自動人臉識別方法的研究與實現(xiàn).pdf

1、在生物特征識別中，人臉識別技術占有極為重要的地位，它是模式識別與人工智能的研究熱點之一。人臉識別在安全驗證系統(tǒng)、信用卡驗證、醫(yī)學、檔案管理、視頻會議、人機交互、公安系統(tǒng)等方面有著巨大的應用前景。 本文在分析和總結國內(nèi)外近十多年來的相關研究成果和最新研究進展的基礎上，針對應用上急需解決的人臉識別方法中的問題進行了系統(tǒng)的實驗，重點研究了人臉識別過程中的特征提取與降維，研究內(nèi)容如下： 小波變換以其良好的多分辨率特性被廣泛地應用

2、于圖像分析和處理領域。離散小波變換(DWT)低頻子帶包含了原圖像的主要信息；DWT方法和Adaboost方法均起到降維作用，但單獨使用均具有一定的局限性，因此本文提出一種用DWT提取低頻子帶系數(shù)作為樣本特征，再用Adaboost算法進行特征降維的人臉識別方法。由于離散小波變換方法降低了圖像維數(shù)，并且降低了干擾信息，因此提高了識別率及識別速度。 目前，模式識別領域中應用最為廣泛的是統(tǒng)計學習理論。支持向量機是建立在統(tǒng)計學習理論基礎上

3、的解決兩類問題的學習方法。由于其快速性和有效性，近年來得到了廣泛的研究和應用。文中簡單介紹了支持向量機的原理。在人臉識別部分，結合離散小波變換與Adaboost算法，提出一種以離散小波變換和Adaboost算法生成和提取特征，以支持向量機做分類器的人臉識別方法。將DWT產(chǎn)生的低頻子帶系數(shù)用Adaboost進行降維后，作為分類器的輸入進行訓練。分類器的設計我們選用了“1-多”策略支持向量機方法對人臉樣本進行分類。 本文在ORL人臉