基于SVM的人臉檢測(cè)算法研究.pdf

1、人臉檢測(cè)作為人臉信息處理中的一項(xiàng)關(guān)鍵技術(shù)，近年來(lái)受到模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)研究者的普遍關(guān)注。支持向量機(jī)(Support Vector Machines，SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來(lái)的一種新的學(xué)習(xí)機(jī)器，能夠較好地解決人臉檢測(cè)中的小樣本、非線性、高維數(shù)、局部極小點(diǎn)等實(shí)際問(wèn)題，將其與常用的人臉檢測(cè)算法相結(jié)合，對(duì)于人臉檢測(cè)技術(shù)的研究具有重要意義。 論文的工作主要集中在以下幾個(gè)方面：對(duì)SVM分類(lèi)器與平均臉模板匹配、PCA的

2、分類(lèi)器進(jìn)行人臉通過(guò)率和非人臉過(guò)濾率實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果分析表明通過(guò)正反樣本訓(xùn)練的SVM分類(lèi)濾波器比只通過(guò)正樣本訓(xùn)練的平均臉模板和PCA具有更好的分類(lèi)能力；在人臉檢測(cè)過(guò)程中，采用由粗到細(xì)的策略，提出一種基于SVM的灰度圖像人臉檢測(cè)算法，算法采用三層分類(lèi)器結(jié)構(gòu)，將平均臉模板匹配作為第一層分類(lèi)器，將線性SVM作為第二層分類(lèi)器，前兩層為粗分類(lèi)器，第三層將非線性SVM作為核心分類(lèi)器。用訓(xùn)練好的分類(lèi)器對(duì)本文提的人臉檢測(cè)算法和現(xiàn)有的兩層分類(lèi)濾波器的人臉檢測(cè)