基于器官的人脸检测技术和基于眼动模型的活性判别算法研究

摘要

该文针对人脸识别中的上述两个关键问题,在分析国内外相关研究现状的基础上,分别提出了基于器官的准确,快速正面人脸检测算法和基于眼动模型的活性判别算法.论文的具体的研究内容和主要贡献包括;1.对国内外人脸检测技术的研究现状进行了系统的分析和总结.2.研究并实现了一种基于器官的人脸的检测算法.该算法以通过在搜索窗口中检测人脸器官的位置并利用它们的几何关系作为约束来判别人脸.该方法首先在搜索窗口的限定范围内使用四个基于AdaBoost算未能的器官检测器来检测主要的面部器官,得到人脸器官的大小和位置信息,然后通过一个基于SVM的综合分类器对它们之间的几何约束关系进行判断.以确定当前搜索窗口是否为人脸.3.提出了一种基于支持向量机的眼动模型,并将其应用于活性判别中,该算法通过大量开,闭人眼样本来训练支持向量机,建立眼动模型,在人脸识别系统中,利用该模型对合作用户按照要求做出的眨眼动作进行分析来完成活性判别.由于照片不可能做出眨眼动作,所以照片就可以被拒之门外,从而提高了人脸识别系统的安全和可靠性.

目录

文摘

英文文摘

独创性声明

第一章绪论

1.1课题背景

1.2课题来源和目的

1.3课题的研究意义

1.4国内外研究动态

1.4.1国外研究现状

1.4.2国内研究现状

1.4.3更进一步的研究

1.5本文主要工作及结构安排

第二章基于器官的人脸检测

2.1基于器官的人脸检测

2.2系统介绍

2.3器官检测

2.3.1特征

2.3.2积分图

2.3.3基于AdaBoost的分类器训练算法

2.4综合分类器

2.5加速

2.6实验

2.6.1训练样本

2.6.2训练

2.6.3检测速度

2.6.4测试结果

2.7本章小结

第三章基于支持向量机眼动模型的活性判别算法

3.1人脸自动识别系统

3.2活性判别算法

3.2.1瞳孔定位

3.2.2基于支持向量机的眼动模型

3.2.3活性判别策略

3.3实验

3.4本章小结

第四章结束语

4.1本文主要贡献与创新

4.2下一步研究工作

参考文献

致谢

作者简历