论文部分内容阅读
传统的人脸识别系统将人脸数据或者提取到的特征值直接存放在数据库从而产生安全问题。针对这一问题,本文采用将局部模式特征提取算法和可撤除结合的模板保护方案。可撤除方案是国内外学者密切关注的模板保护方法,已经广泛使用在虹膜、指纹特征的模板保护领域,但较少应用于人脸特征的保护;光照、姿态、噪声等外界干扰对特征提取的影响非常大,局部模式算法在图像存在上述问题时的鉴别性佳。局部模式算子提取出人脸特征信息后再进行可撤除运算,能够同时保证识别和安全性能。本课题研究工作围绕以下几点展开:1、比较分析了基于局部模式的人脸特征提取的经典以及主要演化算法,将最初用于表情识别的CBP算法应用在了人脸特征提取模块,取得了很好的鉴别性能。考虑到均方差在纹理分类中的作用,在CBP基础上设计了新的特征点定位方法ICBP。为了比较CBP、ICBP算法和主要演化算法的鉴别性能,在YALE和PIE标准数据库上进行多次重复实验。实验结果得出:图像不受随机噪声干扰时,CBP算法的识别性能最好;随着图像噪声的加入,ICBP算法的识别性能较好。2、深入分析LBP和随机投影结合进行模板保护的原理。将局部模式演化算法捕捉到的特征进行可撤除运算,由于可撤除算法的不可逆性和数据库中存放变换后的特征值数据,因此被破解的可能性极低,匹配时安全性能非常高。通过上述过程,各种局部模式演化算子获得了进一步的拓展。3、针对现有人脸识别系统的开发存在大量的重复劳动、成本高、效率低和可移植性差等问题,整个开发过程采用构件技术进行实现。结合本领域的实际需求,对开发出来的构件提出了新的分类方法。该分类方法切合本领域的需求分析,可以用于相似领域系统开发过程中构件的分类,有利于领域构件的进一步管理,有利于系统的进一步延伸和拓展。4、凭借基于特定领域构件开发的基本开发流程,设计了本领域的系统模型集成框架,并且将已经分类设计好的构件按照模型框架进行组装搭建了一个可视化的系统界面。具体介绍了系统的工作原理,详细阐述了系统每一个模块的功能。