了传统“加密手段”容易泄露和被遗忘的不足。
(2)人脸识别市场有着难以估计和预料的发展前景。现实生活中的人物识别背景相对实验时的背景来说往往更加复杂,而且经常需要在一个比较远的距离上进行识别。通过“人脸识别”这一技术能够很容易实现这种无接触式的远程识别确认,这是指纹等传统识别手段无法做到的。
(3)此种识别方法安全、可靠。在识别过程中,不需要近距离接触人体就能提取到需要的关键信息,隐蔽、安全、可靠,且操作方便。这些优势决定了近年来人脸识别方面的研究呈现喷井式的发展劲头,相关的算法也愈趋于成熟和完善。
1.2课题研究历史与国内发展成果
人脸识别技术有着悠久的研究历史。早在1888年和1910年高尔顿就分别在《Nature》杂志上发表了两篇关于利用人脸进行身份识别的文章,对人类自身的人脸识别能力进行了初步分析和预测。最早关于人脸识别的研究论文是Chan&Bledsoe在1965年发表于Panoramic Research Inc．的技术报告,距今已有五十年的历史。 人脸识别也大致经历了三个大的发展阶段：第一阶段是1964年1990年,这一阶段人脸识别只是作为一个一般性的模式识别问题来研究,采用的是基于人脸几何结构特征的方法。这一阶段是人脸识别的初级阶段,重要成果不多,人工依赖性强。是第二阶段是1991年1997年,这期间诞生了若干代表性的人脸识别算法,如美国麻省理工学院(MIT)媒体实验室Turk和Pentland提出的“特征脸”算法,人工智能实验室的Brunelli和Poggio提出的模板匹配方法,以及后来发展得到的Fisherface、LDA、PCA及弹性图匹配技术等人脸识别算法。第三个阶段是从1998年开始到现在,真正进入人脸的自动识别阶段。这一阶段主要克服光照、姿态、表情等变化时对人脸识别准确性的影响,以支持向量机、隐马尔可夫模型及Boosting方法为代表的统计学习理论在这一时期内被广泛应用到了人脸识别与确认中来。Blanz和Vetter等提出的基于3D变形模型的多姿态、多光照条件人脸图像分析与识别方法是这一阶段内一项具有开创性的研究方法。中国的人脸识别研究历史较之国外起步较晚,发展和研究的历史只有几十年的时间。但是尽管如此,中国的人脸识别研究在国家政策导向的支持和相关科研人员的不懈努力之下,仍然发展迅速,硕果累累。今年一月份,在李克强总理的亲自见证下,腾讯旗下的微众银行通过互联网成功实现了第一笔采用人脸识别技术的远程贷款。三月份,马云在国务院副总理马凯和德国总理默克尔的见证下,成功演示了“蚂蚁金融服务”式的人脸识别支付功能。在国内市场,人脸识别技术已经逐渐发展成为一种产业。2010年人脸识别方面的产品销售额达到了6.7亿元,产品产量达到33.5万套；2014年销售额则达到14.9亿元,产品产量达到69.5万套,而且相关的应用已经渗透到社会生活的各个领域中。例如从今年起,广州就开始试行“人脸识别”领取养老金的办法,哈尔滨也启用“人脸识别”的公证系统,江苏银行也在客户身份验证体系中首推“人脸”的识别方法。可以说,人脸识别技术已经与我们的日常生活紧密地联系在了一起,逐渐成为我们日常生活的一部分。
1.3人脸识别难点概述
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/1102.html
