基于SVM的人臉識(shí)別算法研究與FPGA實(shí)現(xiàn).pdf

1、人臉識(shí)別技術(shù)是最近幾十年生物特征識(shí)別領(lǐng)域的研究熱點(diǎn)，它融合了計(jì)算機(jī)圖形學(xué)、數(shù)字圖象處理、計(jì)算機(jī)視覺(jué)、模式識(shí)別和人工神經(jīng)網(wǎng)絡(luò)等多個(gè)學(xué)科的方法和理論。人臉識(shí)別技術(shù)在公共安全和軍事安全領(lǐng)域有著十分寬闊的應(yīng)用前景。支持向量機(jī)(Support Vector Machine，SVM)是一種新興的機(jī)器學(xué)習(xí)方法，克服了“維數(shù)災(zāi)難”和“過(guò)學(xué)習(xí)”等問(wèn)題，成功的應(yīng)用在模式識(shí)別和回歸分析等領(lǐng)域，逐漸成為新的研究熱點(diǎn)。但是發(fā)展到目前為止，參數(shù)選擇和多類(lèi)分類(lèi)仍然是

2、支持向量機(jī)沒(méi)有完全解決的兩個(gè)問(wèn)題。
　　本文首先研究了獨(dú)立成分分析(Independent Component Analysis，ICA)算法和判別共同向量(Discriminative Common Vector，DCV)算法。然后詳細(xì)介紹了支持向量機(jī)的基本原理和優(yōu)化算法并討論了支持向量機(jī)在多類(lèi)問(wèn)題中應(yīng)用的算法，如“一對(duì)一”支持向量機(jī)(One Against One SVM，OAOSVM)，“一對(duì)多”支持向量機(jī)(One Agai

3、nst All SVM，OAASVM)和有向無(wú)環(huán)圖支持向量機(jī)(Directed Acyclic Graph SVM，DAGSVM)。
　　在MATLAB平臺(tái)上對(duì)以上的支持向量機(jī)分類(lèi)算法在采用同一種特征提取算法(ICA或DCV)時(shí)的識(shí)別率進(jìn)行了實(shí)驗(yàn)測(cè)試。同時(shí)比較了支持向量機(jī)和最小歐氏距離分類(lèi)器的性能。算法測(cè)試結(jié)果表明，支持向量機(jī)算法的性能優(yōu)于最小歐氏距離分類(lèi)器。
　　對(duì)算法進(jìn)行分析比較之后，將在MATLAB平臺(tái)上訓(xùn)練完成的人臉

4、識(shí)別算法在友晶公司的DE2開(kāi)發(fā)板上使用QuartusⅡ開(kāi)發(fā)工具搭建并實(shí)現(xiàn)了人臉識(shí)別系統(tǒng)。該系統(tǒng)以O(shè)RL人臉數(shù)據(jù)庫(kù)圖像作為輸入，利用DE2開(kāi)發(fā)板上的FLASH存儲(chǔ)器來(lái)存儲(chǔ)人臉圖像，并利用VGA顯示器來(lái)直觀的顯示系統(tǒng)的識(shí)別結(jié)果。系統(tǒng)中分別實(shí)現(xiàn)了采用DCV為特征提取算法的最小距離分類(lèi)器、“一對(duì)一”支持向量機(jī)分類(lèi)器和有向無(wú)環(huán)圖支持向量機(jī)分類(lèi)器，并且對(duì)這三種分類(lèi)器的分類(lèi)時(shí)間進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，采用有向無(wú)環(huán)圖支持向量機(jī)分類(lèi)器的人臉識(shí)別系統(tǒng)完成