利用人臉偵測及確認做即時自動省電節能及安全認證

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：16

、訪客IP：3.133.160.156

姓名

張宏圖(Hung-tu Chang) 查詢紙本館藏

畢業系所

資訊工程學系在職專班

論文名稱

利用人臉偵測及確認做即時自動省電節能及安全認證
(Automatic Energy Saving and Security Authentication Using Real-Time Face Detection and Verification)

相關論文

★ 使用視位與語音生物特徵作即時線上身分辨識	★ 以影像為基礎之SMD包裝料帶對位系統
★ 手持式行動裝置內容偽變造偵測暨刪除內容資料復原的研究	★ 基於SIFT演算法進行車牌認證
★ 基於動態線性決策函數之區域圖樣特徵於人臉辨識應用	★ 基於GPU的SAR資料庫模擬器：SAR回波訊號與影像資料庫平行化架構 (PASSED)
★ 利用掌紋作個人身份之確認	★ 利用色彩統計與鏡頭運鏡方式作視訊索引
★ 利用欄位群聚特徵和四個方向相鄰樹作表格文件分類	★ 筆劃特徵用於離線中文字的辨認
★ 利用可調式區塊比對並結合多圖像資訊之影像運動向量估測	★ 彩色影像分析及其應用於色彩量化影像搜尋及人臉偵測
★ 中英文名片商標的擷取及辨識	★ 利用虛筆資訊特徵作中文簽名確認
★ 基於三角幾何學及顏色特徵作人臉偵測、人臉角度分類與人臉辨識	★ 一個以膚色為基礎之互補人臉偵測策略

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

本篇論文提出一種利用人臉資訊偵測及確認的自動省電節能及安全認證裝置，傳統的消費性電子裝置，當有事離開或忘記關機無人觀看使用時，無自動關機功能，常常浪費電源，並且威脅到安全及保密。而目前最便宜高效率的核能發電，一但污染將嚴重危害人體健康和環境，為響應全球節能減碳及環保概念，利用自動偵測及確認系統，當無人時自動省電，以節省資源並且自動監控。
本系統首先是偵測出人臉，再使用主成份分析法(PCA)抽取人臉影像的特徵向量，並同時降低資料維度，將這些特徵向量利用k個最近鄰(KNN)方法，找出最接近的人臉，如是已被核准的本人，即自動啟動裝置。當人有事離開時即自動進入省電模式並且自動監控，如此即可減少電的浪費及增加機器的安全性及保密性。
在實驗的部分，本系統的人臉偵測率達93%；在人臉確認率方面本人準確率為93%，非本人準確率為87%。由實驗結果得知，本論文提出以利用人臉資訊偵測的自動省電節能裝置的方法較目前傳統的消費性電子裝置省電，可減少電的浪費，並且提昇電子裝置的安全及保密。

摘要(英)

In this thesis, an automatic energy saving and security authentication device using real-time face detection and verification is presented. Traditional consumer electronics devices do not have real-time auto shut-off function when users leave or forget to turn off the machine. It consequently results in energy wasting and the threat to security and confidentiality. Although nuclear power is cheap and high-efficiency, it will seriously endanger human health and environment once pollution occurs. To achieve the goals of energy-saving, carbon reduction, and environmental protection and secrecy, we propose a device using real-time face detection and verification to automatically turn off the monitor while human is absent. It will also authenticate the identity of human when the human present in front of the monitor again to determine whether to turn on the monitor or not.
In the proposed system, the presented face is detected first and then use Principal Component Analysis (PCA) to extract face features to form face feature vector and decrease the dimensionality of face feature vectors thereafter. Finally, k-th nearest neighbor (KNN) method is employed to find the nearest face candidate. If this face has been authenticated, the monitor will be automatically turn on. If the user leave out of sight, the monitor will be automatically turn off so as to reduce the waste of power consumption while increasing the security and confidentiality of the users.
Experimental results demonstrate that 93% accuracy rate of face detection can be attained. The accuracy rate of face verification of user is 93%. The accuracy rate of face verification of non-user is 87%. Experimental results reveal the feasibility and validity of the proposed mechanism in real-time energy saving while enhancing the security and confidentiality of the users.

