基于相似度评分模型的人员识别方法研究

摘要

外部特征提取及识别作为数字图像处理的关键技术之一，由于其广泛的应用，受到国内外学者越来越多的研究和关注。外部特征识别存在的主要问题和难点包括光线噪声等干扰处理、特征选取、识别准确性、识别要求条件、识别速度效率等。
　　针对这些要求和难点，本文以人员外部特征的提取及识别作为研究案例，具体研究内容如下:
　　针对目前人员图像的提取及预处理方法中存在的一些不足，本文提出了自适应背景更新速率算法解决了背景建模中前景提取稳定性和背景收敛速率矛盾的问题，小矩形去噪算法解决了形态学算法在去除前景噪声时易造成前景目标图像变形的问题，边缘最小矩形合并算法解决了由于动作幅度较大等原因造成的人员图像被分离的问题，保证人员图像的完整性。
　　针对以人脸识别为代表的许多人员识别方法对识别条件要求苛刻、抗干扰能力弱、特征可描述性低等问题，本文提出了基于相似度评分模型的人员识别方法。该方法采用层次化的模糊比对策略，提取人员外部整体和细部特征并评价相似度，使用基于皮肤直方图算法的裸露四肢提取去除及相似度评价方法、基于颜色边界分割算法的人员图像分割方法、基于HSV低饱和度算法的颜色特征提取及相似度评价方法和基于纹理颜色特征融合算法的纹理特征提取及相似度评价方法，解决了以人脸识别为代表的许多人员识别方法存在的问题，扩大了人员识别的应用范围。

目录

声明

摘要

第一章 绪论

1．1 人员外部特征提取及识别的研究背景及意义

1．1．1 人脸识别的优势和局限性

1．1．2 外部特征提取及识别在人员识别中的作用

1．2 外部特征研究现状

1．3 人员外部特征提取及识别存在的难题以及研究成果

1．3．1 存在的难题

1．3．2 本文研究成果

1．4 文本的章节安排

第二章 图像特征提取及识别方法研究

2．1 前景图像提取及预处理

2．2 图像特征提取

2．2．1 颜色统计特征提取

2．2．2 纹理特征提取

2．3 图像外部特征识别方法

第三章 人员图像的提取及预处理方法

3．1 基于自适应背景更新速率算法的背景建模方法

3．1．1 背景更新速率的选择及影响

3．1．2 基于白点的背景稳定性检测

3．1．3 自适应背景更新速率算法

3．1．4 实验效果对比与分析

3．2 基于小矩形去噪算法的前景噪声去除方法

3．2．1 前景噪声的去除及存在的不足

3．2．2 小矩形去噪算法

3．2．3 实验效果对比与分析

3．3 基于边缘最小矩形合并算法的人员图像完整性保障方法

3．3．1 前景目标分离及处理方法

3．3．2 边缘矩形合并算法

3．3．3 实验效果对比与分析

第四章 基于相似度评分模型的人员识别方法

4．1 算法总体过程及思路

4．2 人员外部整体特征提取及相似度评价方法

4．2．1 基于皮肤直方图算法的裸露四肢特征提取去除及相似度评价

4．2．2 基于HSV低饱和度算法的整体颜色特征提取及相似度评价

4．3 人员外部细部特征提取及相似度评价方法

4．3．1 基于颜色边界分割算法的人员图像分割方法

4．3．2 基于HSV低饱和度算法的细部颜色特征提取及相似度评价

4．3．3 基于纹理颜色特征融合算法的细部纹理特征提取及相似度评价

4．4 人员外部特征加权评分方法

4．5 实验效果及分析

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

攻读硕士学位期间发表的学术论文目录