基于支持向量新穎檢測的人臉檢測.pdf

1、近年來，由于人臉檢測在安全訪問控制、視覺監(jiān)測、數字視頻處理、基于內容的檢索和新一代人機界面等領域的應用價值，已經受到研究者的普遍重視。目前大量的人臉檢測方法已經被提出，這些方法主要都集中在兩個方面，一是如何表征一幅人臉圖像，即人臉圖像特征的提取；二是針對提取的人臉特征設計有效的分類器，進行人臉與非人臉地分類。本文研究支持向量新穎檢測算法在人臉檢測上的應用問題，并提出改進的算法以實現檢測速度上的提高。主要包括如下三個方面的內容。
　

2、　 標準的支持向量新穎檢測算法被應用于人臉檢測，取得了不錯的檢測精度，但是其檢測速度有待提高。針對此問題，我們提出了級聯支持向量新穎檢測方法。該方法受到級聯分類器集成的啟發(fā)，引入級聯的思想，構造了我們的方法。實驗仿真驗證了級聯支持向量新穎檢測方法的有效性，在保證檢測精度和標準的支持向量新穎檢測算法一樣的前提下，能夠縮短檢測時間。
　　 在級聯支持向量新穎檢測方法中，要得到較高的檢測率，我們仍然要保留較多的支持向量，這就會影響檢

3、測速度。為此，我們提出了一種稀疏支持向量新穎檢測方法，該方法采用了兩種稀疏技術：1范數正則和Hinge損失函數，能夠導致良好的稀疏性，訓練得到的稀疏支持向量個數較少，這樣的話就會提高檢測速度。我們的實驗結果表明了在精度不損失條件下，利用極少的稀疏支持向量能夠實現快速的人臉檢測。
　　 在仿真試驗的檢測過程中，對實際圖像的搜索工作是單獨完成的，其時間并沒有計入檢測時間中。實際上對圖像的掃描也列入到檢測時間內，但是由于圖像掃描的過程

4、太費時，一般都事先掃描后保存，并不是實時進行處理。為了提高圖像搜索速度，我們提出了一種基于線性濾波器的快速圖像搜索算法。二維線性濾波器能夠利用了兩個二維矩陣之間的卷積來實現兩個向量之間的內積，使得我們能快速地處理實際圖像的搜索，并同時給出檢測結果。由于該方法只能采用線性核，而且用1類分類方法得到的檢測結果不理想，因此我們用了兩分類的稀疏支持向量機來進行檢測。實驗結果驗證了該方法能夠大大降低圖像搜索時使用循環(huán)帶來的時間復雜度，大大提高了檢