基于多分類支持向量機的人臉識別研究.pdf

1、人臉識別是一種新型的生物特征識別技術(shù)，與指紋識別、虹膜識別類似，可作為人的身份唯一性認(rèn)證的重要手段。人臉識別以人像為分析基礎(chǔ)，只需采用廉價的取像裝置。人像獲取具有操作方便、人臉不易冒用、人臉可隨身攜帶且不會遺失、可防止抵懶等優(yōu)點。因此人臉識別問題成為安保領(lǐng)域關(guān)注的熱點之一。支持向量機是建立在統(tǒng)計學(xué)習(xí)理論的VC維(Vapnik-ChervonenkisDimension)理論和結(jié)構(gòu)風(fēng)險最小化原則基礎(chǔ)上的重要理論。作為一種新的機器學(xué)習(xí)方法，

2、SVM能較好地解決小樣本、非線性、高維數(shù)和局部極小點等實際問題。將SVM的分類算法應(yīng)用于說話人識別等模式識別問題，可以有效地解決傳統(tǒng)分類器的過學(xué)習(xí)、泛化能力差和維數(shù)災(zāi)難等問題。
　　 圖像紋理特征的有效提取對下面所用到的支持向量機分類器來進(jìn)行學(xué)習(xí)和訓(xùn)練有非常重要的作用。針對圖像特征提取的問題，作者從紋理特點的實際應(yīng)用出發(fā)，著重分析了統(tǒng)計法中的灰度共生矩陣算法，深入研究了圖像內(nèi)容中紋理特征的多種描述及提取方法。
　　 由于

3、支持向量機具有堅實的理論基礎(chǔ)與良好的分類性能等優(yōu)勢，在支持向量機的統(tǒng)計理論原理和分類原理基礎(chǔ)上，從特征向量提取、核函數(shù)、訓(xùn)練算法和多類分類器算法三個重要的影響識別效果和速度的方面進(jìn)行研究與分析，本文提出了一種基于支持向量機和圖像紋理特征相結(jié)合的人臉識別方法及其框架模型。首先將圖像進(jìn)行預(yù)處理，如灰度變換，直方圖均衡化，圖像的平滑等，然后利用紋理特征技術(shù)從處理后的圖像中提取可用于支持向量機訓(xùn)練的特征向量，最后使用支持向量機多類分類器，在樣本