基于支持向量機(jī)的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別是生物特征識(shí)別的一個(gè)重要分支，也是計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域非常活躍的研究方向。相對(duì)于圖像向量維數(shù)而言，人臉識(shí)別是一個(gè)高維、非線性小樣本問題，而支持向量機(jī)解決該類問題，可以有效避免過學(xué)習(xí)現(xiàn)象，通過引入核函數(shù)，支持向量機(jī)將非線性不可分問題投射到高維空間后轉(zhuǎn)化為線性可分問題。由于支持向量機(jī)最初是為解決兩類分類問題提出的，如何將其應(yīng)用于多類分類問題中仍然是目前研究的熱點(diǎn)，本文提出一種改進(jìn)的基于支持向量機(jī)的多類分類方法，有效地減少人臉識(shí)別

2、過程的訓(xùn)練時(shí)間和測試時(shí)間并得到很高的識(shí)別率。 本文主要做了以下工作： (1)分析比較基于支持向量機(jī)的多類分類方法，對(duì)構(gòu)成分類邊界的最優(yōu)超平面進(jìn)行分析，引入樣本的特征空間距離，提出一種改進(jìn)的基于支持向量機(jī)的多類分類器的構(gòu)造方法，有效地減少分類超平面的數(shù)目，提高了訓(xùn)練效率，同時(shí)改進(jìn)了基于“投票”機(jī)制和基于樹的測試算法，并在UCI數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)，與傳統(tǒng)方法作比較； (2)研究了用于人臉識(shí)別的特征向量的選擇和提取，使用

3、基于小波和DCT的人臉特征提取方法，適當(dāng)層次小波變換后的低頻子圖像刻畫了人臉表情和姿勢的不變特征，有較好的穩(wěn)定性，由于圖像能夠?qū)⑾駢K的能量集中于少數(shù)低頻DCT系數(shù)上，因此提取經(jīng)小波變換后人臉圖像的DCT變換系數(shù)作為特征向量進(jìn)行人臉識(shí)別； (3)在ORL人臉數(shù)據(jù)庫上進(jìn)行人臉識(shí)別實(shí)驗(yàn)，驗(yàn)證提出算法的有效性，人臉識(shí)別實(shí)驗(yàn)中從訓(xùn)練時(shí)間、最優(yōu)超平面數(shù)目、測試時(shí)間和識(shí)別準(zhǔn)確率等方面對(duì)幾種基于支持向量機(jī)的多類分類方法進(jìn)行了比較，證明本文的方法