人臉檢測與人臉特征抽取算法研究.pdf

1、在生物特征識別技術中，人臉識別是一個最活躍的研究領域之一。雖然人臉識別的準確性要低于虹膜、指紋的識別，但由于它的無侵害性和對用戶最自然、最直觀的方式，使人臉識別成為最容易被接受的生物特征識別方式，人臉識別技術結(jié)合口型識別，表情識別等技術可廣泛應用于個人辯識，安全系統(tǒng)，交通流量控制，人機接口，會議電視，虛擬現(xiàn)實等方面?！　”疚囊圆噬珗D象人臉檢測和灰度人臉圖象特征抽取問題為研究對象，重點研究了彩色圖象的人臉檢測方法，灰度圖象的特征抽取和人

2、臉識別方法等問題，歸納如下： 1.基于顏色的皮膚區(qū)域探測:提出了一種新的色系坐標系r′g′b′，在這種坐標系下，無需對色度信息進行經(jīng)驗公式修正；并推導說明了在無法估計非膚色條件樣本的概率分布情況下，用膚色條件下的概率分布來表征膚色點后驗概率的原理；最后，經(jīng)實驗驗證，應用本文提出的色系坐標系對膚色進行聚類是可行的。 2.基于顏色、知識和模板匹配的人臉檢測:提出了一種新的將顏色信息和模板匹配方法相結(jié)合的由粗到精的人臉檢測定位

3、方法，具體的做法是先應用顏色信息探測、分割膚色區(qū)域；然后在各膚色區(qū)域中基于人臉頭部生理知識排除非人臉區(qū)域；最后應用模板匹配法對可能的人臉區(qū)域進行模板匹配從而實現(xiàn)對人臉區(qū)域較精確的檢測定位。其中分割、提取各連通膚色區(qū)域時，不采用常用的象素標記法，而是采用了一種新的方法：先求出膚色區(qū)域邊緣，然后應用連通圖的遍歷算法求出各連通邊緣及相應的外接矩形；在應用人臉頭部生理知識時，提出了三條經(jīng)驗條件，通過它，可以排除大量的非人臉膚色區(qū)域。最后，經(jīng)實驗

4、證明，本文提出的人臉檢測方法是有效可行的。 3.基于顏色、知識和支持向量機的人臉檢測:提出了一種新的結(jié)合顏色、知識和支持向量機(SVM)的人臉檢測方法，首先利用顏色信息探測出膚色區(qū)域；然后利用人臉部的外形知識如長寬比等排除那些非人臉的膚色區(qū)域，從而得到可能的人臉區(qū)域；最后利用SVM對可能的人臉區(qū)域確定是否人臉。這樣既能較快速的檢測人臉區(qū)域，又能較精確地定位人臉。其中提出了一種新的獲取初始非人臉樣本的方法。最后，經(jīng)實驗結(jié)果對比證明

5、，本文提出的人臉檢測方法是有效可行的。 4.一種具有統(tǒng)計不相關性的廣義最優(yōu)判別向量集:提出了一種新的最優(yōu)判別向量集即具有統(tǒng)計不相關性的廣義最優(yōu)判別向量集，推導了這種最優(yōu)判別向量的求解公式，并給出了求解算法。經(jīng)ORL數(shù)據(jù)庫實驗表明，該算法有較強的特征抽取能力。 5.一種變形的Fisher判別準則函數(shù)及相應的最優(yōu)判別向量集:首先提出了一種新的最優(yōu)判別向量集即無約束的最優(yōu)判別向量集，并給出了求解算法；求解Foley-Sammo

6、n最優(yōu)判別向量集和本文的無約束的最優(yōu)判別向量集都要求類內(nèi)散布矩陣非奇異，但當訓練樣本數(shù)目小于模式向量時，這點不能保證，較常見的方法是對模式向量進行降維處理，但維數(shù)降到多低就“足夠”呢?有關文獻指出，應降到c-1維(c為樣本類別數(shù))，本文推導并證明了了只需降到N-c維(N為訓練樣本總數(shù))；通過對Fisher判別準則函數(shù)的變形，本文提出了一種變形的Fisher判別準則函數(shù)且證明了相應的最優(yōu)判別向量集的存在性，并給出了求解算法。經(jīng)ORL數(shù)據(jù)庫