人脸识别的智能小车交互
摘 要在生物识别技术当中人脸识别技术因其独有的特点，受到人们格外的关注。在人们交流和抒发情感过程中人脸是最直接、重要的载体。人脸识别技术因其具有无侵犯性、成本低以及不需要被检测人员的主动参与的特点。已经在人工智能、门禁监控和公共安全领域广泛被应用。本文的研究是在微软公司研发的Kinect平台之上，同时该设备可以获取彩色数据、深度数据以及骨骼点追踪的功能之上，进行基于二维图像的人脸检测和人脸识别。首先，通过Kinect获取到的彩色图进行颜色空间转换使其成为黑白图像，然后对该图像进行一些列的处理，包括尺度变换、图像的直方图均衡化。利用Haar特征描述其人脸特征，使用Haar人脸分类器检测人脸区域。Haar人脸分类器是由AdaBoost算法训练样本图像得出。在人脸检测基础之上使用LBP算法识别人脸。最后利用无线串口与小车进行实时通信，达到最后的人机交互功能。
目录
摘要 I
ABSTRACT II
目录 III
第1章 绪论 1
1.1人脸识别的研究背景及意义 1
1.2人脸识别的研究现状 2
1.3人脸识别存在的问题及解决方法 3
1.4Kinect的基本介绍 4
1.5本文的结构安排和主要工作 6
1.6本章小结 7
第2章 系统设计 8
2.1系统设计的目标 8
2.2图像采集与人脸图像训练 9
2.3图像预处理 9
2.4人脸检测 10
2.4.1 Haarlike特征 10
2.4.2Adaboost分类器 12
2.4.3积分图 15
2.4.4 人脸检测结果 17
2.5 基于LBP的人脸识别 18
2.5.1局部二值模式（LBP）算法的简介 18
2.5.2基于LBP的人脸识别结果 21
2.6无线串口通信的实现 21
2.6.1无线串口简介 21
2.6.2无线串口通信编程的实现及结果 22
2.7本章小结 23
第3章系统测试 24
3.1系统整体的测试步骤
*好棒文|www.hbsrm.com +Q: ^351916072*
及结果 24
3.2本章小结 24
第4章 总结与展望 25
4.1总结 25
4.2展望 25
参考文献 27
附录 31
第1章 绪论
1.1人脸识别的研究背景及意义
生物识别技术（Biological recognition technology）是集计算机和声学、光学以及生物统计学原理等高科技手段，并利用人体的固有特征和行为特征等来进行个人身份的识别和鉴定。人脸识别在众多的生物识别技术当中，因其自身的优势而受到人们的热捧。曾有人预言：“在今后几年内，生物识别技术将会成为IT行业极其重要的技术革命”[1]。生物识别技术相对于传统的身份识别技术（如密码、证件、磁卡、钥匙等）具有唯一性和固定性，而且不易复制，从而更具安全性、保密性。然而在使用上并且更具方便性，具有随身携带和不易忘记的特点。
然而，人脸识别技术在我们的日常生活中应用非常广泛。在许多的生物识别技术当中，人脸识别却有着其自身的优势和特点：
1.人脸识别技术具有自然性——即人类（甚至其他生物）对个体进行识别时所利用的生物特征相同。人类也是通过人脸对个体进行身份识别。然而，相对于视网膜识别、虹膜识别以及指纹识别却不具有自然性的特点，换而言之人类并不是利用此类特征来区别个体的身份；
2.人脸识别技术具有不被察觉的特点。在许多情况下我们对个体身份进行识别的过程中往往需要他人的主动配合，因此可能会引来他人的反感。然而人脸识别技术可以利用自然光来获取人脸图像。比如，可以通过视频或者监控设备中来获得人脸信息，从而不被他人轻易察觉，扩大了其应用范围；
3.人脸识别技术有安全性高、适应性强、应用领域广的特点。比如在政府、社会福利保障、电子商务、安全防务等领域。其中最为突出的就是在视屏监控中，利用人脸识别技术可以在短时间内对个体身份就行识别，实现智能预警；
4.人脸识别技术性价比高、采集设备成本低廉。往往只需要PC机以及相关软件，具有较强的扩展性；
在模式识别与计算机视觉领域，人脸识别技术的发展充满了挑战性，然而自身技术的革新却对未来的发展意义重大。虽然人脸识别技术的精确度没有视网膜、虹膜等识别技术高。但由于其自然性、不易被察觉、方便快捷、不具侵犯性的特点。已经广泛运用于门禁监控、边境检查、人机交互系统、人工智能以及公共安全领域。在大数据即将来临的时代，人脸识别技术也会因其特殊的背景得到前所未有的发展。在当今二代身份证普及的背景下，几乎每个人都有数码照片数据。因此，人脸识别技术的发展也具有了不一样的意义。在平安城市的建设中人脸识别技术发挥其自身的优势。再者云架构人脸识别平台的搭建，将融合多种算法的有点，在大数据的比对之下，更大范围的适应各种环境的变化，提高了人脸识别的适应能力和鲁棒性。
