進階搜尋


 
系統識別號 U0026-0812200915173302
論文名稱(中文) 改良型PCA人臉辨識演算法之ARM獨立辨識平台設計與實現
論文名稱(英文) Human Face Recognition System Using Modified PCA Algorithm and ARM Platform
校院名稱 成功大學
系所名稱(中) 工程科學系碩博士班
系所名稱(英) Department of Engineering Science
學年度 97
學期 2
出版年 98
研究生(中文) 許柏允
研究生(英文) Po-Yun Hsu
電子信箱 n9696406@mail.ncku.edu.tw
學號 n9696406
學位類別 碩士
語文別 中文
論文頁數 45頁
口試委員 指導教授-廖德祿
口試委員-林瑞昇
口試委員-顏錦柱
中文關鍵字 主成分分析  人臉辨識  嵌入式 
英文關鍵字 face recognition  Embedded  PCA 
學科別分類
中文摘要 隨著科技逐日的發達,電腦科技與人工智慧的進步造就了許多令人驚豔的高科技產品,從無人自走車、無人飛行器等載具到互動式機器人都顯示出人類的進步與科技的發達。在這些高科技產品背後的關鍵研究領域就是電腦視覺。所謂的電腦視覺就是利用影像處理的技術與影像分析相關的演算法,達到與人類一樣對於影像所產生的反應與辨識的效果。本論文的主題著重於電腦視覺領域的人臉辨識相關演算法的實現。人臉辨識是互動式視覺系統中重要的一環,當一台機器人可以更瞭解眼前人物的狀態,就可以做出更有人性化的表現。除了應用在機器人方面,人臉辨識也可以應用在保全監控系統中。然而在實現人臉辨識演算法的過程中,個人電腦的高速運算能力擁有極大的優勢,不僅有快速的運算結果也有良好的辨識率,但龐大的體積使得應用性大大受到限制。因此在嵌入式平台中實現人臉辨識演算法完成一個人臉辨識監控系統是本論文的目標。嵌入式平台可視為一個迷你主機,運算速度以及處理器架構等條件必然低於個人電腦,所以本論文除了實現人臉辨識演算法之外,也會依據工作平台的限制,改善演算法的運算過程,以提高辨識速度與辨識率。
英文摘要 With the development of the technology, the improvement of computer science and AI has created a plenty of marvelous technology products including ALVs, UVAs, as well as the interactive robots. The critical researching field is the “computer vision”, which has contributed to the success of the former mentioned products.The computer vision is an algorithm which has adopted the technology of image processing and image analyzing in order to achieve the same visual effect human-beings have performed. The thesis is to put the algorithm, which describes the human face identification conducted by the computer vision, into effect. The human face identification is the most pivotal part among the interactive vision systems. In term of a robot, it can act like the object has acted when it has realized and understood the status performed by this object. Besides the application of the robot, the human face identification can also be applicable to the field of security system. Though the PC’s capability of computation has facilitated to the process of realizing the algorithm and can achieve high degree of identification. However, its huge size has limited its application. Therefore, the main object of the thesis is to achieve the goal of forming a human face identification system induced by the algorithm via embedded platform. The embedded platform can be viewed as a small range mainframe of the computer, its computing speed and its processor’s frame are both lower than those of the PC; thus, the thesis will also accord to the limitation of the platform to adjust the computing process of the algorithm; furthermore, to accelerate the identification speed and improve the degree of identification.
論文目次 目錄
摘要 I
ABSTRACT II
誌謝 III
目錄 IV
表目錄索引 VI
圖目錄索引 VII
第一章 緒論 1
第1-1節 研究動機與目的 1
第1-2節 論文架構 2
第二章 基礎技術概述 3
第2-1節 影像雜訊濾波 3
第2-1-1節 理想低通濾波器 3
第2-1-2節 巴特沃斯低通濾波器 3
第2-1-3節 帶拒濾波器 3
第2-2節 色彩模型轉換 4
第2-2-1節 RGB色彩模型 4
第2-2-2節 YCbCr色彩模型 5
第2-2-3節 HSV色彩模型 5
第2-3節 顏色分割(COLOR SEGMENTATION) 6
第2-3-1節正規化RGB色彩空間 6
第2-3-2節 YCbCr色彩空間 7
第2-3-3節 HSV色彩空間 8
第2-4節 影像形態學處理 9
第2-4-1節 雜訊消除 9
第2-4-2節 區域連通 10
第三章 相關演算法簡介 12
第3-1節 人臉偵測相關演算法 12
第3-1-1節 Haar-like features 12
第3-1-2節 AdaBoost algorithm 13
第3-2節 人臉辨識相關演算法 18
第3-2-1節 主要成分分析(Principal Component Analysis ,簡稱PCA) 18
第3-2-2節 線性鑑別分析(Linear Discriminant Analysis ,簡稱LDA) 19
第3-2-3節 費雪臉(Fisherface) 21
第3-2-4節 相關演算法比較 22
第3-3節 決策法則 22
第四章 系統分析與結果 24
第4-1節 工作平台簡介 24
第4-2節 系統分析 25
第4-2-1節 影像前處理 26
第4-2-2節 人臉偵測 28
第4-2-3節 改良式PCA演算法 29
第4-2-4節 排錯功能 33
第4-2-5節 實驗結果 36
第五章 結果結論與未來方向 42
第5-1節 結論 42
第5-2節 未來方向 42
参考文獻 44


