基于改進的AdaBoost算法與局部特征方法的自動人臉識別系統(tǒng)的研究.pdf

1、自動人臉識別(AFR)技術(shù)可以賦予計算機根據(jù)面孔辨別身份的能力，它是模式識別領(lǐng)域的一個熱門研究課題。目前，自動人臉識別技術(shù)已經(jīng)在安全認證、人機交互等領(lǐng)域中大量應(yīng)用。然而，在非理想條件（如光照、姿態(tài)、表情等變化）下，自動人臉識別系統(tǒng)的性能還有待提高。本文針對以上問題完成了如下工作:
　　 (1)為解決AdaBoost人臉檢測分類器結(jié)構(gòu)復(fù)雜、效率低的問題，提出基于LAB特征的連續(xù)AdaBoost改進算法，簡化了分類器結(jié)構(gòu)，提高了檢測

2、性能;為解決傳統(tǒng)基于灰度的檢測方法存在較高誤檢率的問題，提出YUV空間直方圖驗證模型，有效地降低了誤檢率。
　　 (2)利用主成分分析(PCA)與線性鑒別分析(LDA)設(shè)計并實現(xiàn)了兩種基于子空間的人臉識別算法，該類方法能將數(shù)據(jù)投影到低維特征空間進行降維與特征提取。然而，實驗結(jié)果表明基于子空間的人臉識別方法存在魯棒性不足與“單樣本”等問題。
　　 (3)為解決基于子空間的人臉識別法存在的問題，設(shè)計了基于Gabor變換與LB

3、P的人臉識別方法。該方法通過對單幅圖像提取LGBP特征獲取更穩(wěn)定的人臉表征。實驗結(jié)果表明LGBP分塊直方圖法具有較好的魯棒性且降低了“單樣本”問題的影響。
　　 (4)分析了自動人臉識別系統(tǒng)的特征，設(shè)計并實現(xiàn)了基于改進的AdaBoost算法與LGBP分塊直方圖方法的自動人臉識別系統(tǒng)，該系統(tǒng)可以實時地檢測人臉并能獲得較高的人臉識別準確率。
　　 為了評估自動人臉識別系統(tǒng)的性能，進行了大量檢測與識別實驗。實驗結(jié)果表明，采用連