畢業(yè)設(shè)計(jì)（論文）答辯：智能安防人臉識別系統(tǒng)研究與開發(fā)

智能安防人臉識別系統(tǒng)研究與開發(fā)目錄1課題研究背景及意義234圖像預(yù)處理人臉檢測人臉識別5系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)1課題研究背景及意義近年來，隨著電子商務(wù)和人們安全意識的增強(qiáng)，數(shù)字視頻監(jiān)控在各行各業(yè)得到了廣泛的應(yīng)用。將人臉識別技術(shù)與現(xiàn)有視頻監(jiān)控系統(tǒng)有機(jī)結(jié)合起來，將可以有效的解決當(dāng)前視頻監(jiān)控系統(tǒng)存在的一些難題。本文以人臉識別為重點(diǎn)來展開研究，開發(fā)出智能安防人臉識別系統(tǒng)。系統(tǒng)具備基于視頻流的人臉圖像實(shí)時獲取、實(shí)時跟蹤、實(shí)時檢測識別的功能?？蓱?yīng)用于辦公室等正常室內(nèi)環(huán)境下的安防、智能監(jiān)控等。2圖像預(yù)處理圖像灰度化圖像幾何歸一化直方圖均衡由于在人臉檢測時分類器需要在灰度圖像上進(jìn)行檢測，所以RGB圖像首先需要轉(zhuǎn)換成灰度圖像。主要是為了使各幅人臉圖像的像素大小相同。本文人臉圖像均為96×96大小的圖像。不同光照條件下獲取的人臉圖像數(shù)據(jù)灰度變化較大，使用直方圖均衡去除一定條件下的光照影響。功能3系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)界面圖像獲取及檢測人臉特征定位與校準(zhǔn)數(shù)據(jù)庫的管理人臉的鑒別與確認(rèn)3系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)硬件部分主要包括攝像頭、服務(wù)器，分別用于現(xiàn)場監(jiān)測、系統(tǒng)總控處理、視頻數(shù)據(jù)采集等功能。硬件攝像頭服務(wù)器軟件設(shè)計(jì)人臉注冊數(shù)據(jù)庫管理樣本訓(xùn)練人臉識別在攝像頭靜止的情況下，以人臉為目標(biāo)，當(dāng)目標(biāo)進(jìn)入攝像頭視野時，首先對它進(jìn)行人臉檢測，目標(biāo)定位，再進(jìn)行人臉特征提取，對輸入人臉進(jìn)行識別，最終輸出識別結(jié)果。4人臉檢測級聯(lián)檢測器積分圖Adaboost算法人臉檢測使用Haar特征表示人臉，使用“積分圖”實(shí)現(xiàn)特征數(shù)值的快速計(jì)算使用Adaboost算法挑選出一些最能代表人臉的矩形特征（弱分類器），按照加權(quán)投票的方式將弱分類器構(gòu)造為一個強(qiáng)分類器將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，級聯(lián)結(jié)構(gòu)能有效地提高分類器的檢測速度。Step1預(yù)處理Step2加載分類器，將分類器轉(zhuǎn)化為內(nèi)部格式Step3獲取一幀圖像Step4彩色圖像灰度化，直方圖均衡等Step5對灰度圖像進(jìn)行正人臉、人眼檢測Step6檢測出人臉轉(zhuǎn)至Step7，否則轉(zhuǎn)至Step3Step7用矩形框畫出人臉、人眼區(qū)域4人臉檢測人臉檢測算法步驟描述4人臉檢測實(shí)驗(yàn)圖同時使用了人臉分類器以及人眼分類器，檢測標(biāo)注出的人臉效果比較好，檢測識別率很高，提高了系統(tǒng)的檢測率，但是對系統(tǒng)的整體效率有一定的影響，同時也帶來漏檢的人臉現(xiàn)象，在人臉側(cè)面情況，以及檢測時人臉與攝像頭的距離超過約55cm情況，漏檢率比較高。