基于SIFT和SVM的人臉識別研究.pdf

1、生物特征作為人類個體的內在屬性,具有很強的個體獨立性和區(qū)別差異性。因此,如何有效地將個人的生物特征應用于計算機智能信息處理應用領域吸引了廣大研究學者們的濃厚興趣,從而能夠使得計算機能夠更好地具備類似于人類的感知識別能力?，F(xiàn)階段,應用于機器識別的人類生物特征識別主要包括人臉識別、指紋識別、虹膜識別和掌紋識別,并廣泛應用于安全驗證系統(tǒng),視頻會議,人機交互系統(tǒng)等。人臉識別主要分為圖像預處理,生物特征提取和模式識別等三個部分。本文主要對應用在人

2、臉識別的特征提取和分類識別技術進行了研究,重點分析了在人臉識別問題上使用支持向量機的分類性能。在人臉圖像的預處理階段,本文主要采取了幾何變換,直方圖均衡和關鍵區(qū)域增強等方法。這些工作有效地對人臉圖像進行了歸一化工作,改善了圖像質量,降低了計算復雜度,從而有利于提高后續(xù)算法的實施速度和收斂速度。在特征提取階段,文中討論了人臉圖像全局特征和局部特征的提取方法,包括基于圖像灰度的全局特征提取方法,基于小波濾波器變換的特征提取方法,基于局部二值

3、模式的特征提取方法以及基于尺度不變性的特征(SIFT)變換提取方法。并重點介紹了本論文中所采用的基于尺度不變的局部特征(SIFT)變換方法,并在實驗中將其與不同的方法進行了性能對比。在分類階段,本文著重于研究基于支持向量機(SVM)在人臉識別分類階段的性能?；谌四樧R別是一個多類分類問題的事實,為了減少訓練時間,本文提出一種新的基于二叉樹結構的支持向量機分類策略,在減少運行時間的同時也保證了分類的有效性和穩(wěn)定性。我們在ORL以及Yale