视频监控中基于iOS平台的人脸检测与识别

摘要

iOS，即苹果公司开发的移动操作系统，主要应用于iPhone手机、iPad平板等。现在越来越多的人在iOS平台上聊天、上网、观看视频等等，iPhone已成为很多人的随身必备物品。人脸与指纹、虹膜一样与生俱来，具有唯一性和不易被复制性，是身份检测的重要指标。人脸检测与识别可以帮助视频监控实现智能化。再结合基于iOS的移动互联网平台，可以将监控视频通过无线网络传输到iPhone手机或iPad平板，就可以在手机或平板上对监控视频进行实时的人脸检测与识别，既方便快捷又节约成本。
　　本文的工作主要包括以下四个方面：
　　(1)实现iOS平台下监控视频的传输。首先利用摄像头采集到视频图像，然后采用Flash Media Live Encoder对视频进行编码，并利用Flash Media Server作为服务器，通过HLS(HTTP Live Stream)协议将视频流传输到iPhone上并显示。
　　(2)实现监控视频的预处理。本文对视频的预处理主要有视频去噪、直方图均衡化以及白平衡。首先对视频去噪，主要采用形态学滤波消除视频中的椒盐噪声。接着对视频进行直方图均衡化，以增加图像的对比度，有利于人脸检测。最后通过完美反射法对视频进行白平衡调整，从而削弱光照对人脸检测带来的的影响。预处理有助于人脸检测的准确率以及提高人脸检测的速度。
　　(3)实现改进Adaboost算法的人脸检测。本文分析讨论了Viola-Jones在2004年提出的基于Adaboost人脸检测算法，并在iOS平台下对Viola-Jones人脸检测算法提出了三点改进：首先提出了基于权值更新的Adaboost算法改进；然后后提出了基于查询子窗口大小的Adaboost算法改进；最后通过肤色检测来加快人脸检测。
　　(4)实现改进LBP算法的人脸识别。首先采用Gabor变换实现多尺度、多方向的特征提取。然后通过改进的LBP算法提取纹理信息。最后通过 Fisherfaces算法实现向量投影并降维，并通过余弦相似度对图像进行分类。实验结果表明，该算法不仅对光照有较好的鲁棒性，还提高了人脸识别速度和准确率。
　　总的来说，本文主要实现基于iOS平台下监控视频的人脸检测与识别，首先对监控视频做一系列的预处理，然后对预处理后的视频图像进行人脸检测，最后在人脸检测的基础上实现人脸识别。实验结果表明，本文设计的系统通过对人脸检测的改进加快了Adaboost分类器训练速度，降低了人脸检测的频率，降低了程序的能耗；通过对人脸识别算法的改进，在增强对光照鲁棒性的同时提高人脸识别准确率。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3本文的主要研究内容与结构安排

1.4 本章小结

第二章 视频传输与预处理

2.1 视频传输

2.2 视频去噪

2.3 直方图均衡化

2.4 白平衡

2.5 本章小结

第三章 基于 Adaboost改进算法的人脸检测

3.1 Adaboost原始算法

3.2 Adaboost人脸检测算法

3.3 人脸检测算法的改进

3.4 实验结果与分析

3.5 本章小结

第四章 基于改进 LBP算法的人脸识别

4.1 Gabor变换

4.2 LBP算法

4.3 Fisherface

4.4 人脸识别

4.5 实验结果与分析

4.6 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

攻读学位期间的研究成果