關鍵字(中)

★ 人臉偵測
★ 人臉確認
★ 省電節能
★ 即時自動
★ 安全認證

關鍵字(英)

★ Energy Saving
★ Security Authentication
★ Face Detection

論文目次

Abstract i
摘要 ii
目錄 iii
附圖目錄 v
第一章緒論 1
1.1研究動機 1
1.2相關研究及應用 2
1.2.1使用定時的方式 2
1.2.2使用影像的方式 3
1.2.3使用紅外線的方式 4
1.3系統架構 5
1.3.1系統應用架構 5
1.3.2人臉訓練架構 6
1.3.3人臉偵測確認架構 7
1.4論文架構 8
第二章人臉偵測 9
2.1分類器 10
2.2人臉目標的掃瞄檢測 11
2.3人臉距離偵測 12
第三章人臉確認 14
3.1人臉確認演算法概述 14
3.2 主成份分析法(PCA) 15
3.3 k個最近鄰(KNN) 16
第四章應用情境 18
4.1 已認證者 18
4.2 非認證者 20
第五章實驗結果與討論 22
5.1 實驗影像 23
5.2 人臉偵測實驗結果 23
5.2.1單人偵測實驗結果 24
5.2.2多人偵測實驗結果 28
5.3 系統及人臉確認實驗結果 30
5.3.1系統實驗結果 30
5.3.2人臉確認實驗結果 35
5.4 節能實驗結果 36
5.5 實驗結果討論 36
第六章結論和未來工作 38
6.1 結論 38
6.2 未來工作 39
參考文獻 41

參考文獻

[1] Ryo Ariizumi、Shigeo Kaneda and Hirohide Haga,“Energy saving of TV by face detection”, PETRA ’’08 Proceedings of the 1st international conference on PErvasive Technologies Related to Assistive Environments, No. 95 , New York , 2008.
[2] Paul Viola and Michael J. Jones,“Robust Real-Time Face Detection”, International Journal of Computer Vision, Vol. 57, pp.137-154, May 2004.
[3] Rainer Lienhart and Jochen Maydt, “An Extended Set of Haar-like Features for Rapid Object Detection”, IEEE ICIP 2002, Vol. 1, pp. 900-903, Sep. 2002.
[4] P. Viola and M. Jones, “Robust Real-Time Object Detection”, International Journal of Computer Vision, 2002.
[5] L.I. Smith, “A Tutorial on Principal Components Analysis”, 2002.
[6] Y. Nara, J. Yang and Y. Suematsu, “Face Recognition Using Improved Principal Component Analysis”, Proc. International Symposium on Micromechatronics and Human Science, pp.77–82, 2003.
[7] Thomas seidl and Hans-Peter Kriegel, “Optimal multi-step k-nearest neighbor search”, ACM SIGMOD international conference on Management of data, vol. 27, no. 2, pp.154–165,June 1998.
[8] A. Pentland, T. Choudhury, “Face recognition for smart environments”,IEEE computer Journal, pp. 50–55,vol. 33, no. 2, Feb 2000.
[9] Stallkamp,J.、Ekenel,H.K. and Stiefelhagen,R. , T. Choudhury, “Video-based Face Recognition on Real-World Data”, IEEE International Conference on Computer Vision, pp. 1–8, Oct. 2007.
[10] M.A. Turk, A.P. Pentland, “Face recognition using eigenfaces”, Proceedings of the IEEE Conference on CVPR, pp. 586–591, June 1991.
[11] M. Kirby, L. Sirovich, “Application of the Karhunen–Loeve procedure for the characterization of human face”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 1, pp.103–108, 1990.
[12] M. Turk, A. Pentland, “Eigenfaces for recognition”, Journal of Cognitive Neuroscience, vol. 3, no.1, pp.71–86, 1991.
[13] Moshnyaga,V.G., Morikawa,E., “LCD display energy reduction by user monitoring”, IEEE International Conference on Computer Design, pp.94–97, Oct. 2005.
[14] Pallabi Parveen, Bhavani Thuraisingham, “Face Recognition Using multiple Classifiers ”, IEEE International Conference on Tools with Artificial Intelligence , pp.179–186, Nov. 2006.
[15] Conde, C.、Ruiz, A. and Cabello, E., “PCA vs Low Resolution Images in Face Verification ”, IEEE International Conference on Image Analysis and Processing , pp. 63–67, Sept. 2003.
[16] Yaobin, Hu.、Jian, Yan., “Energy saving control device based on double element pyroelectric infrared sensor ”, IEEE Xplore Control Conference , pp. 63–67, July 2008.
[17] 程建智,“以整合式子空間分析為基礎之多角度人臉確認”,碩士論文,國立中央大學資訊工程研究所,民國94年。
[18] 鄭凱方,“人臉可確認度計算用於監控系統中人臉正面最佳影像判定”, 碩士論文,國立中央大學資訊工程研究所,民國94年。
[19] 莊涵潔,“結合影像與音訊之身份認證系統”,碩士論文,國立中央大學資訊工程研究所,民國97年。
[20] 李亭緯,“利用人臉五官為特徵之人臉確認系統”,碩士論文,國立中央大學資訊工程研究所,民國97年。
[21] 王映輝, “人臉識別-原理、方法與技術”,第一版,科學出版社,北京,民國99年。
[22] 段錦, “人臉自動機器識別”,第一版,科學出版社,北京,民國97年。

指導教授

范國清(Kuo-Chin Fan)

審核日期

2012-7-27

推文