人臉檢測中相關(guān)特征的研究.pdf

1、對人臉的研究在身份驗證，檔案管理和可視化通訊等諸多領(lǐng)域有著巨大的應用前景。對于人臉的研究大致分為人臉檢測，人臉跟蹤和人臉識別三部分。人臉檢測作為整個人臉分析過程的第一步，其目標是準確、快速的從圖像中檢測出人臉。如何從人臉圖像中提取出能較好區(qū)分人臉與非人臉的特征，從而可以提高人臉檢測的準確率目前仍然是個復雜的問題。 本文提出采用傅立葉變換，小波變換，自適應獨立分量分析(ICA)模型和稀疏編碼(Sparse Coding)這4種不同

2、的方法從靜態(tài)灰度圖片中提取表示人臉的有效特征。主要思想是先找出能夠有效捕捉人臉結(jié)構(gòu)特點的函數(shù)基底，然后將人臉圖片和非人臉圖片投影到這些基底上，利用得到的投影系數(shù)對圖像進行分類。由于正面人臉的結(jié)構(gòu)非常相似，因此在這些基底上投影出來的特征系數(shù)也比較相近；而不包含人臉的自然風景圖片投影到這些基底上得到的特征系數(shù)和表示人臉圖像的特征系數(shù)就會不同。通過比較這兩類圖像的特征系數(shù)，可以區(qū)分出兩者。4類函數(shù)基底中，傅立葉變換和小波變換是固定的基底，而I

3、CA和超完備的稀疏編碼方法則是通過給定的人臉圖片樣本訓練出可以捕捉臉結(jié)構(gòu)特點的函數(shù)基底。 文中還采用了基于互信息最大化的特征選取算法，從提取出的特征向量中選出與分類目標最相關(guān)的特征子集。選擇過程去掉了冗余的、與目標不相關(guān)的特征，從而進一步提高了分類的準確率，降低了訓練時間。文中還采用了支持向量機(SVM)對選擇后的特征進行分類。最后將四個用不同類型特征訓練出來的SVM進行級聯(lián)組合，得到一個可以進行人臉檢測的分類器。實驗結(jié)果表明，