基于改進(jìn)的LTP的人臉識(shí)別系統(tǒng)研究及實(shí)現(xiàn).pdf

1、日常生活中，身份認(rèn)證幾乎無(wú)所不在，而在當(dāng)今的網(wǎng)絡(luò)時(shí)代和移動(dòng)支付時(shí)代，傳統(tǒng)的身份認(rèn)證方式已經(jīng)越來(lái)越不適應(yīng)信息社會(huì)高速發(fā)展，因此生物識(shí)別技術(shù)得到快速發(fā)展，市場(chǎng)上出現(xiàn)了大量相關(guān)的產(chǎn)品，并且已經(jīng)在一些領(lǐng)域開(kāi)始應(yīng)用，如當(dāng)前手機(jī)上配置的有指紋解鎖功能，同時(shí)也應(yīng)用到指紋支付；在各大銀行通過(guò)人臉注冊(cè)辦理銀行卡等等。生物識(shí)別技術(shù)中人臉識(shí)別技術(shù)以其獨(dú)特的優(yōu)點(diǎn)，被廣大專(zhuān)家和學(xué)者認(rèn)為是發(fā)展?jié)摿ψ畲?，擁有最廣的應(yīng)用市場(chǎng)。目前，人臉識(shí)別技術(shù)的核心工作在于獲取人身上

2、具有明顯識(shí)別性的特征，如果人臉?biāo)幈尘安粡?fù)雜特征獲取就相對(duì)容易，但當(dāng)人臉?biāo)幁h(huán)境相對(duì)復(fù)雜時(shí)，人臉特征的獲取將會(huì)變得十分困難，需要進(jìn)行很多地處理來(lái)試著消除干擾。因此，目前這方面的研究還有很多問(wèn)題亟需解決。
　　本文主要學(xué)習(xí)和研究了整個(gè)人臉識(shí)別系統(tǒng)的框架和流程，并深入了解了其中的檢測(cè)、預(yù)處理和識(shí)別三大模塊的原理，最終完整的實(shí)現(xiàn)了檢測(cè)算法；并針對(duì)光照問(wèn)題，提出了一種新型的預(yù)處理算法；同時(shí)針對(duì)LTP識(shí)別算法的局限性，做出了相應(yīng)的改進(jìn)，通過(guò)

3、實(shí)驗(yàn)證明改進(jìn)的識(shí)別效果更好。本文主要的研究工作包括：
　　1、檢測(cè)分類(lèi)器的實(shí)現(xiàn)。詳細(xì)介紹了AdaBoost算法的基本原理，以及積分圖快速計(jì)算Haar特征的特征值的方法和原理，這兩者構(gòu)成了整個(gè)人臉檢測(cè)的框架。最終，通過(guò)自己收集的人臉正負(fù)樣本成功地訓(xùn)練出檢測(cè)分類(lèi)器。
　　2、對(duì)于左右兩邊光照強(qiáng)度不等的人臉圖像，提出了使用左右分邊直方圖均衡化的預(yù)處理方法，這樣處理后的圖像比對(duì)整個(gè)人臉進(jìn)行相關(guān)處理取得的效果要更好。
　　3、提

4、出了加權(quán)自適應(yīng)閾值的LTP算法，針對(duì)LTP中人為設(shè)定閾值的不足，提出了利用區(qū)域的均值和標(biāo)準(zhǔn)差作為閾值，這樣每個(gè)區(qū)域都有合適的閾值，使其不受噪聲的影響，能夠提取更細(xì)致的紋理特征。同時(shí)在分塊后的區(qū)域直方圖特征中加入了權(quán)值，權(quán)值由該區(qū)域的信息熵決定，這樣直方圖特征能更好地表征人臉關(guān)鍵特征。
　　4、最終將前面實(shí)現(xiàn)的算法相結(jié)合，完成了整個(gè)系統(tǒng)的模塊設(shè)計(jì)，并采用Qt和Opencv等技術(shù)完整地實(shí)現(xiàn)了整個(gè)人臉識(shí)別系統(tǒng)，同時(shí)采用了Yale、FER