人臉圖像分析算法研究.pdf

1、計算機(jī)視覺與模式識別技術(shù)是計算機(jī)科學(xué)和人工智能研究領(lǐng)域的重要分支，計算機(jī)視覺的目的在于研究人類視覺的計算模型，并利用機(jī)器來實現(xiàn)視覺專用系統(tǒng)。本文主要以人臉為研究對象，采用機(jī)器學(xué)習(xí)的方法，提出了一系列人臉檢測、跟蹤和識別的相關(guān)算法；同時，本文還研究了高維數(shù)據(jù)的非線性降維和角點檢測問題。主要工作如下： (1)人臉檢測是人臉識別的前期工作。本文以簡單的Haar特征結(jié)合閾值構(gòu)造弱分類器，通過AdaBoost學(xué)習(xí)選擇和集成弱分類器，最后按

2、照分層結(jié)構(gòu)把集成的分類器組合在一起；同時，在檢測過程中采用積分圖的方法計算特征，保證了檢測的速度。 (2)基于主成分分析(PCA)的特征臉法是人臉識別中應(yīng)用最廣泛的方法之一。但是這種方法平均的對待每一維特征，無視不同特征在識別中所起作用的不同，這里提出了一種新的加權(quán)主成分分析算法。與傳統(tǒng)主元分析不同，加權(quán)主元分析根據(jù)特征的分類能力進(jìn)行加權(quán)，通過最小化加權(quán)重建誤差來尋找加權(quán)子空間，并利用點到加權(quán)子空間的距離進(jìn)行分類。加權(quán)系數(shù)可以通

3、過計算每維特征類間方差與類內(nèi)方差之比獲得。實驗表明，加權(quán)主元分析與傳統(tǒng)主元分析相比可以大大提高識別率。 (3)本文還在人臉檢測器的基礎(chǔ)上，提出了一種置信度梯度尋優(yōu)的人臉跟蹤算法，并以DirectShow為平臺實現(xiàn)了一個多人臉跟蹤系統(tǒng)。當(dāng)視頻輸入大小是320×280，每秒15幀；該系統(tǒng)可以平滑地在P41.4GHZ的計算機(jī)上運(yùn)行。 (4)在分析和討論LLE和Isomap這兩種非線性降維方法的基礎(chǔ)上，給出了一類基于保角變換的I