复杂背景下的实时人脸检测与识别

本文为复杂背景下的实时人脸检测和识别提供了有效而强大的算法。 该算法使用一系列信号处理方法来实现,包括Ada Boost,级联分类器,局部二进制模式(LBP),类似Haar的特征,面部图像预处理和主成分分析(PCA)。 Ada Boost算法在级联分类器中实现,可以以稳定的检测精度训练面部和眼睛检测器。 LBP描述符用于提取面部特征以进行快速面部检测。 眼睛检测算法可降低假脸检测率。 然后对检测到的面部图像进行处理以校正方向并增加对比度,因此,可以保持较高的面部识别精度。 最后,PCA算法用于有效识别人脸。 具有面部和非面部图像的大型数据库用于训练和验证面部检测和面部识别算法。 该算法的面部检