基于級聯(lián)支持向量機融合多特征的人臉檢測.pdf

1、9.11事件后安全問題日益引起全球各國重視，基于生物特征的身份鑒別也越來越受關注。人臉作為一種常用的生物特征，相對于指紋、虹膜等生物特征具有非接觸優(yōu)良特性，這使得人臉識別在安保、刑偵、視頻監(jiān)控、社交等各種場合中應用廣泛。作為人臉識別的首要步驟，人臉檢測直接影響識別的結果。人臉所處場景的千差萬別，并且容易受到光照條件、人臉表情、頭部姿態(tài)以及面部附屬物遮擋等因素影響，因此人臉檢測目前還是一個亟待解決的難題。本文提出一種結合膚色分割結合人臉圖

2、像的梯度、紋理特征的檢測算法，克服上述各種不利因素影響。
　　首先，針對人臉膚色的特點，在YIQ顏色空間對膚色樣本聚類分析，分別建立I和Q分量高斯膚色模型，依據模型計算待檢測圖像每點的I、Q膚色概率值，形成膚色概率圖，對兩幅膚色概率圖加權平均并二值化，形態(tài)學運算，最終分割出疑似膚色區(qū)域，作為人臉檢測的預檢測環(huán)節(jié)。
　　然后，多種特征可以包含人臉圖像的豐富信息，本文提出在人臉區(qū)域提取多種圖像特征，包括HOG和LBP特征，前者提

3、取人臉的梯度輪廓信息，后者提取人臉的紋理信息。鑒于兩類特征的總維數較大，并不是所有的特征對人臉檢測都有效，因此對它們分別作了特征選擇，降低特征維數，不僅能節(jié)約計算時間和存儲空間，而且還能提高后續(xù)分類器的泛化能力。
　　最后，設計了基于級聯(lián)分類器的多特征融合分類模型，采用訓練方便快速、分類效果較好的SVM分類器算法，有效地把兩種特征結合起來區(qū)別人臉和非人臉區(qū)域。級聯(lián)分類器的第一級需要在優(yōu)先保證檢測率高、耗時短的前提下，盡量排除誤檢測

4、、降低誤檢率，因此本文采用基于HOG特征的SVM分類器。而級聯(lián)分類器的第二級分類器采用基于LBP特征的SVM分類器，再對第一級分類器的誤檢測進一步排除，最終使級聯(lián)分類器具有較高檢測率和較低誤檢率。
　　本文研究的人臉檢測算法在多個圖像數據庫上進行實驗驗證，實驗結果表明本文的特征選擇算法有效提升了特征的分辨性能，大幅減少了特征維數，提高檢測效率。同時本文的級聯(lián)分類器能很好地兼顧檢測率、誤檢率以及檢測速度，對不均勻光照、不同表情、各種