性別、種族人臉識(shí)別方法研究.pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域最富挑戰(zhàn)性的研究課題之一，也是近年來(lái)的研究熱點(diǎn)，作為人臉識(shí)別技術(shù)的重要組成部分，人臉性別和種族識(shí)別也受到了廣泛地關(guān)注，具有廣闊的應(yīng)用前景。 一般地，人臉性別和種族識(shí)別系統(tǒng)分為圖像預(yù)處理，人臉特征提取和分類器識(shí)別三個(gè)部分。本文針對(duì)這三個(gè)部分展開(kāi)研究，并比較了各種不同方法的識(shí)別性能。通過(guò)對(duì)人臉識(shí)別問(wèn)題中的重要理論的研究，提出了將Gabor小波，Adaboost學(xué)習(xí)算法和支持向量機(jī)相結(jié)合的性別識(shí)別

2、方法。在人臉?lè)N族識(shí)別問(wèn)題上，提出了將Gabor小波特征與人臉膚色特征相結(jié)合的方法。 Gabor小波變換與高等動(dòng)物視覺(jué)皮層簡(jiǎn)單細(xì)胞的接受場(chǎng)具有相似的特性，被廣泛地應(yīng)用于計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域。本文采用Gabor小波濾波器組來(lái)提取人臉性別特征，并采用Gabor小波和人臉膚色特征相結(jié)合的方法來(lái)提取人臉?lè)N族特征。 Adaboost學(xué)習(xí)算法充分考慮了各個(gè)特征向量中的特征的線性分類能力，通過(guò)弱學(xué)習(xí)過(guò)程提取出最顯著的特征。將Adab

3、oost學(xué)習(xí)算法應(yīng)用在Gabor小波特征上起到了降維和提高識(shí)別率的作用。 支持向量機(jī)理論是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論提出的，它在解決小樣本問(wèn)題方面表現(xiàn)出許多特有的優(yōu)勢(shì)，并已成為國(guó)際模式識(shí)別領(lǐng)域首選的分類器。本文選用徑向基函數(shù)為核函數(shù)，采用LibSVM算法對(duì)Gabor+Adaboost特征進(jìn)行訓(xùn)練和識(shí)別。 本文在FERET圖像庫(kù)上作了大量有意義的實(shí)驗(yàn)，分別采用PCA+SVM，ICA+SVM，Haarlike+Adaboost+