但是如何提高人脸识别技术的准确性和鲁棒性也是目前人脸识别技术存在的重大挑战。然而，在多学科的交叉之下（如：图像处理、模式识别、生物学、数学、人工神经网络及计算机视觉等多种学科）人脸识别技术的发展不仅要求研究人员要具有很高的素质，而且也对开发环境有较高的要求。再者，人脸的所处环境变化大，如光线、表情、姿态、距离、面部有无遮挡等因素，对于正确性和实时性带来了巨大的挑战。因此，人脸识别技术也成为了目前的一大研究热点。
1.2人脸识别的研究现状
人脸识别技术在国内发展大约是在20世纪90年代。然而，Galton在1888年和1910年分别在《Nature》上发表了两篇文章，关于如何利用人脸进行个体身份识别和验证，分析了人类自身的人脸识别能力。但没有涉及到人脸的自动识别问题。而早涉及到人脸的自动识别的文章是1965年Chan和Bledsoe发表的技术报告。然而那时对于人脸识别技术的研究还处于萌芽阶段，人脸识别图像的约束条件多，适应性较差，没有很好的识别算法。因此，该阶段的研究并没有运用到实际中。
1991到1997年间是人脸识别技术研究的活跃时期。由Pentland和Turk提出了著名的人脸识别算法——特征脸方法（Eigenface）。在此之后也现了许多基于该方法的研究，并随着高性能计算机的发展，人脸识别技术得到了巨大的发展。出现了许多的人脸识别算法，如基于模板匹配[2]的方法、PCA[3]、弹性图匹配[4]、人工神经网络法、基于Haar特征的方法(Adaboost学习算法)等。这些算法不仅能够在光照条件良好、无遮挡的正面条件下快速的识别出人脸，而且也展开了对多姿态的人脸识别的研究、动态追踪的人脸识别以及三维人脸识别。大大提高了人脸识别在不同光照、不同年龄、不同表情的准确性和鲁棒性。
人脸识别技术的发展，目前大都在二维图像的基础之上进行研究和发展。然而基于二维的人脸识别容易受到外界环境的影响。转而基于三维的人脸识别与现实中的三维人脸相符，并且发型、眼镜等因素对于人脸识别的影响比二维的人脸识别小，其中也包含了更多更丰富更具有意义的信息。在三维图像采集技术的发展之上，三维图像的人脸识别技术逐渐成为人们研究的热点。而常见的三维人脸识别的算法有最近迭代算法[56]和基于人脸特征（局部或整体）的匹配算法。信息技术的发展，不仅使人脸识别技术在理论上可行，而且也在实际生活中得到了应用。目前，在客流集中的火车站已经安装了人脸识别系统，目的是治安管理以及协助公安部门刑侦破案。首个刷脸支付系统在的亮相，纷纷展现了人脸识别在生活中各个方面的不同应用。
目录
摘要 I
ABSTRACT II
目录 III
第1章 绪论 1
1.1人脸识别的研究背景及意义 1
1.2人脸识别的研究现状 2
1.3人脸识别存在的问题及解决方法 3
1.4Kinect的基本介绍 4
1.5本文的结构安排和主要工作 6
1.6本章小结 7
第2章 系统设计 8
2.1系统设计的目标 8
2.2图像采集与人脸图像训练 9
2.3图像预处理 9
2.4人脸检测 10
2.4.1 Haarlike特征 10
2.4.2Adaboost分类器 12
2.4.3积分图 15
2.4.4 人脸检测结果 17
2.5 基于LBP的人脸识别 18
2.5.1局部二值模式（LBP）算法的简介 18
2.5.2基于LBP的人脸识别结果 21
2.6无线串口通信的实现 21
2.6.1无线串口简介 21
2.6.2无线串口通信编程的实现及结果 22
2.7本章小结 23
第3章系统测试 24
3.1系统整体的测试步骤
*好棒文|www.hbsrm.com +Q: ^351916072*
及结果 24
3.2本章小结 24
第4章 总结与展望 25
4.1总结 25
4.2展望 25
参考文献 27
附录 31
第1章 绪论
1.1人脸识别的研究背景及意义
生物识别技术（Biological recognition technology）是集计算机和声学、光学以及生物统计学原理等高科技手段，并利用人体的固有特征和行为特征等来进行个人身份的识别和鉴定。人脸识别在众多的生物识别技术当中，因其自身的优势而受到人们的热捧。曾有人预言：“在今后几年内，生物识别技术将会成为IT行业极其重要的技术革命”[1]。生物识别技术相对于传统的身份识别技术（如密码、证件、磁卡、钥匙等）具有唯一性和固定性，而且不易复制，从而更具安全性、保密性。然而在使用上并且更具方便性，具有随身携带和不易忘记的特点。
