哈爾濱理工大學(xué)學(xué)士學(xué)位答辯ppt-基于機(jī)器學(xué)習(xí)的人臉檢測(cè)系統(tǒng)

1、基于機(jī)器學(xué)習(xí)的人臉檢測(cè)系統(tǒng),,專 業(yè)：軟件工程 班 級(jí)：軟件13-6班 姓 名：李 哲 指導(dǎo)教師：李 鵬,,目錄,項(xiàng)目簡(jiǎn)介我的工作成果與總結(jié)致謝,,項(xiàng)目簡(jiǎn)介,1,項(xiàng)目簡(jiǎn)介近年來(lái)，基于機(jī)器學(xué)習(xí)的人臉檢測(cè)系統(tǒng)逐漸成為了研究熱點(diǎn)，受到了廣泛的關(guān)注。本文采用了java語(yǔ)言編寫、OpenCV框架搭建了人臉檢測(cè)實(shí)驗(yàn)系統(tǒng),實(shí)現(xiàn)了人臉檢測(cè)技術(shù)，為SVM分類器和PCA、LPP算

2、法提供了技術(shù)支持。本文通過(guò)使用支持向量機(jī)和模板匹配模型相結(jié)合的方法實(shí)現(xiàn)人臉檢測(cè)，采用了PCA和LPP降維提取人臉圖像的代數(shù)特征的算法，實(shí)現(xiàn)了對(duì)人臉圖像數(shù)據(jù)的訓(xùn)練及分類。,,我的工作,本文采用了PCA和LPP降維提取人臉圖像的代數(shù)特征的算法，實(shí)現(xiàn)了對(duì)人臉圖像數(shù)據(jù)的訓(xùn)練及分類。LPP是Xiaofei He.等人在2002年提出來(lái)的算法，它可以保持高維數(shù)據(jù)流形的局部不變性，并且是一種無(wú)監(jiān)督的學(xué)習(xí)方法；PCA的基本思想流程就是，首先根據(jù)一定的性

3、能目標(biāo)變換成線性或非線性都可的某一適當(dāng)子空間，把原始數(shù)據(jù)空間壓縮或變換到另外一個(gè)低維的子空間，本文通過(guò)成功應(yīng)用兩種算法，并對(duì)兩種算法的檢測(cè)成功兩次進(jìn)行對(duì)比。,2,,我的工作,利用支持向量機(jī)的方法對(duì)人臉圖片進(jìn)行分類。支持向量機(jī)的基本理論依據(jù)主要是通過(guò)內(nèi)積函數(shù)來(lái)把非線性變換函數(shù)定義出來(lái)，然后將輸入空間通過(guò)轉(zhuǎn)換到一個(gè)高維的線性空間中，在這個(gè)線性空間中求取比較優(yōu)秀的分類面。該方法參考了一種避開(kāi)高維空間的計(jì)算復(fù)雜性和時(shí)間復(fù)雜性的方法，用到了該空間

4、的內(nèi)積函數(shù),然后再利用SVM分類器在線性可分的情況下，求解其理論和方法評(píng)估的過(guò)程，直接求解出來(lái)與之相匹配的高維空間的決策支持等一系列的問(wèn)題。,2,,我的工作,本系統(tǒng)在成功實(shí)現(xiàn)了人臉檢測(cè)之后，通過(guò)模板匹配模型的方法實(shí)現(xiàn)了一種簡(jiǎn)單的人臉識(shí)別，該匹配模型的基本理論依據(jù)是機(jī)器的模式識(shí)別原理。通過(guò)刺激模板使得和模板合理的匹配，匹配過(guò)程中要求這種規(guī)模的匹配在兩者中達(dá)到最大能力的重疊部分。該方法應(yīng)用簡(jiǎn)單、計(jì)算量較小導(dǎo)致的容易計(jì)算以及識(shí)別率普遍較高。,

5、2,,成果與總結(jié),3,本文在人臉特征定位、檢測(cè)、追蹤、識(shí)別中使用了開(kāi)源視覺(jué)庫(kù)OpenCV，大體上實(shí)現(xiàn)了人臉的檢測(cè)和識(shí)別，能夠成功實(shí)現(xiàn)的基礎(chǔ)是在人臉轉(zhuǎn)動(dòng)速度不超過(guò)7cm/s轉(zhuǎn)動(dòng)角度不超過(guò)45度的情況下，能夠完整的識(shí)別出本庫(kù)里存的包含有ORL庫(kù)、Yale庫(kù)和自建人臉庫(kù)的人臉圖像。,,成果與總結(jié),3,根據(jù)測(cè)試和以上前幾章圖表分析表明，基于PCA降維的人臉識(shí)別算法在ORL庫(kù)上的識(shí)別率約可達(dá)86%（172/200），在Yale庫(kù)上的識(shí)別率約可達(dá)9

6、1%（182/200）；基于LPP降維的人臉識(shí)別算法在ORL庫(kù)上的識(shí)別率約可達(dá)82%（164/200），在Yale庫(kù)上的識(shí)別率約可達(dá)88%（176/200）。所以，PCA算法在本系統(tǒng)中的識(shí)別成功率是較高的，PCA能夠更好的應(yīng)用在本系統(tǒng)中。,,致謝,基于機(jī)器學(xué)習(xí)的人臉檢測(cè)系統(tǒng)，是我收獲最大的一次系統(tǒng)設(shè)計(jì)，每一個(gè)模塊都嘗試研究設(shè)計(jì)，編寫代碼，這次的畢業(yè)設(shè)計(jì)在李鵬老師及其他老師的指導(dǎo)和幫助下，我成功的設(shè)計(jì)出了人臉檢測(cè)系統(tǒng)，也認(rèn)真參考了國(guó)內(nèi)外的