收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于网络摄像头与稀疏表示分类法的实时人脸识别系统应用研究

梁晓捷  
【摘要】:人脸识别是生物特征识别的一个重要研究领域,由于属于非接触认证,备受使用者与研究者青睐。学术界一直将主要精力集中在识别算法的研究上,相关算法层出不穷。近年来,John Wright利用稀疏表示理论把人脸识别问题建模为线性方程组的求解,其提出的稀疏表示分类法(Sparse Representation Classification,SRC)在人脸图像受到轻度污染条件下取得了较好的实验效果。本文将稀疏表示分类法应用于实时的人脸识别系统,搭建理论与应用的桥梁,所做的主要工作包括:(1)对稀疏表示分类算法进行了深入研究,了解其算法的实现过程。针对测试样本图像而言,SRC算法能从基底中寻找到与之较为接近的项,对人脸图像受到轻度噪声污染有较好的鲁棒性。同时,比较特征脸(Principal Component Analysis,PCA)与局部二值模式(Local Binary Pattern,LBP)两组特征,并将其与支持向量机(Support Vector Machine,SVM)及SRC结合,研究其在人脸识别的效果。实验结果表明,SRC+PCA相对其它的几种组合有着较好的识别率。由于人脸识别系统实时性的要求,增加过多复杂运算的模块会令系统迟缓,所以,在系统设计方面,本文折衷选择了SRC+LBP的组合。(2)提出行重叠分块SRC算法,并将其用于遮挡人脸识别。首先,将所有训练图像与某一测试图像采用行重叠分割成若干子块;然后,利用SRC算法判断该测试图像每个重叠子块各自所属的类别;最后,依据“少数服从多数”原则,输出该测试图像的最终判决结果。基于AR人脸数据库的实验结果表明,行重叠分块SRC算法取得了比传统SRC算法及加权SRC算法更高的识别率,且在平均识别率上超过了均匀分块SRC算法。(3)对网络摄像头进行研究并重写软件开发工具包(Software Development Kit,SDK)部分函数。相比于以往的人脸识别系统采集设备一直局限于USB摄像头,本文在新的设备上进行了尝试,深入研究了IP摄像头的取帧流程,并对其视频流格式进行了改写,使其能支持OpenCV的图像格式。(4)在计算机端开发了一个基于网络摄像头与稀疏表示分类法的实时人脸识别系统。该系统运用OpenCV以及C++编程开发。首先,利用AdaBoost算法对每一视频帧检测人脸,继而对被检测到人脸图像运用LBP提取纹理特征。最后,采用SRC进行判别。实验结果表明,该系统能实现人脸识别的所有流程,并能处理实时视频流,对光照有较好的鲁棒性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期
3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期
4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期
5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期
6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期
7 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期
8 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期
9 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期
10 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期
11 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期
12 王铿;张重阳;齐朗晔;;基于核距离的稀疏表示的交通标识识别[J];计算机应用与软件;2014年03期
13 单建华;张晓飞;;稀疏表示人脸识别的关键问题分析[J];安徽工业大学学报(自然科学版);2014年02期
14 栾悉道;王卫威;谢毓湘;张芯;李琛;;非线性稀疏表示理论及其应用[J];计算机科学;2014年08期
15 杨荣根;任明武;杨静宇;;基于稀疏表示的人脸识别方法[J];计算机科学;2010年09期
16 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
17 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
18 李仲生;李仁发;蔡则苏;赵乘麟;;稀疏表示下的非监督显著对象提取[J];电子学报;2012年06期
19 段菲;章毓晋;;基于多尺度稀疏表示的场景分类[J];计算机应用研究;2012年10期
20 胡正平;李静;白洋;;基于样本-扩展差分模板的联合双稀疏表示人脸识别[J];信号处理;2012年12期
中国重要会议论文全文数据库 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
4 李小薪;稀疏表示的分段匹配寻踪方法[D];华南理工大学;2009年
5 何艳敏;稀疏表示在图像压缩和去噪中的应用研究[D];电子科技大学;2011年
6 宋相法;基于稀疏表示和集成学习的若干分类问题研究[D];西安电子科技大学;2013年
7 匡金骏;基于稀疏表示的图像分类与目标跟踪研究[D];重庆大学;2013年
8 李海山;基于稀疏表示理论的地震信号处理方法研究[D];中国石油大学(华东);2013年
9 邓承志;图像稀疏表示理论及其应用研究[D];华中科技大学;2008年
10 路锦正;基于稀疏表示的图像超分辨率重构技术研究[D];电子科技大学;2013年
中国硕士学位论文全文数据库 前10条
1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年
2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年
3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年
4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年
5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年
6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年
7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年
8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年
9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年
10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978