然而，人脸识别技术在我们的日常生活中应用非常广泛。在许多的生物识别技术当中，人脸识别却有着其自身的优势和特点：
1.人脸识别技术具有自然性——即人类（甚至其他生物）对个体进行识别时所利用的生物特征相同。人类也是通过人脸对个体进行身份识别。然而，相对于视网膜识别、虹膜识别以及指纹识别却不具有自然性的特点，换而言之人类并不是利用此类特征来区别个体的身份；
2.人脸识别技术具有不被察觉的特点。在许多情况下我们对个体身份进行识别的过程中往往需要他人的主动配合，因此可能会引来他人的反感。然而人脸识别技术可以利用自然光来获取人脸图像。比如，可以通过视频或者监控设备中来获得人脸信息，从而不被他人轻易察觉，扩大了其应用范围；
3.人脸识别技术有安全性高、适应性强、应用领域广的特点。比如在政府、社会福利保障、电子商务、安全防务等领域。其中最为突出的就是在视屏监控中，利用人脸识别技术可以在短时间内对个体身份就行识别，实现智能预警；
4.人脸识别技术性价比高、采集设备成本低廉。往往只需要PC机以及相关软件，具有较强的扩展性；
在模式识别与计算机视觉领域，人脸识别技术的发展充满了挑战性，然而自身技术的革新却对未来的发展意义重大。虽然人脸识别技术的精确度没有视网膜、虹膜等识别技术高。但由于其自然性、不易被察觉、方便快捷、不具侵犯性的特点。已经广泛运用于门禁监控、边境检查、人机交互系统、人工智能以及公共安全领域。在大数据即将来临的时代，人脸识别技术也会因其特殊的背景得到前所未有的发展。在当今二代身份证普及的背景下，几乎每个人都有数码照片数据。因此，人脸识别技术的发展也具有了不一样的意义。在平安城市的建设中人脸识别技术发挥其自身的优势。再者云架构人脸识别平台的搭建，将融合多种算法的有点，在大数据的比对之下，更大范围的适应各种环境的变化，提高了人脸识别的适应能力和鲁棒性。
但是如何提高人脸识别技术的准确性和鲁棒性也是目前人脸识别技术存在的重大挑战。然而，在多学科的交叉之下（如：图像处理、模式识别、生物学、数学、人工神经网络及计算机视觉等多种学科）人脸识别技术的发展不仅要求研究人员要具有很高的素质，而且也对开发环境有较高的要求。再者，人脸的所处环境变化大，如光线、表情、姿态、距离、面部有无遮挡等因素，对于正确性和实时性带来了巨大的挑战。因此，人脸识别技术也成为了目前的一大研究热点。
1.2人脸识别的研究现状
人脸识别技术在国内发展大约是在20世纪90年代。然而，Galton在1888年和1910年分别在《Nature》上发表了两篇文章，关于如何利用人脸进行个体身份识别和验证，分析了人类自身的人脸识别能力。但没有涉及到人脸的自动识别问题。而早涉及到人脸的自动识别的文章是1965年Chan和Bledsoe发表的技术报告。然而那时对于人脸识别技术的研究还处于萌芽阶段，人脸识别图像的约束条件多，适应性较差，没有很好的识别算法。因此，该阶段的研究并没有运用到实际中。
1991到1997年间是人脸识别技术研究的活跃时期。由Pentland和Turk提出了著名的人脸识别算法——特征脸方法（Eigenface）。在此之后也现了许多基于该方法的研究，并随着高性能计算机的发展，人脸识别技术得到了巨大的发展。出现了许多的人脸识别算法，如基于模板匹配[2]的方法、PCA[3]、弹性图匹配[4]、人工神经网络法、基于Haar特征的方法(Adaboost学习算法)等。这些算法不仅能够在光照条件良好、无遮挡的正面条件下快速的识别出人脸，而且也展开了对多姿态的人脸识别的研究、动态追踪的人脸识别以及三维人脸识别。大大提高了人脸识别在不同光照、不同年龄、不同表情的准确性和鲁棒性。
人脸识别技术的发展，目前大都在二维图像的基础之上进行研究和发展。然而基于二维的人脸识别容易受到外界环境的影响。转而基于三维的人脸识别与现实中的三维人脸相符，并且发型、眼镜等因素对于人脸识别的影响比二维的人脸识别小，其中也包含了更多更丰富更具有意义的信息。在三维图像采集技术的发展之上，三维图像的人脸识别技术逐渐成为人们研究的热点。而常见的三维人脸识别的算法有最近迭代算法[56]和基于人脸特征（局部或整体）的匹配算法。信息技术的发展，不仅使人脸识别技术在理论上可行，而且也在实际生活中得到了应用。目前，在客流集中的火车站已经安装了人脸识别系统，目的是治安管理以及协助公安部门刑侦破案。首个刷脸支付系统在的亮相，纷纷展现了人脸识别在生活中各个方面的不同应用。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/1173.html
