论文部分内容阅读
iOS,即苹果公司开发的移动操作系统,主要应用于iPhone手机、iPad平板等。现在越来越多的人在iOS平台上聊天、上网、观看视频等等,iPhone已成为很多人的随身必备物品。人脸与指纹、虹膜一样与生俱来,具有唯一性和不易被复制性,是身份检测的重要指标。人脸检测与识别可以帮助视频监控实现智能化。再结合基于iOS的移动互联网平台,可以将监控视频通过无线网络传输到iPhone手机或iPad平板,就可以在手机或平板上对监控视频进行实时的人脸检测与识别,既方便快捷又节约成本。本文的工作主要包括以下四个方面：(1)实现iOS平台下监控视频的传输。首先利用摄像头采集到视频图像,然后采用Flash Media Live Encoder对视频进行编码,并利用Flash Media Server作为服务器,通过HLS(HTTP Live Stream)协议将视频流传输到iPhone上并显示。(2)实现监控视频的预处理。本文对视频的预处理主要有视频去噪、直方图均衡化以及白平衡。首先对视频去噪,主要采用形态学滤波消除视频中的椒盐噪声。接着对视频进行直方图均衡化,以增加图像的对比度,有利于人脸检测。最后通过完美反射法对视频进行白平衡调整,从而削弱光照对人脸检测带来的的影响。预处理有助于人脸检测的准确率以及提高人脸检测的速度。(3)实现改进Adaboost算法的人脸检测。本文分析讨论了Viola-Jones在2004年提出的基于Adaboost人脸检测算法,并在iOS平台下对Viola-Jones人脸检测算法提出了三点改进：首先提出了基于权值更新的Adaboost算法改进；然后后提出了基于查询子窗口大小的Adaboost算法改进；最后通过肤色检测来加快人脸检测。(4)实现改进LBP算法的人脸识别。首先采用Gabor变换实现多尺度、多方向的特征提取。然后通过改进的LBP算法提取纹理信息。最后通过Fisherfaces算法实现向量投影并降维,并通过余弦相似度对图像进行分类。实验结果表明,该算法不仅对光照有较好的鲁棒性,还提高了人脸识别速度和准确率。总的来说,本文主要实现基于iOS平台下监控视频的人脸检测与识别,首先对监控视频做一系列的预处理,然后对预处理后的视频图像进行人脸检测,最后在人脸检测的基础上实现人脸识别。实验结果表明,本文设计的系统通过对人脸检测的改进加快了Adaboost分类器训练速度,降低了人脸检测的频率,降低了程序的能耗；通过对人脸识别算法的改进,在增强对光照鲁棒性的同时提高人脸识别准确率。