论文部分内容阅读
本文主要对人脸识别技术在复杂光照条件下进行了研究,对人脸识别的核心技术在Android平台下进行研究和分析。系统对人脸识别系统的预处理、特征提取、分类识别三个关键环做了详细的研究,系统性能经过每一阶段的处理后都会得到一定的提升。本设计系统主要进行了以下几个方面的研究:(1)在预处理阶段运用了Retinex算法,对Retinex理论的本质意义进行分析,得出了Retinex输出图像的本质,即相对反射率,而相对反射率对光照的敏感度很低,因而本文将其在研究情况复杂的人脸图像预处理时采用了这一算法。对Retinex输出图像进行灰度值采用均值方差归一化的方法进行线性拉伸。仿真结果表明,人脸人脸图像经过该算法处理后图像效果得到明显的提升,在非受控条件下得到的复杂光照人脸图像尤为突出。(2)对可变光照人脸识别算法研究主要涉及了局部二值模式(Local Binary Pattern,LBP)和线性回归两种算法,这两种算法同时涉及人脸识别系统的三个关键环节,光照等影响因素在每一个环节都会得到一定的处理,使得可变光照算法更加完整。对光照不变特征的提取采用的是具有光照鲁棒性的分块LBP,在分类识别阶段使用的是改进的线性回归模型,将受光照影响最大的主成分系数去除。所研究的方法可以有效的消除影响人脸识别的因素光照,人脸识别系统的鲁棒性和识别率也得到了提高。(3)探索一种基于开源计算机视觉库OpenCV(Open Source Computer Vision)的Android平台下人脸检测的方法。详细的阐述了利用Android下的JNI(Java Native Interface)并结合Android下的NDK(Native Development Kit)调用和编译OpenCV下的函数,生成共享函数库。运用JNI和OpenCV编写人脸识别算法,并在Android平台下对其进行研究。