基于統(tǒng)計理論的人臉檢測方法的研究.pdf

1、隨著計算機技術(shù)和多媒體技術(shù)的日益發(fā)展，全球信息化進程的加速，圖像處理在越來越多的領(lǐng)域內(nèi)得到了廣泛的發(fā)展和應(yīng)用。無論是在科技，國防，工商業(yè)還是金融等領(lǐng)域，越來越多的圖像處理的理論和實踐成果在現(xiàn)實的生產(chǎn)生活中得到積極的應(yīng)用人臉的檢測與識別的研究涉及模式識別、圖像處理、生理學(xué)、心理學(xué)、認知科學(xué)等許多領(lǐng)域，這使得人臉檢測與識別技術(shù)的研究己經(jīng)成為當(dāng)今的熱點問題之一。 論文的主要內(nèi)容如下： 1．基于支持向量機的方法是解決復(fù)雜

2、的人臉檢測問題的有效途徑?；谥С窒蛄繖C(SVM)的方法，由訓(xùn)練和檢測兩部分組成。訓(xùn)練過程是用大量人臉樣本、“非人臉”樣本訓(xùn)練SVM分類器，使之獲得一個最優(yōu)分類超平面。檢測階段用訓(xùn)練好的SVM分類器檢測圖像中的人臉。 2．Adaboost方法采用一種稱為“積分圖像”的圖像表示方法，快速計算出弱分類器用到的特征。然后基于Adaboost學(xué)習(xí)算法，從一個較大的特征集中選擇少量的關(guān)鍵的視覺特征，產(chǎn)生一個高效的強分類器。再用級聯(lián)的方

3、式將單個的強分類器合成為一個更加復(fù)雜的層疊分類器，其在人臉檢測方面速度相當(dāng)快。應(yīng)用Adaboost算法和矩形特征構(gòu)建了人臉檢測層疊分類器，實現(xiàn)了人臉檢測，并測試了分類器的性能。 3．簡單介紹了一種人臉識別的方法一核主分量分析 (KPCA)，該方法通過引入多項式核函數(shù)，充分利用了人臉圖像多個像素之間的高階相關(guān)性，同時，把在低維空間的不可分問題轉(zhuǎn)化成在高維空間的線性可分性問題。 實驗結(jié)果表明，本論文的人臉圖像檢