基于多分類(lèi)器集成方法的圖象目標(biāo)快速檢測(cè)與識(shí)別.pdf

1、本文在分析了大量近年來(lái)國(guó)內(nèi)外關(guān)于人臉檢測(cè)與識(shí)別的學(xué)術(shù)論文及研究報(bào)告的基礎(chǔ)上,對(duì)計(jì)算機(jī)人臉識(shí)別技術(shù)的若干理論問(wèn)題進(jìn)行了探討,提出了基于靜態(tài)圖象的正面人臉檢測(cè)與人臉識(shí)別的方法.實(shí)驗(yàn)證明本文提出的方法是合理的,具有一定的理論價(jià)值與實(shí)用價(jià)值.本文的研究工作主要包括以下幾個(gè)方面:(1)研究了人臉目標(biāo)檢測(cè)與識(shí)別的特征提取方法.針對(duì)建立人臉感知系統(tǒng)的兩個(gè)主要環(huán)節(jié)即特征提取和分類(lèi)器設(shè)計(jì)進(jìn)行了深入的研究.人臉檢測(cè)和識(shí)別過(guò)程中的圖象特征建模過(guò)程,與分類(lèi)器分

2、類(lèi)過(guò)程間存在兩種權(quán)衡:即特征提取和分類(lèi)過(guò)程的運(yùn)算效率之間的權(quán)衡,以及運(yùn)算效率和準(zhǔn)確率之間的權(quán)衡.(2)提出一種高效的基于靜態(tài)圖象人臉目標(biāo)檢測(cè)的訓(xùn)練框架.首先提出一種魯棒的基于灰度圖象的人臉檢測(cè)方法.利用實(shí)際圖象中人臉模式類(lèi)的概率遠(yuǎn)遠(yuǎn)小于背景類(lèi)的概率這個(gè)事實(shí),用模式拒絕原理選擇局部特征,并用信息論中Kullback-Leibler散度進(jìn)一步選取有效的統(tǒng)計(jì)特征組合分類(lèi)器進(jìn)行最終判決.為保證檢測(cè)的速度,使用Haar-like小波基作為特征,積

3、分圖象的方法用于特征的實(shí)時(shí)計(jì)算.而后這種方法與膚色模型相結(jié)合,進(jìn)行彩色圖象中人臉檢測(cè).(3)提出一種獨(dú)立分量分析(ICA)和支持向量機(jī)(SVM)相結(jié)合的人臉識(shí)別方法.首先提出人臉五官顯著特征和輪廓關(guān)鍵點(diǎn)的檢測(cè)方法,對(duì)人臉圖象進(jìn)行準(zhǔn)確歸一化對(duì)齊,以減小人臉變形引起的差異.然后針對(duì)圖象對(duì)齊結(jié)果進(jìn)行獨(dú)立分量分析,提取全局識(shí)別特征,分類(lèi)階段采用層級(jí)決策SVM分類(lèi)器.(4)提出利用Boosting方法進(jìn)行基于局部弱分類(lèi)器集成的人臉識(shí)別方法.隨著機(jī)

4、器學(xué)習(xí)理論的崛起,組合多個(gè)分類(lèi)器的集成學(xué)習(xí)方法因其具有泛化能力強(qiáng)和不易出現(xiàn)過(guò)學(xué)習(xí)等優(yōu)點(diǎn),逐漸成為模式識(shí)別領(lǐng)域的研究熱點(diǎn).將人臉模式的相似度分為"類(lèi)內(nèi)差"和"類(lèi)間差",從而將多類(lèi)識(shí)別問(wèn)題轉(zhuǎn)換為兩類(lèi)識(shí)別問(wèn)題.通過(guò)在離散小波分解的不同頻率域的局部區(qū)域采樣構(gòu)造弱分類(lèi)器,并用AdaBoost算法訓(xùn)練進(jìn)行自適應(yīng)集成,最終的匹配決策是由多個(gè)弱分類(lèi)器結(jié)果加權(quán)組合而成.(5)充分利用模式拒絕的思想,并貫穿了人臉檢測(cè)和識(shí)別的全部過(guò)程.模式拒絕有效地解決了人