復(fù)雜情況的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是近年來(lái)計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域里的熱點(diǎn)研究問(wèn)題之一,它在身份認(rèn)證、視覺(jué)監(jiān)控、人機(jī)交互、娛樂(lè)動(dòng)畫(huà)、以及多媒體等領(lǐng)域有著廣泛的應(yīng)用前景。
　　人臉檢測(cè)作為人臉識(shí)別的重要一步,其目標(biāo)是要將人臉從圖像背景中檢測(cè)出來(lái)。本文主要研究基于AdaBoost算法的人臉檢測(cè)方法。AdaBoost學(xué)習(xí)算法,是從一個(gè)較大的特征集中選擇少量關(guān)鍵的Haar-like特征,產(chǎn)生一個(gè)高效的強(qiáng)分類(lèi)器,再用級(jí)聯(lián)的方式將單個(gè)強(qiáng)分類(lèi)器級(jí)聯(lián)成一個(gè)更加復(fù)雜的級(jí)聯(lián)分

2、類(lèi)器。本文基于AdaBoost算法訓(xùn)練了一個(gè)級(jí)聯(lián)分類(lèi)器,通過(guò)對(duì)實(shí)際人臉圖像的檢測(cè)測(cè)試,表明該分類(lèi)器可以有效地運(yùn)用于多姿態(tài)、多人臉、復(fù)雜光照和復(fù)雜背景的情況,且具有較好的實(shí)時(shí)性能。
　　鑒于小波多尺度變換對(duì)高維圖像特征具有良好的壓縮能力,提出了一種結(jié)合小波變換與核主成分分析(KPCA)方法的人臉特征提取與識(shí)別算法。該算法首先對(duì)人臉圖像進(jìn)行小波變換獲取小波低頻分量,然后對(duì)此小波分量進(jìn)行KPCA特征提取得到最終人臉鑒別特征,最后利用支持