基于多分類支持向量機的人臉識別研究.pdf

1、人臉識別是一種新型的生物特征識別技術，與指紋識別、虹膜識別類似，可作為人的身份唯一性認證的重要手段。人臉識別以人像為分析基礎，只需采用廉價的取像裝置。人像獲取具有操作方便、人臉不易冒用、人臉可隨身攜帶且不會遺失、可防止抵懶等優(yōu)點。因此人臉識別問題成為安保領域關注的熱點之一。支持向量機是建立在統(tǒng)計學習理論的VC維(Vapnik-ChervonenkisDimension)理論和結構風險最小化原則基礎上的重要理論。作為一種新的機器學習方法，

2、SVM能較好地解決小樣本、非線性、高維數(shù)和局部極小點等實際問題。將SVM的分類算法應用于說話人識別等模式識別問題，可以有效地解決傳統(tǒng)分類器的過學習、泛化能力差和維數(shù)災難等問題。
　　 圖像紋理特征的有效提取對下面所用到的支持向量機分類器來進行學習和訓練有非常重要的作用。針對圖像特征提取的問題，作者從紋理特點的實際應用出發(fā)，著重分析了統(tǒng)計法中的灰度共生矩陣算法，深入研究了圖像內容中紋理特征的多種描述及提取方法。
　　 由于

3、支持向量機具有堅實的理論基礎與良好的分類性能等優(yōu)勢，在支持向量機的統(tǒng)計理論原理和分類原理基礎上，從特征向量提取、核函數(shù)、訓練算法和多類分類器算法三個重要的影響識別效果和速度的方面進行研究與分析，本文提出了一種基于支持向量機和圖像紋理特征相結合的人臉識別方法及其框架模型。首先將圖像進行預處理，如灰度變換，直方圖均衡化，圖像的平滑等，然后利用紋理特征技術從處理后的圖像中提取可用于支持向量機訓練的特征向量，最后使用支持向量機多類分類器，在樣本