靜態(tài)圖像中人臉位置檢測(cè)及應(yīng)用研究.pdf

1、生物識(shí)別技術(shù)是一種用智能機(jī)器來模擬辨別驗(yàn)證身份的一種技術(shù)，其中人臉識(shí)別技術(shù)可以利用人臉部的生理或行為特征來檢測(cè)圖像中的人臉位置或識(shí)別出人的身份。由于人臉形態(tài)多變以及光照、環(huán)境等外在因素的影響，目前從人臉識(shí)別技術(shù)的研究現(xiàn)狀來看，現(xiàn)有算法仍然存在種種弊端，大都需要根據(jù)具體用途和背景調(diào)整現(xiàn)有的算法。人臉是人體的一項(xiàng)重要的生物特征，人臉檢測(cè)在人臉識(shí)別中起著非常重要的作用，準(zhǔn)確的人臉位置的檢測(cè)結(jié)果可以有效地提高人臉識(shí)別率；隨著信息技術(shù)的發(fā)展，生物

2、識(shí)別技術(shù)的應(yīng)用領(lǐng)域也日趨廣泛，因此人臉識(shí)別算法需要做深入的研究。
　　本文對(duì)多種人臉識(shí)別算法進(jìn)行了研究，重點(diǎn)研究了AdaBoost算法和2DPCA結(jié)合AdaBoost人臉檢測(cè)算法。分析了AdaBoost算法的優(yōu)缺點(diǎn)，改進(jìn)了兩種不同的弱分類器樣本；利用2DPCA算法對(duì)人臉圖像進(jìn)行訓(xùn)練形成特征臉空間，結(jié)合AdaBoost學(xué)習(xí)算法將多個(gè)弱分類器組合成強(qiáng)分類器。
　　AdaBoost算法是機(jī)器學(xué)習(xí)中比較流行的算法，是一種多項(xiàng)式級(jí)別的

3、Boosting算法。AdaBoost是通過調(diào)整訓(xùn)練樣本的閾值改變整體數(shù)據(jù)分布的，它根據(jù)訓(xùn)練樣本每次分類是否正確和總體訓(xùn)練樣本的分類準(zhǔn)確率，確定訓(xùn)練集中樣本的下一步的閾值。由于圖像中人臉的扭轉(zhuǎn)角度不同，圖像背景的復(fù)雜程度的不同，實(shí)驗(yàn)結(jié)果的檢測(cè)率和誤檢率會(huì)出現(xiàn)很大差別。本文第三章提出了一種基于 Haar-like和AdaBoost結(jié)合的人臉檢測(cè)算法，改進(jìn)了表征人臉的Haar-like模版，主要目的是來表征有一定扭轉(zhuǎn)側(cè)度的人臉，結(jié)合AdaB

4、oost算法，訓(xùn)練出強(qiáng)分類器，然后通過強(qiáng)分類器加權(quán)級(jí)聯(lián)，組合成分類能力更強(qiáng)的級(jí)聯(lián)分類器
　　主成分分析法（Principal Component Analysis, PCA）作為最成功的線性鑒別方法之一，目前仍然被廣泛應(yīng)用于人臉等數(shù)字圖像處理領(lǐng)域；AdaBoost是一種具有自適應(yīng)學(xué)習(xí)能力的機(jī)器學(xué)習(xí)算法。本文第四章提出一種將二者結(jié)合的算法，即一種基于2DPCA-AdaBoost的人臉檢測(cè)算法，將二維主成分分析和 AdaBoost結(jié)合