论文部分内容阅读
人脸识别是计算机视觉、模式识别中的一个研究热点和难点。本文首先对人脸识别算法进行了研究,提出了基于模糊遗传优化支持向量机的人脸识别系统框架;其次,针对目前安检、考勤、身份认定等各方面的需要,自主开发了一套人脸识别系统。本文首先全面介绍了近年来人脸识别技术发展的背景及本文的研究的目的及贡献;然后在相关文献的基础上,对当前流行的人脸数据库、人脸特征提取以及人脸分类等技术进行综述,从而为本文下面创新点的引出做了铺垫。本文主要包含有两大创新点:其一,虽然支持向量机已经运用于人脸识别技术,但是在实际应用中支持向量机的参数选取问题一直没有得到很好地解决,限制了其应用。为了能够自动获取最优的支持向量机参数,提出了基于模糊遗传算法的支持向量机参数选择方法,用模糊逻辑在线调整遗传算法的交叉概率和变异概率。另外,特征向量的维数对分类的结果也有直接的影响,本文一并用遗传算法对维数进行有效调整。其二,本文在对人脸识别技术研究和创新的基础之上,自主设计及开发了一套人脸识别系统,其支持手段及技术有C++、MFC、DirectShow、Oracle等方面。该人脸识别系统主要分为六大模块:1.视频捕捉模块:主要是基于DirectShow技术编写的,用于通过摄像头捕捉视频成图像,以用于后续处理上。2.人脸检测模块:首先对动态图像进行捕捉,然后采用Adaboost人脸检测算法对人脸区域进行划定。3.人脸跟踪模块:主要采用的方法是在检测到的人脸区域的基础上,对其领域进行重新检测,从而减少了后续人脸检测的区域范围,提高了系统的反应速度。4.人脸特征提取模块:主要采用主成分分析算法对人脸进行特征提取。5.人脸分类模块:经后文分析,虽然支持向量机在识别率及泛化性等方面比神经网络都有较突出的优势,但是其识别速度较逊于神经网络。由于本系统的主要针对一些实时性高的应用领域,所以采用带有冲量的反向传播神经网络算法。6.数据库管理模块:主要采用Oracle技术对获取的人脸及其相关数据进行管理操作。本文提出的基于模糊遗传优化支持向量机的人脸分类算法具有较好的研究前景,当前人脸识别领域,识别率有待迫切提高,而该算法恰恰针对此点提出了自己的解决方法;而人脸识别系统也具有广泛的应用前景,可以应用于出入口管理、身份认证、社会安全、智能监控、人机互动等各领域。