基于SVM的人臉檢測算法研究.pdf

1、人臉檢測作為人臉信息處理中的一項(xiàng)關(guān)鍵技術(shù)，近年來受到模式識(shí)別與計(jì)算機(jī)視覺領(lǐng)域內(nèi)研究者的普遍關(guān)注。支持向量機(jī)(Support Vector Machines，SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的一種新的學(xué)習(xí)機(jī)器，能夠較好地解決人臉檢測中的小樣本、非線性、高維數(shù)、局部極小點(diǎn)等實(shí)際問題，將其與常用的人臉檢測算法相結(jié)合，對(duì)于人臉檢測技術(shù)的研究具有重要意義。 論文的工作主要集中在以下幾個(gè)方面：對(duì)SVM分類器與平均臉模板匹配、PCA的

2、分類器進(jìn)行人臉通過率和非人臉過濾率實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果分析表明通過正反樣本訓(xùn)練的SVM分類濾波器比只通過正樣本訓(xùn)練的平均臉模板和PCA具有更好的分類能力；在人臉檢測過程中，采用由粗到細(xì)的策略，提出一種基于SVM的灰度圖像人臉檢測算法，算法采用三層分類器結(jié)構(gòu)，將平均臉模板匹配作為第一層分類器，將線性SVM作為第二層分類器，前兩層為粗分類器，第三層將非線性SVM作為核心分類器。用訓(xùn)練好的分類器對(duì)本文提的人臉檢測算法和現(xiàn)有的兩層分類濾波器的人臉檢測