| 【中文题名】 | 基于肤色和特征脸的人脸识别技术 |
| 【英文题名】 | Face Recognition Based on Skin-Color and Eigenface |
| 【学科专业】 | 机械电子工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-12 |
| 【中关键词】 | 人脸检测,颜色模型,肤色分割,人脸识别,特征提取,特征脸 |
| 【英关键词】 | face detection,color model,skin segmentation,face recognition,feature extraction,eigenfaces, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>机器人技术>机器人>智能机器人 |
| 【论文摘要】 |
近几年,机器人视觉技术取得了一定的进展,计算机视觉技术已经在移动机器人、视频监视与跟踪、自动导航等方面得到越来越广泛的应用。随着科技的发展,传统的身份验证已很难适应人们的需求。基于虹膜和指纹的生物特征验证对采集条件要求高,很难大范围推广。基于人脸检测的生物特征识别具有友好、方便、对硬件设施要求不严格等优势,近年来己经受到充分关注。
人脸识别技术就是利用计算机分析人脸图像,提取有效的识别信息来辨认身份或者判别待定状态的一门技术。它涉及模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识,是当前研究的热点之一。然而,由于识别结果往往容易受到表情,姿态和光照变化的影响,同时还要保证识别系统的实时性,极大地影响了人脸识别走向实用化。
本文以构建一个可用的、实用的人脸检测识别系统为目标,在研究了人脸检测和识别的基本理论和关键技术的基础上,重点讨论了在简单背景条件下,彩色动态图像的人脸检测识别问题。它包含基于肤色信息的图像分割预处理和正面人脸识别验证两个主要模块。
本文首先利用颜色空间特性,对人脸肤色的聚类特性进行了研究,基于不同的颜色空间肤色聚类结果的对比,本文选择YCbCr... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-8 |
|
第一章 绪论 |
8-14 |
|
§1-1 机器视觉的提出及其发展现状 |
8-10 |
|
1-1-1 机器视觉定义 |
8 |
|
1-1-2 Marr 视觉计算理论简介 |
8-9 |
|
1-1-3 机器人视觉研究现状 |
9-10 |
|
§1-2 人体生物认证技术 |
10-11 |
|
§1-3 人脸识别 |
11-13 |
|
1-3-1 人脸检测与人脸识别的研究内容 |
11 |
|
1-3-2 人脸识别的发展阶段 |
11-12 |
|
1-3-3 人脸检测与人脸识别的技术挑战 |
12 |
|
1-3-4 人脸检测与人脸识别的实用价值及应用领域 |
12-13 |
|
§1-4 论文的研究目的与主要内容 |
13-14 |
|
1-4-1 课题的提出 |
13 |
|
1-4-2 论文的主要内容 |
13-14 |
|
第二章 拟人头部系统简介及人脸检测识别方法综述 |
14-28 |
|
§2-1 拟人头部系统简介 |
14-17 |
|
2-1-1 引言 |
14-15 |
|
2-1-2 拟人头部系统得结构 |
15-16 |
|
2-1-3 摄像机与采集卡简介 |
16-17 |
|
§2-2 人脸检测方法综述 |
17-23 |
|
2-2-1 基于知识的方法 |
18-19 |
|
2-2-2 基于模板匹配的方法 |
19 |
|
2-2-3 基于学习的方法 |
19-23 |
|
2-2-4 彩色图像的人脸检测 |
23 |
|
§2-3 人脸识别方法综述 |
23-27 |
|
2-3-1 引言 |
23-24 |
|
2-3-2 人脸识别研究的历史 |
24-25 |
|
2-3-3 人脸自动识别方法 |
25-27 |
|
2-4 本章小结 |
27-28 |
|
第三章 基于肤色的彩色图像的人脸检测 |
28-39 |
|
§3-1 引言 |
28 |
|
§3-2 各种色彩空间的特征 |
28-33 |
|
3-2-1 RGB 彩色空间 |
29 |
|
3-2-2 HSI 彩色空间 |
29-31 |
|
3-2-3 CMY/CMYK 彩色空间 |
31 |
|
3-2-4 YIQ 色彩空间 |
31-32 |
|
3-2-5 YUV 彩色空间 |
32 |
|
3-2-6 YCbCr 彩色空间 |
32-33 |
|
§3-3 人脸检测与提取 |
33-38 |
|
3-3-1 系统流程 |
33 |
|
3-3-2 光线补偿 |
33-34 |
|
3-3-3 肤色建模 |
34-36 |
|
3-3-4 数学形态学操作 |
36-37 |
|
3-3-5 人脸候选区域提取 |
37-38 |
|
3-4 本章小结 |
38-39 |
|
第四章 基于特征脸的人脸识别方法 |
39-52 |
|
§4-1 引言 |
39 |
|
§4-2 图象预处理 |
39-41 |
|
4-2-1 图像的几何归一化 |
39-40 |
|
4-2-2 图像的灰度归一化 |
40 |
|
4-2-3 图象的边缘检测和锐化处理 |
40-41 |
|
§4-3 PCA 人脸识别方法 |
41-47 |
|
4-3-1 基于KL 变换的人脸识别方法 |
41-42 |
|
4-3-2 K-L 变换的原理 |
42-44 |
|
4-3-3 利用PCA 识别人脸 |
44-46 |
|
4-3-4 特征值的选择 |
46 |
|
4-3-5 距离函数的选择 |
46-47 |
|
4-3-6 PCA 方法的优缺点 |
47 |
|
§4-4 PCA+LDA 人脸识别识别方法 |
47-49 |
|
4-4-1 LDA(Linear Discriminant Analysis)算法 |
47-48 |
|
4-4-2 PCA+LDA 的人脸识别方法 |
48-49 |
|
4-4-3 PCA+LDA 的优缺点 |
49 |
|
§4-5 实验结果 |
49-52 |
|
第五章 结论与展望 |
52-53 |
|
参考文献 |
53-56 |
|
致谢 |
56-57 |
|
攻读学位期间所取得的相关科研成果 |
57 |
|
| 【DOI】 | LunWen.ID:2.2008.386250 |
