人臉光照樣本重構與基于支持向量機的人臉檢測研究.pdf

1、該文的研究工作主要包括人臉光照樣本重構及其在人臉檢測中的應用和基于支持向量機的多層人臉檢測分類器兩部分內容.主要的創(chuàng)新可以分為如下幾個方面:第一:通過對人臉樣本進行光照重構生成新的樣本解決人臉檢測中的光照問題.光照問題是人臉檢測中比較難于解決的問題之一,在基于學習的方法中,由于光照樣本的不足,對各種光照特征的學習不夠,學習的結果對于光照的推廣性不強.在人臉光照樣本重構的研究中,我們利用已知樣本生成新的光照樣本,從而解決了上述光照樣本不足

2、的問題.光照可以用諧波函數(shù)空間的前九個展開系數(shù)來近似表示,利用這個理論我們用九維系數(shù)來近似表示所有可能的光照條件.利用一個平均的三維人臉模型和商圖像的概念,我們可以給人臉樣本加上新的光照,從而可以獲得特定光照條件下的樣本.同樣我們也可以獲得多種不同光照條件下的樣本,從而豐富了人臉訓練樣本庫.第二,提出一種新的邊緣特征作為人臉分類器的分類特征.邊緣特征對光照具有比較好的魯棒性,我們充分利用人臉的外輪廓和內部邊緣方向特征,提取了人臉樣本的5

3、4維邊緣特征,對人臉進行分類.在特征提取時,還利用了人的肩部輪廓信息,可分性比較高.第三,基于支持向量機的多層人臉檢測分類器.我們使用支持向量機作為基本的分類器,利用邊緣特征進行分類,最后利用面部區(qū)域狄度特征進行認證,構造了一個多層的人臉檢測分類器.由于非線性的支持向量機計算速度比較慢,而線性的SVM分類能力又比較差,為了達到速度和檢測率兩方面的要求,我們首先使用線性SVM分類器排除大量的明顯的非人臉樣本,然后利用非線性SVM進行進一步