快速人臉檢測(cè)和識(shí)別理論與算法研究.pdf

1、為了實(shí)際應(yīng)用的需要,快速魯棒的人臉檢測(cè)和識(shí)別研究在模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域里引起了廣泛的重視.本文提出了一種基于統(tǒng)計(jì)學(xué)習(xí)理論的判決特征選擇方法和快速分類(lèi)方法,仔細(xì)研究了這種方法的性質(zhì)、特點(diǎn)以及在人臉識(shí)別中的應(yīng)用.本文提出了基于直接學(xué)習(xí)算法的人臉檢測(cè)方法,研究了最小最大模塊化模型在多角度人臉識(shí)別中的應(yīng)用. 本文的主要貢獻(xiàn)在以下六個(gè)方面. 1)對(duì)于灰度圖像的人臉檢測(cè),本文將基于小波系數(shù)的弱分類(lèi)器學(xué)習(xí)和完整空間中的統(tǒng)計(jì)學(xué)習(xí)相結(jié)合

2、,提出了一種比傳統(tǒng)的AdaBoost方法更快速、更準(zhǔn)確和高效的直接學(xué)習(xí)算法.本文使用線(xiàn)性判別分析優(yōu)化人臉檢測(cè)器,從而提高了人臉檢測(cè)器的檢測(cè)精度. 2)針對(duì)彩色圖像中的人臉膚色檢測(cè),本文提出了一種基于主分量分析的修正的高斯膚色模型.相對(duì)于標(biāo)準(zhǔn)的高斯膚色模型,修正的高斯膚色模型可以提高膚色檢測(cè)的精度. 3)針對(duì)在傳統(tǒng)的基于AdaBoost的級(jí)聯(lián)人臉檢測(cè)方法中,初始節(jié)點(diǎn)非人臉訓(xùn)練樣本采樣不充足的缺點(diǎn),本文提出了在完整特征空間上

3、基于分類(lèi)超平面和boots'trapping的訓(xùn)練樣本選擇方法.該方法的思想是在開(kāi)始訓(xùn)練級(jí)聯(lián)人臉檢測(cè)器之前,先使用這種訓(xùn)練樣本選擇方法在大規(guī)模自然背景圖片庫(kù)里挑選出最具有代表性的非人臉訓(xùn)練樣本,然后使用這些最具代表性的非人臉訓(xùn)練樣本訓(xùn)練級(jí)聯(lián)人臉檢測(cè)器,最后得到高效的級(jí)聯(lián)檢測(cè)器.這種高效的級(jí)聯(lián)人臉檢測(cè)器可以用很少的節(jié)點(diǎn)識(shí)別出大量的非人臉模式,從而提高了人臉檢測(cè)的精度和速度. 4)本文研究了最小最大模塊化模型在多角度人臉識(shí)別中的應(yīng)用

4、.針對(duì)多角度人臉識(shí)別問(wèn)題,本文采用了最小最大模塊化支持向量機(jī)方法對(duì)不同的角度采用不同的分類(lèi)器模塊,從而有效地解決了多角度人臉識(shí)別問(wèn)題. 5)在人臉識(shí)別中,本文利用全概率定理把判決特征選擇方法從兩類(lèi)分類(lèi)問(wèn)題發(fā)展到多類(lèi)分類(lèi)問(wèn)題,從而在不降低分類(lèi)精度的情況下加快了人臉識(shí)別的速度.此外,本文研究了Gabor小波特征提取方法,從而使判決特征選擇方法能更有效地應(yīng)用于人臉識(shí)別問(wèn)題. 6)通過(guò)人臉檢測(cè)和人臉識(shí)別的研究,本文提出了一種新的