移动环境下大数据人脸识别研究

摘要

经过近五十年的研究和发展，人脸识别技术取得了长足的发展，并应用于公共安全、信息安全、电子商务、家庭娱乐等领域。但是在一些非理想条件下人脸识别还存在着许多问题亟待解决。随着移动通信网络和WIFI的普及，人们对智能手机的依赖性越来越强，移动环境下人脸识别的应用也受到越来越多的关注。因此，本文结合移动环境下人脸识别的特点，重点对光照预处理和大规模人脸库下的人脸识别这两个关键技术问题进行了研究，同时提出了解决方案。并且在此基础上设计和实现了移动环境下基于后台的人脸识别系统。本文的主要工作和创新点如下：
　　一、对移动环境下的光照预处理进行了分析、研究，并提出了基于小波的光照预处理算法。该算法首先利用一级二维小波变换将原始图像分解为低频分量和高频分量，然后使用光照预处理效果较好的自商图（Self-Quotient Image，SQI）对低频分量进行处理以达到降低光照影响的目的，并保持高频分量不变。最后对处理后的小波系数进行逆变换得到重建图像。本算法可以有效的降低光照变化对人脸识别的影响，有助于后续的人脸识别过程，且计算量较小，适合移动环境下人脸识别的应用。
　　二、对大规模人脸库下的人脸识别问题进行了研究，并针对人脸识别的特点，提出了一种基于聚类的大规模人脸识别加速算法。该算法首先用k-means算法对人脸特征库进行预分类，并将每一聚类的数据构建成kd树。当进行人脸识别时，首先比较待识别人脸与每一聚类均值的相似度，再在相似度最高的聚类进行基于kd树的最近邻人脸识别。实验证明在不牺牲识别率的前提下，显著地提高了人脸识别的速度。
　　三、结合以上的研究成果，设计并实现了支持 Android和后台服务器处理的人脸识别系统原型，因此存储和运算能力较强。该系统具有人脸检测、人脸识别、安全密码认证、屏幕补光等功能。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状及发展趋势

1.3 公共人脸数据库

1.4 本文研究内容

1.5 本文组织结构

第2章 相关研究综述

2.1 前言

2.2 人脸识别概述

2.3 人脸光照预处理

2.4 大规模人脸识别

2.5 聚类算法

2.6 本章小结

第3章 移动环境下基于小波的光照预处理方法

3.1 前言

3.2 基于小波变换的光照分析

3.3 移动环境下基于小波的光照预处理方法

3.4 实验与结果

3.5 本章小结

第4章 基于聚类的大规模人脸识别加速算法

4.1 前言

4.2 大规模人脸识别的分析

4.3 K-means聚类算法

4.4 基于聚类的大规模人脸识别加速算法

4.5 实验与结果分析

4.6 本章小结

第5章 移动环境下大规模人脸识别系统的设计与实现

5.1 前言

5.2 移动环境下大规模人脸识别系统的设计

5.3 移动环境下大规模人脸识别系统的实现

5.4 本章小结

结论

参考文献

致谢

附录A 攻读硕士期间发表的论文目录

附录B 攻读学位期间参加的科研项目