人臉檢測中相關(guān)特征的研究.pdf

1、對人臉的研究在身份驗證，檔案管理和可視化通訊等諸多領(lǐng)域有著巨大的應(yīng)用前景。對于人臉的研究大致分為人臉檢測，人臉跟蹤和人臉識別三部分。人臉檢測作為整個人臉分析過程的第一步，其目標(biāo)是準(zhǔn)確、快速的從圖像中檢測出人臉。如何從人臉圖像中提取出能較好區(qū)分人臉與非人臉的特征，從而可以提高人臉檢測的準(zhǔn)確率目前仍然是個復(fù)雜的問題。 本文提出采用傅立葉變換，小波變換，自適應(yīng)獨立分量分析(ICA)模型和稀疏編碼(Sparse Coding)這4種不同

2、的方法從靜態(tài)灰度圖片中提取表示人臉的有效特征。主要思想是先找出能夠有效捕捉人臉結(jié)構(gòu)特點的函數(shù)基底，然后將人臉圖片和非人臉圖片投影到這些基底上，利用得到的投影系數(shù)對圖像進(jìn)行分類。由于正面人臉的結(jié)構(gòu)非常相似，因此在這些基底上投影出來的特征系數(shù)也比較相近；而不包含人臉的自然風(fēng)景圖片投影到這些基底上得到的特征系數(shù)和表示人臉圖像的特征系數(shù)就會不同。通過比較這兩類圖像的特征系數(shù)，可以區(qū)分出兩者。4類函數(shù)基底中，傅立葉變換和小波變換是固定的基底，而I

3、CA和超完備的稀疏編碼方法則是通過給定的人臉圖片樣本訓(xùn)練出可以捕捉臉結(jié)構(gòu)特點的函數(shù)基底。 文中還采用了基于互信息最大化的特征選取算法，從提取出的特征向量中選出與分類目標(biāo)最相關(guān)的特征子集。選擇過程去掉了冗余的、與目標(biāo)不相關(guān)的特征，從而進(jìn)一步提高了分類的準(zhǔn)確率，降低了訓(xùn)練時間。文中還采用了支持向量機(SVM)對選擇后的特征進(jìn)行分類。最后將四個用不同類型特征訓(xùn)練出來的SVM進(jìn)行級聯(lián)組合，得到一個可以進(jìn)行人臉檢測的分類器。實驗結(jié)果表明，