人脸识别系统眼睛定位算法的研究

摘要

随着信息技术的快速进步，信息社会对个人身份认证与识别的需求在不断增长。具有非接触性、便捷的人脸识别，已经成为应用数学与模式识别等交叉学科的研究热点。
　　在人脸识别系统中，选择合适的特征定位对图像的归一化有着重要影响。眼睛作为人脸上相对明显、相对稳定的特征，拥有较多的细节信息，已经有许多学者致力于眼睛定位的研究。但是，眼睛定位很容易受到遮挡、表情、姿态等因素的影响，一直是人脸识别系统中的难点问题，发表的相关文献也比较少。因此，实用化的眼睛定位算法的建立是一个具有挑战性的问题。
　　本文的研究目标是，在人脸检测的基础上，构建一个人脸识别系统中的眼睛定位模块。本文主要工作如下:
　　首先，研究了基于Haar特征的AdaBoost算法和随机森林算法，利用特征的镜像对称性得到对称的分类器，同时将OpenCV中的AdaBoost与之结合，用于算法中的检测和判别部分，提升了速度和准确率;
　　其次，利用Gabor和模板匹配的方法对初始定位进行补充，并利用人脸对称轴信息对初始定位结果进行判别和修正;
　　再次，基于“先判断，再分类，由粗到精”的思想，提出了眼镜种类和眼镜反光的判别方法，并对眼睛状态进行分析，利用眼睛的灰度特征和几何信息进行精确定位;
　　最后，在CAS-PEAL-R1数据库上进行了测试和分析，本文算法达到了99.43％的定位准确率。
　　本文研究的眼睛定位算法模块已经成功应用到东北大学应用数学实验室开发的人脸识别系统中，定位效果良好，可达到实时，性能稳定。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 国内外研究历史和现状

1．2．1 人脸识别的研究历史和现状

1．2．2 眼睛定位的研究历史和现状

1．3 本文的研究内容

1．3．1 问题的提出及本文的内容

1．3．2 论文的框架

第2章 眼睛定位算法综述

2．1 眼睛定位的重要性和制约因素

2．1．1 眼睛定位的重要性

2．1．2 眼睛定位的制约因素

2．2 眼睛定位的基本算法

2．2．1 基于模板匹配的方法

2．2．2 基于统计的方法

2．2．3 基于知识的方法

第3章 AdaBoost算法和随机森林算法

3．1 Haar特征

3．2 AdaBoost算法

3．2．1 AdaBoost算法原理

3．2．2 基于Haar特征的AdaBoost的训练

3．3 随机森林算法

3．3．1 随机森林算法简介

3．3．2 随机森林的训练

第4章 人脸识别系统的眼睛定位算法

4．1 预处理

4．1．1 光照处理

4．1．2 眼镜和眼镜反光判断

4．2 眼睛检测及初定位

4．2．1 基于Gabor的初定位算法

4．2．2 基于模板匹配的初定位算法

4．3 人脸对称轴定位算法

4．3．1 基于点对的人脸对称轴定位算法

4．3．2 利用对称轴信息判断和修正

4．4 精确定位算法

4．4．1 睁闭眼睛判断

4．4．2 睁眼睛的精确定位

4．4．3 闭眼睛的精确定位

4．5 利用随机森林算法的判别及修正算法

第5章 实验结果分析与总结展望

5．1 眼睛定位算法的检验标准

5．2 本文眼睛定位算法结果及分析

5．3 总结与展望

5．3．1 本文工作总结

5．3．2 眼睛定位算法展望

参考文献

致谢

攻读学位期间发表的论文