基于人脸识别技术的安全监控系统设计与实现

摘要

随着计算机技术的飞速发展和识别技术的不断成熟，各种基于人体生理特征的如手掌、指纹、声音、视网膜、瞳孔和面纹等识别技术纷纷从实验室中走出来。目前，从精确实用的方面来看，人脸识别技术是好于其它生物识别技术的身份识别方法。本文针对防盗系统和监控系统独立工作均具有一定的局限性的缺点，使用c++集成开发语言，结合先进的人脸识别算法，充分利用面向对象设计方法，开发出一套功能较为完备、识别率较高的人脸识别安全监控系统，并给出了该系统的结构、软件的设计实现方案。 主要研究成果如下： 1、说明了课题的研究背景及意义，同时对国内外研究现状做了概括性的分析总结；给出了基于人脸识别的安全监控系统的需求分析、功能分析、功能结构及系统的工作流程； 2、详细分析CAMSHIFT理论的基础上，提出了改进的基于CAMSHIFT和卡尔曼滤波的人脸检测跟踪算法，通过与传统的CAMSHIFT算法比较，实验结果表明，本文提出的算法具有较高的检测精度和较快的实时跟踪速度； 3、研究了基于小波变换的人脸特征提取.，将目前流行AdaBoost算法应用于人脸的小波特征的选择上来，用于提取对识别最有利的的特征，并最终通过对该特征的判别分析实现识别，提出了一种基于AdaWavelet特征的人脸识别方法； 4、探讨了人脸识别安全监控系统中实现的细节问题，如数据库设计、注册流程、控制电路设计问题等。最后，基于前面章节提出的算法和设计框架，给出了人脸安全监控系统中的门禁、考勤、监控三个典型的应用原型系统的设计方案和系统界面。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景

1.2人脸识别系统相关技术及其应用

1.2.1人脸检测及跟踪研究现状

1.2.2人脸识别研究现状

1.2.3现有安全监控系统的概况

1.3本文的主要工作

第2章系统总体设计

2.1系统需求分析

2.2系统功能模块设计

2.2.1系统功能结构

2.2.2系统工作流程

2.3本章小节

第3章基于camshift与卡尔曼滤波的人脸跟踪

3.1前人相关工作介绍

3.2 CAMSHIFT算法

3.2.1 CAMSHIFT算法流程

3.2.2 CAMSHIFT算法改进

3.2.3眼睛定位及归一化

3.3卡尔曼滤波

3.3.1卡尔曼滤波原理

3.3.2算法改进

3.4基于camshift与卡尔曼滤波的人脸跟踪算法

3.4.1算法流程

3.4.1实验结果对比分析

3.5结论

第4章基于AdaWavelet特征的人脸识别算法

4.1 前人相关工作

4.2基于AdaBoost与小波变换的人脸识别方法

4.2.1小波特征提取

4.2.2 AdaBoost分类

4.2.3基于AdaBoost的小波特征分类

4.2.4基于AdaWavelet特征的子空间判别分析

4.3实验结果分析

4.3.1人脸数据库简介

4.3.2算法对比分析

4.4本章小结

第5章基于人脸识别的安全监控系统实现

5.1开发环境

5.2系统关键技术的实现

5.2.1门禁系统的组成结构

5.2.2控制电路

5.2.3通信协议

5.2.4数据库设计

5.3人脸识别门禁系统的实现及其性能指标

5.4系统的主要界面及操作流程

5.4.1系统的主要界面

5.4.2系统操作流程

5.5本章小结

结论与展望

致谢

参考文献

攻读硕士学位期间发表的论文