注冊人臉步驟中的人臉檢測實(shí)驗(yàn)結(jié)果圖，分別是三個不同類別的人臉的檢測3人臉檢測實(shí)驗(yàn)圖使用了人臉分類器，檢測效果比較好?？梢詫?shí)現(xiàn)多個人臉圖像下的人臉檢測，進(jìn)行標(biāo)注。對側(cè)面人臉也有比較好的檢測效果，但角度較大的人臉檢測率較低。但在復(fù)雜背景下的人臉檢測，存在誤檢的情況，對后續(xù)進(jìn)行的人臉識別有影響。人臉識別步驟中攝像頭進(jìn)行人臉檢測，實(shí)驗(yàn)結(jié)果5人臉識別人臉識別流程圖待識別的向量與人臉數(shù)據(jù)庫中的特征向量進(jìn)行比較攝像頭視頻圖像幀的提取圖像預(yù)處理人臉檢測與定位人臉圖像歸一化特征提取人臉識別結(jié)果特征訓(xùn)練人臉數(shù)據(jù)庫5人臉識別圖像預(yù)處理：針對檢測到的人臉區(qū)域進(jìn)行圖像的分析與預(yù)處理工作，如灰度化。特征提?。罕疚牟捎肔BP以及PCA的特征提取算法進(jìn)行特征提取，本文人臉庫中人臉都是96×96像素圖像，先經(jīng)過LBP降維得到160維，再通過PCA降維變成70維，即70維就是96×96圖像的特征向量，他們之間是等效的。人臉識別：用輸入得到70維特征值，去跟樣本的70維特征向量進(jìn)行比較，求得歐氏距離，歐氏距離最小的就是要找的樣本，樣本對應(yīng)一個人，從而識別出待檢測人臉的身份。5人臉識別人臉庫ORL標(biāo)準(zhǔn)人臉庫部分圖像注冊新人臉信息后獲得人臉圖像，保存在了人臉庫中5人臉識別本文將檢測出的人臉部分在視頻窗口中用矩形框標(biāo)示出來，如圖所示，在主窗口上顯示出識別人臉是信息。原本基于PCA算法的人臉識別，誤檢率比較高，本文結(jié)合了LBP和PCA算法的人臉識別方法，誤檢率明顯降低了，達(dá)到了預(yù)期的效果。分析實(shí)驗(yàn)圖5人臉識別為了驗(yàn)證識別算法的識別效果，在實(shí)驗(yàn)室光照條件合適的情況下，不同人臉在攝像頭前出現(xiàn)，可以識別出人臉的信息，正臉識別率比較高，如表所示。但是在側(cè)人臉的時候，會導(dǎo)致識別不出信息或者誤識別的現(xiàn)象發(fā)生。實(shí)驗(yàn)數(shù)據(jù)5人臉識別實(shí)驗(yàn)分析在識別階段存在不足，在表情劇烈變化、光照、距離等外界條件的影響下，會導(dǎo)致識別率降低。具體可能原因分析如下：（1）采集圖像的預(yù)處理能力還有待加強(qiáng)。程序中用到的預(yù)處理方法只有幾何歸一化處理和灰度歸一化處理，應(yīng)再加入一些其他的預(yù)處理方法，這樣可以減少算法對檢測結(jié)果的依賴性，同時受外界條件影響也會降低，從而一定程度地提高識別率。（2）由攝像頭導(dǎo)致的成像質(zhì)量問題。實(shí)驗(yàn)中選取的攝像頭質(zhì)量一般，存在較多的畫面噪聲，光照條件不好，光線很不均勻，進(jìn)而導(dǎo)致識別率的降低。5人臉識別實(shí)驗(yàn)分析系統(tǒng)存在不足之處分析如下：（1）樣本訓(xùn)練時間比較長，程序運(yùn)行慢。基于現(xiàn)在的訓(xùn)練方法和硬件條件暫時還不能縮短訓(xùn)練時間。未來解決方法主要從兩個角度：一是使用更快的CPU和更大容量的內(nèi)存