人臉圖像檢測(cè)識(shí)別算法研究.pdf

1、人臉檢測(cè)和識(shí)別技術(shù)由于其在安全訪問控制、視覺檢測(cè)、基于內(nèi)容的檢索和新一代人機(jī)界面等領(lǐng)域的應(yīng)用價(jià)值，目前已經(jīng)成為圖像處理、模式識(shí)別、人工智能等領(lǐng)域內(nèi)最為活躍的研究課題之一。但由于難度較大，目前對(duì)人臉識(shí)別的研究發(fā)展仍不成熟。
　　 本文首先在分析當(dāng)前人臉檢測(cè)算法的基礎(chǔ)上，采用機(jī)器學(xué)習(xí)算法AdaBoost算法進(jìn)行人臉檢測(cè)，對(duì)人臉特征進(jìn)行了描述、拓展了特征形式、深入研究了弱分類器的構(gòu)成，構(gòu)建了單層層疊分類器和瀑布層疊分類器兩種結(jié)構(gòu)。針對(duì)

2、訓(xùn)練時(shí)間過長(zhǎng)的問題，對(duì)瀑布層疊分類器算法進(jìn)行了改進(jìn)，使得訓(xùn)練時(shí)間有所減少。在目前的訓(xùn)練條件下，已經(jīng)取得了比較好的實(shí)驗(yàn)效果。同時(shí)在得到的人臉中，有效的運(yùn)用膚色模型等策略去除錯(cuò)誤報(bào)警。
　　 然后深入研究了特征提取的方法，包括奇異值分解和Gabor特征提取的方式。由于Gabor特征對(duì)于光照變化比較魯棒，但是如果采用全部的特征用于識(shí)別，會(huì)帶來“維數(shù)災(zāi)難”，使得識(shí)別效率降低。同時(shí)對(duì)特征權(quán)重的平均分配也不利用人臉識(shí)別。為了得到對(duì)于人臉識(shí)別