论文部分内容阅读
目前,人脸识别,虹膜识别,掌纹识别技术等的实验室研究已不能满足日益增长的安全需求,亟需研制实用的全自动身份鉴别系统。但以往的识别算法处理的图片是已经获取好的图片,前提假设是目标图片已经获取或者很容易获取,而在实际的身份鉴别系统中,这个假设不再成立,因此快速鲁棒的目标检测成为补偿这个假设的重要手段。本文分析和总结了基于AdaBoost算法的目标检测算法,并探索了该算法在人脸检测,人眼检测,以及手掌检测中的应用。主要工作包括:
1.根据AdaBoost算法和嵌套式的级联分类器结构,设计和实现了快速鲁棒的人脸检测器的训练和多尺度检测两个部分。该人脸检测器能够实时地以极低的虚警率,较高的检测率检测到正面人脸。同时本文也借助有限的数据对多视角人脸检测作了尝试,但是检测率和检测速度有待提高。
2.根据AdaBoost算法设计和实现了鲁棒的精确人眼定位系统,并且在国内领先地将人眼定位系统应用到虹膜图像主动获取设备的研制中,使得新研制出来的虹膜图像采集设备可以在0.6m×0.4m×0.4m的范围内主动获取高质量的虹膜图像。
3.本文较早地将目标检测应用到掌纹识别系统,实现了手掌检测器,能够以极低的代价迅速检测到适合掌纹识别所需要的掌纹图像,从而提高了掌纹识别系统的鲁棒性。
本文在对基于AdaBoost目标检测系统的各个方面进行论述的基础上,成功地实现了人脸,人眼,手掌检测器,并把它们较早地应用到具体的身份鉴别系统中,使得身份鉴别系统得以自动地工作。