论文部分内容阅读
视频监控市场目前正处在蓬勃发展的阶段,各种先进的高清监控设备也将逐步在中国普及,但是监控依靠的主要还是落后的人工监控模式。随着平安城市和智慧城市建设的推进,市场对具有人脸识别功能的智能视频监控系统的需求也更加迫切。本文从市场需求出发,采用快速的Vialo-Jones方法检测人脸,使用PCA进行人脸特征提取,通过自组织映射神经网络对人脸进行分类有序排列和标定,基于Qt和OpenCV实现了Windows/Linux双平台的实时视频人脸识别系统。系统体积小巧、使用简便,具有良好的图形用户界面和优秀的可移植性,包含批量剪裁人脸、PCA计算、神经网络训练、校验神经网络、视频人脸识别和图像文件人脸识别等全套的功能。经过测试,在复杂背景中取得了较好的识别效果,具有实用和推广的价值。本文工作的核心思路,是利用自组织映射神经网络的无监督学习和自组织映射的能力,自动从训练样本集构建一个与人类直观思维相近的、按人脸类型有序排列的二维矩阵,人脸图像经过PCA提取特征后,映射到这个二维矩阵的某个元素上,该元素的矩阵坐标就成为输入人脸的标识,人脸识别问题就转化为判断目标人脸图像和输入人脸图像所映射的矩阵元素之间的欧几里德距离是否小于阀值。本文创新性的工作主要有:尝试将SOM神经网络用于人脸识别,并取得了较好的效果;构建了立体环形网格结构的SOM神经网络,使每个神经元在训练中都能获得平等的激活机会,网络训练的结果在网格上分布更加均匀,提高了网络的利用率,也更有利于人脸的识别;设计了高性能的基于矩阵运算的SOM神经网络,简化了内部的程序处理流程,提高了系统的实时视频处理性能;实现了基于两眼检测的人脸实时校正算法,在视频处理中能快速地根据两眼中心的连线与水平线的夹角对人脸进行旋转校正,较大地提高了人脸的识别率;使用了遮罩模板用于遮盖人脸中眼睛、鼻子和嘴巴以外的部位,较好地消除了光照阴影、角度、遮挡和年龄变化等因素的影响,进一步提高了人脸的识别率;重视训练、校验结果的可视化,通过“权值脸”矩阵等直观的形式研究与改进系统。