基于边缘计算的人脸识别系统研究

摘要

随着物联网的快速发展，我们身边出现越来越多的智能设备，伴随而来大量的数据，也给云计算处理数据这种方式带来巨大压力，为此边缘计算逐渐兴起，代表着在物联网智能设备物理数据附近进行处理，而不用上传到云空间。边缘计算减轻了云计算处理数据的压力，减少了智能设备反应时间，保证了数据传输安全。　　本文提出在边缘终端设备进行视频监控——基于边缘计算的人脸识别系统，在摄像头产生图像的一端对图像进行处理，以此减少云计算和网络带宽的需求，将处理结果返回计算机端做进一步决策，减少设备反应时间。本文通过对人脸识别实现身份认证，主要对人脸识别、图像融合、构建人脸识别系统三个方面来介绍。将自制的人脸数据，分别采用空间域图像融合方法、小波变换图像融合方法和曲波变换图像融合方法制作融合人脸数据，对待识别人实施人脸检测、图像预处理、LBP特征提取、KNN分类等步骤后与融合人脸数据比对实现人脸识别，通过实验比较发现，经过曲波变换融合的图像不仅取得最优图像质量且有效提升了在树莓派中的人脸识别正确率。最后搭建人脸识别系统，在计算机端对边缘设备树莓派处理图像后返回的结果做进一步判断决策，实现身份认证。　　通过对系统搭建和实现，可以较好的实现人脸识别身份认证，且价格低廉、易于实施。将基于边缘终端设备身份认证人脸识别系统布局中小学，可有效监测危险人员并降低突发事件发生概率。

目录

声明

第一章 绪论

1.1研究背景

1.2国内外研究现状

1.2.1人脸识别的研究现状

1.2.2图像融合的研究现状

1.2.3边缘计算的研究现状

1.3本论文的创新点

1.4本文研究内容和章节安排

第二章 边缘计算

2.1边缘计算概念

2.2 边缘计算介绍

2.2.1边缘计算的特点

2.2.2 边缘计算与云计算

2.2.3边缘计算的架构

2.2.4 边缘计算节点

2.3 边缘计算设备应用

2.4 本章总结

第三章 人脸识别相关技术

3.1人脸检测

3.1.1 Haar分类器

3.1.2 Haar-like特征

3.1.3 AdaBoost算法

3.1.4积分图

3.1.5级联

3.2图像预处理

3.3 LBP特征提取

3.3.1 LBP特征的描述

3.3.2 LBP的改进版本—圆形LBP算子

3.3.3 LBP特征提取步骤

3.4 KNN（K近邻分类）

3.5本章总结

第四章 图像融合

4.1 人脸数据集

4.1.1 ORL人脸数据集

4.1.2自制人脸数据

4.2图像融合分类

4.2.1图像融合层次

4.3图像融合方法

4.3.1空间域图像融合

4.3.2小波变换图像融合

4.3.3曲波变换图像融合

4.4融合效果评价

第五章 人脸识别系统实现和结果分析

5.1 实现系统软硬件环境

5.1.1硬件环境

5.1.2软件环境搭建

5.2系统分析与设计

5.2.1功能需求分析

5.2.2系统结构

5.2.3系统设计

5.3系统实现

5.4实验结果分析

5.5本章总结

第六章 总结与展望

6.1本文总结

6.2展望

参考文献

致谢