基于非線性方法的人臉檢測與識別研究.pdf

1、人臉識別是人機(jī)交互與信息處理領(lǐng)域中的一個重要課題，具有很高的學(xué)術(shù)價值和應(yīng)用潛力，同時由于人臉的復(fù)雜性和特殊性，又使其成為一個極具挑戰(zhàn)性的課題。 本文分析和研究了大量近年來國內(nèi)外關(guān)于人臉檢測與識別的學(xué)術(shù)論文及文獻(xiàn)，對計算機(jī)人臉識別的若干問題進(jìn)行了探討，針對建立彩色人臉檢測識別系統(tǒng)的兩個重要環(huán)節(jié)——人臉檢測與人臉識別方法進(jìn)行了深入的研究，實驗表明本文提出的人臉檢測與識別的方法是合理的，具有一定的理論價值與實用價值。本文的研究工作主要

2、包括以下幾個方面： 1.人臉檢測是人臉識別系統(tǒng)首要完成的第一步，本文提出了一種新的復(fù)雜背景下人臉檢測定位的方法，由于采用了非線性KSVM決策樹法，解決了人臉檢測的小樣本和高維數(shù)問題，同時比傳統(tǒng)線性SVM降低了誤檢率和虛警率，再結(jié)合人臉面部幾何特征和膚色特征進(jìn)一步確認(rèn)和定位人臉區(qū)域，可以解決直接使用KSVM方法進(jìn)行人臉檢測的困難。對眼睛定位方法本文提出改進(jìn)的四邊界Prewitt算子提取特征邊界，進(jìn)而對五官進(jìn)行準(zhǔn)確定位。實驗結(jié)果表明

3、這種方法具有很好的性能，為后續(xù)的識別工作打下了良好的基礎(chǔ)。 2.在人臉識別階段，針對子空間法沒有考慮類差別的缺陷，本文在KPCA的基本思想基礎(chǔ)上，綜合PCA對總體方差和Fisher判據(jù)對類間差、類內(nèi)差的分析基礎(chǔ)上，將類別信息融入KPCA算法中，結(jié)合歐式距離的判定，提出了一種更易于分類的新的非線性子空間法：ED-PKPCA。通過對目標(biāo)函數(shù)進(jìn)行高維空間的映射，在高維空間重建樣本庫。然后進(jìn)行Kernel變換，并得到求取特征向量的顯式表