人臉識(shí)別系統(tǒng)中人臉檢測(cè)與定位算法的研究和實(shí)現(xiàn).pdf

1、計(jì)算機(jī)人臉識(shí)別是一個(gè)非常具有學(xué)術(shù)研究?jī)r(jià)值和廣泛應(yīng)用前景的研究課題,涉及圖像處理、模式識(shí)別、認(rèn)知學(xué)等多學(xué)科的知識(shí),在身份認(rèn)證、社會(huì)安全、電子商務(wù)等諸多方面有著廣泛的應(yīng)用。本文研究的主要內(nèi)容是人臉識(shí)別系統(tǒng)中人臉檢測(cè)及定位算法,是人臉識(shí)別系統(tǒng)的前期性工作。本課題設(shè)計(jì)實(shí)現(xiàn)了一套基于Adaboost算法的人臉檢測(cè)及定位算法。該算法是基于人臉面部灰度分布的統(tǒng)計(jì)特征的機(jī)器學(xué)習(xí)算法,以面部器官與其周?chē)つw之間存在的色素差作為特征提取的對(duì)象,利用這些色素

2、差的組合可以區(qū)分人臉和非人臉,并用幾種矩形特征來(lái)描述它們之間的這種差異。算法主要分成訓(xùn)練和檢測(cè)兩個(gè)階段:訓(xùn)練階段的任務(wù)是訓(xùn)練樣本(人臉樣本和非人臉樣本)形成分類(lèi)器,該過(guò)程的主要工作是提取訓(xùn)練樣本中的所有矩形特征,在一定的概率分布條件下,把這些特征轉(zhuǎn)化為弱分類(lèi)器,通過(guò)學(xué)習(xí)算法選擇最優(yōu)的弱分類(lèi)器組合成為強(qiáng)分類(lèi)器,再將若干強(qiáng)分類(lèi)器組合成級(jí)聯(lián)分類(lèi)器;檢測(cè)階段的任務(wù)是用級(jí)聯(lián)分類(lèi)器對(duì)待檢的圖像進(jìn)行人臉和非人臉的分類(lèi),如果待檢圖像中存在人臉,則對(duì)人臉