跳到主要內容

臺灣博碩士論文加值系統

(3.81.172.77) 您好!臺灣時間:2022/01/21 19:46
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:游喬富
研究生(外文):Yu Chiao-Fu
論文名稱:影像處理在門禁系統應用之研究
論文名稱(外文):A Study of Image Base Entrance Monitoring
指導教授:廖德誠
指導教授(外文):Liaw Der-Cherng
學位類別:碩士
校院名稱:國立交通大學
系所名稱:電機與控制工程系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:65
中文關鍵詞:影像辨識門禁系統特徵擷取差分影像
外文關鍵詞:image recognitionentrance Monitoring systemfeature capturedifferential image
相關次數:
  • 被引用被引用:5
  • 點閱點閱:529
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
在本篇論文中我們整合了紅外線、數位攝影機、和人臉辨識的演算法,建構出一套門禁管制系統。在擷取特徵部份,我們先利用像差的概念框住整個人臉大小,由於人臉上較明顯的特徵為頭髮、眉毛和眼睛,我們利用二值化的影像,增強以上三部份的特徵,利用灰階特性定位出眼睛的位置,並以兩眼間之相對距離定位出整個臉的大小;在人臉辨識方面,利用Karhunen-Loeve expansion的方法找出每個人的特徵臉,並加以辨識。系統並提供了調閱檔案、搜尋出入時間資料庫、智慧型判別是否為人臉…等功能,使整個門禁管制系統更趨完美。在本篇論文更做了兩項實驗,一是比較以最小距離和最大內積和的特徵向量做辨識之差別;另一個是探討特徵擷取和辨識率之間的關係。整個實驗的目的是測試這套系統的功能,並比較不同辨識法則之差異性。
In this thesis, we have integrated infrared rays, digital camera, and algorithm of face recognition to build an entrance monitoring system. In capturing feature part, we first use the differential image guide to locate the whole head. Because the more clear features on the face are hair, eyebrows and eyes, we take advantage of binary image to enhance features of these parts. And then we use gray level property to find the location of eyes, and take the distance between the eyes to define the size of face. In face recognition part, we adopt the method of Karhunen-Loeve expansion to find eigenface for everyone and then to recognize it. The entrance monitoring system also support the ability of looking files, searching the entrance date and time in database, intelligently determining a face if a real face…etc. This can make our system more wonderful. In this thesis, we also made two experiments. One is to compare the difference of using the minimal distance to recognize and using the eigenvector of the maximal dot sum to recognize. The other is probing into the relation between the feature capturing and the percentage of recognition. The experiments purpose is testing the function of this system and comparing the difference of different recognition algorithm.
中文摘要---------------------------------------------------i
英文摘要---------------------------------------------------ii
致謝-------------------------------------------------------iii
目錄-------------------------------------------------------iv
圖目錄-----------------------------------------------------vi
表目錄-----------------------------------------------------viii
第一章、 緒論
1.1 研究動機與背景------------------------------------1
1.2 研究方法------------------------------------------2
1.3 論文架構------------------------------------------2
第二章、 人臉特徵擷取及辨識方法
2.1 在影像中找出頭髮區域-----------------------------------3
2.2 在影像中找出眼睛的位置---------------------------------8
2.3 在影像中找出人臉---------------------------------------13
2.4 人臉正規化---------------------------------------------14
2.5 人臉辨識-----------------------------------------------15
2.5.1 特徵臉擷取---------------------------------------16
2.5.2 測試流程-----------------------------------------20
第三章、 門禁管制系統建構
3.1系統需求與規格--------------------------------------21
3.1.1系統需求--------------------------------------21
3.1.2系統規格----------------------------22
3.2門禁管制系統介面設計--------------------------------27
3.3程式設計流程----------------------------------------33
第四章、 系統測試結果
4.1 影像處理的方法-------------------------------------36
4.2 原方法之實驗結果-----------------------------------39
4.3 更改辨識法則及測試---------------------------------45
4.3.1更改辨識法則----------------------------------45
4.3.2測試------------------------------------------47
4.4資料庫人臉自動化增加--------------------------------59
4.5特徵擷取與辨識率間的關係----------------------------60
第五章、 結論與未來方向------------------------------------62
參考文獻---------------------------------------------------64
[1] C. Papageorgiou and T. Poggio, “Trainable pedestrian
detection,”Image Processing, Vol.4, pp.35-39, 1999.
[2] H.A. Rowley, S. Baluja, and T. Kanade, “Neural network-
based face detection,” Pattern Analysis and Machine
Intelligence, Vol.20, pp.23-38,1998.
[3] Y. Li, S. Gong, and H. Liddell, “Video-based online face
recognition using identity surfaces,” Recognition,
Analysis, and Tracking of Faces and Gestures in Real-Time
Systems, 2001. Proceedings. IEEE ICCV Workshop on, pp.40-
46, 2001.
[4] A. Rahardja, A. Sowmya and W.H. Wilson, “A Neural Network
Approach to Component vesus Holistic Recognition of Facial
Expressions in Images,” SPIE, Vol.1607, pp.62-70,1991.
[5] M. turk and A. Pentland, “Eigenfaces for recognition,”
Journal of Cognitive Neuroscience,Vol.3,No1, pp.77-86,1991.
[6] A. Shashua and N. Navab, “Relative affine
structure:canonical model for 3D from 2D geometry and
applications,”IEEE Transactions on Pattern Analysis and
Machine Intelligence, vol.18,no.9,pp.873-883,1996.
[7] K. Fukunaga, “Introduction to Statistical Pattern
Recognition Second Edition,” Academic press, San Diego,
1992.
[8] 陳瑞和,感測器,全華科技圖書股份有限公司,1993。
[9] 范逸之、江文賢、陳立元,C++ Builder與RS-232,文魁資訊股份有限
公司,2001。
[10] 木下健治、張容豪,影像處理技術,全華科技圖書股份有限公司,
1991。
[11] 仲崇實,”影像處理與類神經乏晰方法於車輛牌照自動辨識之應用
研究,”元智大學資訊研究所碩士論文,1998.
[12] Rafael C. Gonzalez and Richard E. Woods, Digital Image
Processing, Addison Wesley, 1993.
[13] 余明興、吳明哲,Borland C++ Builder5,松崗出版社,1990.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top