性別、種族人臉識別方法研究.pdf

1、人臉識別技術(shù)是模式識別和計算機視覺領域最富挑戰(zhàn)性的研究課題之一，也是近年來的研究熱點，作為人臉識別技術(shù)的重要組成部分，人臉性別和種族識別也受到了廣泛地關注，具有廣闊的應用前景。 一般地，人臉性別和種族識別系統(tǒng)分為圖像預處理，人臉特征提取和分類器識別三個部分。本文針對這三個部分展開研究，并比較了各種不同方法的識別性能。通過對人臉識別問題中的重要理論的研究，提出了將Gabor小波，Adaboost學習算法和支持向量機相結(jié)合的性別識別

2、方法。在人臉種族識別問題上，提出了將Gabor小波特征與人臉膚色特征相結(jié)合的方法。 Gabor小波變換與高等動物視覺皮層簡單細胞的接受場具有相似的特性，被廣泛地應用于計算機視覺和模式識別領域。本文采用Gabor小波濾波器組來提取人臉性別特征，并采用Gabor小波和人臉膚色特征相結(jié)合的方法來提取人臉種族特征。 Adaboost學習算法充分考慮了各個特征向量中的特征的線性分類能力，通過弱學習過程提取出最顯著的特征。將Adab

3、oost學習算法應用在Gabor小波特征上起到了降維和提高識別率的作用。 支持向量機理論是基于結(jié)構(gòu)風險最小化理論提出的，它在解決小樣本問題方面表現(xiàn)出許多特有的優(yōu)勢，并已成為國際模式識別領域首選的分類器。本文選用徑向基函數(shù)為核函數(shù)，采用LibSVM算法對Gabor+Adaboost特征進行訓練和識別。 本文在FERET圖像庫上作了大量有意義的實驗，分別采用PCA+SVM，ICA+SVM，Haarlike+Adaboost+