文档介绍：学位论文主要创新点本文应用嵌入式及生物识别技术,结合基于肤色的Adaboost算法的人脸检测、多线程的Camshift跟踪算法和主成分分析(etA)的识别算法,提出了智能家居环境下动态人脸身份识别系统的设计方案。在智能家居环境下对系统进行测试和调试,测试实验结果表明,%,%,,小于50ms,有效地达到了25f/s的实时刷屏要求,人脸身份正确识别率可达80%以上。万方数据摘要随着经济的飞速发展,生活水平的不断提高,人们对居住的环境有了更高的要求,智能家居将成为人们生活的主流。远程医疗服务的兴起,使得智能家居逐渐融入远程医疗和远程监护的新理念。本文应此发展趋势设计了一套智能家居环境下动态人脸身份识别系统,该系统通过人脸识别设备判断用户人脸身份信息, 将人脸身份信息作为联动控制智能家居医疗系统的依据,识别后的结果发送给医疗设备,医疗设备再把采集到的人体生理特征参数快速关联到个体,从而方便快捷地进行健康医疗监护。本系统通过对人脸识别的关键技术进行研究分析,综合运用Wince嵌入式系统应用技术以及电子电路等知识,同时通过对智能家居环境下系统进行需求分析与理论研究,提出一种适于智能家居环境下人脸目标的自动检测、实时跟踪与人脸身份识别的方案,最终搭建智能家居环境下动态人脸身份识别系统。智能家居环境内光线的复杂多变性,导致采集的图像往往对比度不够,且存在各种噪声等缺点,为消除这些因素的影响,首先利用直方图均衡化和中值滤波对人脸图像进行预处理:再利用识别率高、对光照和姿态不敏感的基于肤色的Adaboost算法进行背景消除,提取可能包含活动人脸的区域;为实现室内24小时全天候工作, 克服家庭成员活动的随意性和不定向性,采用多线程的Camshift算法,即 ,实现人脸相互交错及人脸数目发生变化时的多人脸跟踪, 从而实现动态多人脸的自动检测与实时跟踪;最后采用简单快速且对小样本识别效果好的主成分分析(PCA)算法实现人脸身份的识别。实验采用上述方法,对任意复杂背景的静态图像进行人脸检测,以及在智能家居环境下对单人脸及多人脸视频图像进行人脸图像的检测、跟踪及识别。在智能家居环境下,%,%, ,小于50ms,有效地达到了25f/s的实时刷屏要求,人脸身份正确识别率可达80%以上。实验结果表明,该系统可实时稳健地在智能家居环境下实现多人脸的自动检测、实时跟踪与家庭成员的身份识别, 可用于联动控制智能家居的各系统。关键词:智能家居,动态人脸,人脸自动检测,实时跟踪,人脸身份识别,Wince 嵌入式系统万方数据 Abstract With therapiddevelopment ofeconomy andtheimprovement oflivingstandards, people havehigher demands forliving environment。The smarthome e the mainstream ofpeople’S riseofremote medical service makes smart home gradually intothe new concept of remote medical andremote thistime, this current researchdesigns aDynamic Face Recognition System inSmart Home (DFRS).The DFRS identifiesthe user’S identityby afacerecognition ,in thissystem the faceidentity information isused asthebasis oflinkage control of health care system atsmart therecognition results are sent tomedical ,the medicalequipment associateshuman physiological parameters acquired withspecific individuals,which iSconvenient formedical care. Integrating facerecognition technology,Wince embedded system