基于皮肤模板和改进HMM的自动人脸识别系统(8)

TMS320DM6446是美国德州仪器(TI)公司近两年推出的一款适合“计算密集型的数字视音频处理应用”的片上系统(SoC)芯片，本论文的目的是在Codecs Engine框架下开发适合DM6446的人脸检测和识别软件模块。首先我们对OpenCV开源库中的人脸检测和识别算法进行改进，增加了正面人脸提取的功能，然后将其移植到达芬奇平台上，有针对性的对程序进行优化，包括把浮点运算转换成定点运算，利用DSP代码优化技术对程序进行改造及优化，改造人脸检测算法中的积分图运算使之适合在硬件加速器上运行，最后把优化后的程序按照Codec Engine框架封装成可供Linux调用的软件模块，并结合视频处理子系统(VPSS)设计了高效的图形用户界面。

目前TI公司或其第三方伙伴关于达芬奇SoC的软件模块，无论是demo模块还县商业模块，皆只涉及视音频编解码的应用，未见有其它方面的软件模块提供。本论文的设计把人脸检测和识别算法封装成符合eXpressDSP算法标准的软件模块，用户可以像调用视音频软件模块一样调用人脸检测和识别模块，填补了达芬奇软件在这一方面内容的不足，有望成为其第三方软件供应者。

8.期刊论文 刘丽华 自动人脸识别方法研究与展望 -内江科技2005,""(5)

追随人脸识别技术发展的历史,从人脸检测、人脸特征提取和人脸识别验证这三个关键步骤,颇为细致地阐述人脸识别已经取得的方法和研究成果;并

基于皮肤模板和改进HMM的自动人脸识别系统

展望了人脸识别的研究发展趋势,给出了人脸识别中需要解决的关键问题.

9.学位论文 王红 基于肤色的人脸检测及识别研究 2009

人脸识别，是采用人脸的一些独特生物特征对人的身份进行自动识别的生物识别技术。人脸识别应用于考勤系统具有直接、友好、方便等特点，易为用户所接受，因此是身份验证的理想依据。人脸识别系统主要由人脸检测和人脸识别二个关键部分组成。人脸检测是其中的第一环节，也是人脸信息处理中的一项关键技术。人脸检测是指利用计算机确定输入图像中是否包含人脸，以及定位人脸的位置、大小等。人脸识别是利用计算机分析人脸图像，进而从中提取有效的识别信息，用来判别身份的一门技术。<br>　　

本文首先对人脸识别及其系统性能评价指标进行了概述，同时也简要介绍了人脸识别技术在国内外的研究现状。其次，本文针对人脸检测和人脸识别两个关键环节，详细介绍了在考勤系统中人脸识别的设计和实现方法。在人脸检测部分，本文详细比较了肤色在色彩空间YCbCr和HSV的肤色聚类情况，采用基于肤色的人脸检测方法提取人脸区域，采用二值化图像直方图统计方法标示人脸区域。人脸检测是为人脸识别做准备，人脸检测的效果直接影响人脸识别的效果。在人脸识别部分，本文采用水平、垂直积分投影特性进行人脸局部器官特征区域粗略定位，采用归一化的rgb色彩空间色彩信息定位法进行人脸局部器官特征点精确定位。对构建的人脸特征向量采用加权相似度的方法进行人脸识别。<br>　　

本文将人脸识别技术应用于考勤系统，主要是从摄影头采集到的正面人脸图像中提取有效特征点构成的特征矢量信息，与计算机数据库中存储的特征矢量信息作比对，来判别人的身份，从而达到考勤的目的。实验结果表明，本文设计的人脸识别方法具有识别率高、识别速度快，计算简单的特点。

10.学位论文 范志刚 快速人脸检测和识别理论与算法研究 2007

为了实际应用的需要,快速鲁棒的人脸检测和识别研究在模式识别和机器学习领域里引起了广泛的重视.本文提出了一种基于统计学习理论的判决特征选择方法和快速分类方法,仔细研究了这种方法的性质、特点以及在人脸识别中的应用.本文提出了基于直接学习算法的人脸检测方法,研究了最小最大模块化模型在多角度人脸识别中的应用. 本文的主要贡献在以下六个方面.

1)对于灰度图像的人脸检测,本文将基于小波系数的弱分类器学习和完整空间中的统计学习相结合,提出了一种比传统的AdaBoost方法更快速、更准确和高效的直接学习算法.本文使用线性判别分析优化人脸检测器,从而提高了人脸检测器的检测精度.

2)针对彩色图像中的人脸肤色检测,本文提出了一种基于主分量分析的修正的高斯肤色模型.相对于标准的高斯肤色模型,修正的高斯肤色模型可以提高肤色检测的精度.

3)针对在传统的基于AdaBoost的级联人脸检测方法中,初始节点非人脸训练样本采样不充足的缺点,本文提出了在完整特征空间上基于分类超平面和boots'trapping的训练样本选择方法.该方法的思想是在开始训练级联人脸检测器之前,先使用这种训练样本选择方法在大规模自然背景图片库里挑选出最具有代表性的非人脸训练样本,然后使用这些最具代表性的非人脸训练样本训练级联人脸检测器,最后得到高效的级联检测器.这种高效的级联人脸检测器可以用很少的节点识别出大量的非人脸模式,从而提高了人脸检测的精度和速度.

4)本文研究了最小最大模块化模型在多角度人脸识别中的应用.针对多角度人脸识别问题,本文采用了最小最大模块化支持向量机方法对不同的角度采用不同的分类器模块,从而有效地解决了多角度人脸识别问题.

5)在人脸识别中,本文利用全概率定理把判决特征选择方法从两类分类问题发展到多类分类问题,从而在不降低分类精度的情况下加快了人脸识别的速度.此外,本文研究了Gabor小波特征提取方法,从而使判决特征选择方法能更有效地应用于人脸识别问题.

6)通过人脸检测和人脸识别的研究,本文提出了一种新的多分类器集成学习方法和一种针对支持向量机的新的核方法.

本文链接：/Periodical_szdxxb200801014.aspx

授权使用：上海交通大学(shjtdxip)，授权号：ef98d76d-5ab6-47ee-909d-9df90107e708

下载时间：2010年9月22日