表目錄索引
表4-1 原始PCA影像投影與距離之關係 32
表4-2 改良型PCA影像投影與距離之關係 32
表4-3 不同光源之圖像配對 35


圖目錄索引
圖2.1 RGB色彩空間模型 4
圖2.2 HSV色彩空間模型 5
圖2.3 正規化RGB色彩空間中之膚色界定範圍,引自[1] 6
圖2.4 YCBCR色彩空間膚色範圍界定圖,引自[2] 7
圖2.5 HSV色彩空間膚色範圍界定圖,引自[2] 8
圖2.6 3×3影像遮罩 9
圖2.7 影像侵蝕運算 9
圖2.8 影像膨脹運算 10
圖2.9 4-連通矩形遮罩 11
圖2.10 影像區域連通操作 11
圖3.1 可用於人臉偵測之特徵 12
圖3.2 移動物偵測流程 12
圖3.3 基本矩形 13
圖3.4 條件矩陣 15
圖3.5 積分示意圖 17
圖3.6 積分圖算法 17
圖4.1 系統動作流程圖 25
圖4.2 影像濾波 26
圖4.3 膚色分割 27
圖4.4 斷開流程 27
圖4.5 區域連通 28
圖4.6 少量樣本訓練出之分類器應用於ADABOOST演算法 29
圖4.7 分群示意 引自[23] 30
圖4.8 配對組合特徵空間之訓練流程 31
圖4.9 改良型PCA演算法之動作流程圖 33
圖4.10光源強弱與投影距離之關係 34
圖4.11 放大分析 34
參考文獻 参考文獻
[1] M. Soriano, S. Huovinen, B. Martinkauppi, and M. Laaksonen, “Using the skin Locus to cope with Changing Illumination Conditions in Color-Based Face Tracking”, Proc. of IEEE Nordic Signal Processing Symposium, pp.383-386, 2000.
[2] C. Garcia, G. Tziritas. “ Face Detection Using Quantized Skin Color Regions Merging and Wavelet Packet Analysis”, IEEE Transactions on Multimedia, vol. 1. no. 3, pp.264-277, 1999.
[3] P. Viola, M. J. Jones, “Robust Real-Time Face Detection”, International. Journal of Computer Vision 57(2), pp.137-154, 2004.
[4] Y.Freund, R. E. Schapire, “A decision-theoretic generalization of on-line learning and an application to boosting”, Journal of Computer and System Sciences, vol. 55. no. 1, pp.119–139, 1997.
[5] E. Lizama, D. Waldoestl, and B. Nickolay, “An Eigenfaces-based Automatic Face Recognition System”, IEEE Conf. on Systems, Man, and Cybernetics, vol. 1, pp.174-177, 1997.
[6] M. A. Turk, A. P. Pentland, ”Face Recognition Using Eigenfaces ”, Proc. IEEE Conf. on Computer Vision and Pattern Recognition, pp.586-591, 1991.
[7] Zhujie, Y. L. Yu, “Face Recognition with Eigenfaces”, Proc. IEEE Conf. on Industrial Technology, pp.434-438, 1994.
[8] M. A. Turk, A. P. Pentland, “Eigenfaces for Recognition”, International. Journal of Computer Vision 57(2), pp.137-154, 2004.
[9 ] P. N. Bellhumeur, J. P. Hespanha, and D. J. Kriegman, “Eigenfaces vs. fisherfaces:recognition using class specific linear projection”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 19. no. 3, pp.711-720, 1997.
[10] S.J. Lee, S.B. Jung, J.W. Kwon, and S.H. Hong, ”Face Detection and Recognition Using PCA”, Proc. IEEE Region 10 Conf. TENCON 99, vol.1, pp.84-87, 1999.
[11] E. Lizama , D. Waldoestl , and B. Nickolay, “An Eigenfaces-Based Automatic Face Recognition System”, IEEE Conf. on Systems, Man, and Cybernetics, vol. 1, pp.174 -177, 1997.
[12] A. M. Martinez, A. C. Kak, “PCA versus LDA”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 23, pp.228-233, 2001.
[13] K. Fukunaga, “Introduction to Statistical Pattern Recognition”, Academic Press, second edition, 1991
[14] R. Brunelli , and T. Poggio , “Face recognition: Features versus Templates “, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 15. no. 10, pp.1042-1052, 1993.
[15] L. Chen, H. Liao, M. Ko, J. Lin, and G. Yu, “A new LDA-based face recognition system which can solve the small sample size problem”, Pattern Recognition, vol. 33. no. 10, pp.1713-1726, 2000.
[16] K. Etemad, R. Chellappa, “Discriminant Analysis for Recognition of Human Face Images”, J. Opt. Soc. Amer. A, vol.14, pp.1724-1733, 1997.
[17] 林咸仁,“改良線性鑑別式分析在少量訓練樣本下之人臉辨識研究”,國立成功大學資訊工程學系碩士論文, 2002
[18] 洪倩玉,“建立動態線性鑑別式分析於線上人臉辨識與驗證”, 國立成功大學資訊工程學系碩士論文, 2003.
[19] 朱正峰,“具移動追蹤功能之IP-Camera”, 國立成功大學工程科學系碩士論文, 2008.
[20] 繆紹綱 "數位影像處理 活用MATLAB" 全華圖書 2005.
[21] 鐘國亮 "影像處理與電腦視覺" 東華書局 2006.
[22] 黃國峰,張真誠,陳同孝,“數位影像處理技術”,旗標圖書,2004.
[23] http:/www.cmlab.csie.ntu.edu.tw/~cyy/learning/tutorials/LDA.pdf
[24] http://www.csie.nctu.edu.tw/~ljshen/ccl/node4.html
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2015-07-20起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2015-07-20起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw