基于PCA降維的快速人臉檢測(cè)算法研究.pdf

1、人臉檢測(cè)問題最初來源于人臉識(shí)別(face recognition)，人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)中的一個(gè)關(guān)鍵環(huán)節(jié)，但是早期的人臉識(shí)別研究主要針對(duì)具有較強(qiáng)約束條件的人臉圖像（如無背景的圖像），往往假設(shè)人臉位置已知或很容易獲得，因此人臉檢測(cè)問題并未受到重視。近幾年人臉識(shí)別成為最有潛力的生物身份驗(yàn)證手段，這種應(yīng)用背景要求自動(dòng)人臉識(shí)別系統(tǒng)能夠?qū)σ话悱h(huán)境圖像具有一定的適應(yīng)能力，由此所面臨的一系列問題使得人臉檢測(cè)開始作為一個(gè)獨(dú)立的課題受到研究者的重視

2、。
　　首先，本文一個(gè)重要工作成果是：提出以提高訓(xùn)練自適應(yīng)度為目標(biāo)的并行PCA算法。主要包括：研究自適應(yīng)度高的矩陣計(jì)算算法，包括特征值、特征向量的計(jì)算以及協(xié)方差矩陣的迭代更新等；將原始數(shù)據(jù)集先行處理得到初始結(jié)果，然后計(jì)算增量數(shù)據(jù)的迭代影響因子，通過初始結(jié)果和迭代影響因子的結(jié)合達(dá)到對(duì)增量數(shù)據(jù)集動(dòng)態(tài)演進(jìn)迭代的效果。
　　其次，對(duì)適應(yīng)高速準(zhǔn)確檢測(cè)的Haar特征進(jìn)行維度重建是本文的另一個(gè)工作成果。主要包括：研判了Haar特征的模式意