基于局部二進(jìn)制模式的人臉檢測方法研究.pdf

1、隨著科技的不斷進(jìn)步，在許多領(lǐng)域都有自動化實(shí)現(xiàn)人臉識別的應(yīng)用，這也使得人臉檢測成為模式識別的一個研究熱點(diǎn)。雖然現(xiàn)在已經(jīng)出現(xiàn)了可以運(yùn)用在實(shí)際應(yīng)用中的算法，但是這些算法仍然有許多可以改進(jìn)的地方，例如檢測速度、檢測準(zhǔn)確度、在不同環(huán)境條件下的檢測質(zhì)量等方面。
　　在查閱大量前人有關(guān)人臉檢測算法的基礎(chǔ)上，本文著眼于利用一種簡單可行的圖像描述辦法，來達(dá)到快速準(zhǔn)確地檢測到圖像中的人臉。本文采用常見的特征提取加分類器分類的模式識別框架，通過實(shí)驗對各

2、個步驟進(jìn)行優(yōu)化并選擇最優(yōu)策略，最后與 OpenCV的人臉檢測算法進(jìn)行對比，并舉例說明了本文所提出方法的優(yōu)點(diǎn)與不足。
　　第一步，在特征提取步驟中，本文介紹了局部二進(jìn)制模式特征和它的一些衍生特征，分別介紹了這些特征的定義和計算方法。并且通過不斷地實(shí)驗，最終得到一種行之有效的人臉圖像描述方法，即通過不同的局部二進(jìn)制模式特征來描述圖像不同位置不同紋理的信息，最后合并成一組人臉檢測特征。
　　第二步，在特征降維步驟中，本文利用了線性

3、判別式分析的方法。該方法可以對特征維數(shù)進(jìn)行降維，以便減少之后的分類時間。觀察降維到不同維數(shù)情況下F1分?jǐn)?shù)值的變化，確定最適合于本文人臉檢測方法的降維維數(shù)。
　　第三步，在圖像分類的步驟中，本文選擇了速度快準(zhǔn)確度高的Adaboost分類器。根據(jù)本文問題所提取出的特征性質(zhì)，選擇合適的決策樹作為弱分類器。通過在不同數(shù)目弱分類器情況下進(jìn)行的測試實(shí)驗最終確定最優(yōu)的弱分類器數(shù)目，確保速度和準(zhǔn)確度達(dá)到平衡點(diǎn)。
　　第四步，將分類出來的人臉