基于支持向量機的人臉檢測系統(tǒng)的設計與實現(xiàn).pdf

1、隨著計算機、自動化技術的進步，機器人及相關技術的發(fā)展也越來越快。在眾多機器人種類中，由于智能移動機器人同時具有智能和移動兩方面功能，因此備受人們的關注。既能夠模仿人類的行進，在高危環(huán)境中作業(yè)，又可以代替人類的大腦，進行快速計算，決策，同時通過機器學習還可以得到充分的仿人功能。然而，這一切僅僅是模仿了人類的一部份，而人類最具特色的方面——情感，卻是機器人所缺乏的。 情感計算理論是由美國MIT大學媒體實驗室Picard教授于1997

2、年提出的。它以人類情緒和情感理論為基礎，以情感機理、情感信息的獲取、情感模式識別、情感建模與理解、情感合成與表達、情感傳遞與交流等為研究內容，以賦予計算機類似于人的情感能力為最終目標。 人類的情感大多數(shù)是通過面部表情表現(xiàn)的，因此人臉檢測就成為了關鍵。本文是在天津市重點科技攻關項目(04310731R)——“和諧人機交互系統(tǒng)中情感計算的理論與技術”的研究背景下，探索性地設計并提出了一個基于智能移動機器人的情感交互模型，并在此模型的

3、基礎上設計實現(xiàn)了人臉檢測系統(tǒng)RACFD(Robot-Affective Comptlting-FaceDetection)，同時在智能移動機器人MT-R上進行實驗。 本文作者在比較了多種人臉檢測方法后，決定運用支持向量機(SVM)進行人臉檢測，SVM是在統(tǒng)計學習理論的基礎上發(fā)展起來的一種新的學習機器，由于采用了結構風險最小化原則代替經驗風險最小化原則，該方法較好的解決了小樣本學習的問題：將低維的原始空間映射到高維的特征空間，把非

4、線性問題轉化為了線性問題，同時又采用了核函數(shù)的方法，巧妙的避開了高維空間的復雜運算，使算法的實現(xiàn)成為可能。正是因為這些優(yōu)越性能，該技術已成為機器學習理論的研究熱點，并在很多領域都得到了成功的應用。 本文作者設計的RACFD系統(tǒng)實現(xiàn)的人臉檢測分兩個部分： 1．運用膚色進行粗檢，這主要通過光線補償、膚色建模、確定人臉區(qū)域幾部分組成。 2．通過訓練支持向量機(SVM)進行人臉檢測，包括：人臉和非人臉樣本的選取、圖像預處