基于SIFT和SVM的人臉識(shí)別研究.pdf

1、生物特征作為人類個(gè)體的內(nèi)在屬性,具有很強(qiáng)的個(gè)體獨(dú)立性和區(qū)別差異性。因此,如何有效地將個(gè)人的生物特征應(yīng)用于計(jì)算機(jī)智能信息處理應(yīng)用領(lǐng)域吸引了廣大研究學(xué)者們的濃厚興趣,從而能夠使得計(jì)算機(jī)能夠更好地具備類似于人類的感知識(shí)別能力?，F(xiàn)階段,應(yīng)用于機(jī)器識(shí)別的人類生物特征識(shí)別主要包括人臉識(shí)別、指紋識(shí)別、虹膜識(shí)別和掌紋識(shí)別,并廣泛應(yīng)用于安全驗(yàn)證系統(tǒng),視頻會(huì)議,人機(jī)交互系統(tǒng)等。人臉識(shí)別主要分為圖像預(yù)處理,生物特征提取和模式識(shí)別等三個(gè)部分。本文主要對(duì)應(yīng)用在人

2、臉識(shí)別的特征提取和分類識(shí)別技術(shù)進(jìn)行了研究,重點(diǎn)分析了在人臉識(shí)別問(wèn)題上使用支持向量機(jī)的分類性能。在人臉圖像的預(yù)處理階段,本文主要采取了幾何變換,直方圖均衡和關(guān)鍵區(qū)域增強(qiáng)等方法。這些工作有效地對(duì)人臉圖像進(jìn)行了歸一化工作,改善了圖像質(zhì)量,降低了計(jì)算復(fù)雜度,從而有利于提高后續(xù)算法的實(shí)施速度和收斂速度。在特征提取階段,文中討論了人臉圖像全局特征和局部特征的提取方法,包括基于圖像灰度的全局特征提取方法,基于小波濾波器變換的特征提取方法,基于局部二值

3、模式的特征提取方法以及基于尺度不變性的特征(SIFT)變換提取方法。并重點(diǎn)介紹了本論文中所采用的基于尺度不變的局部特征(SIFT)變換方法,并在實(shí)驗(yàn)中將其與不同的方法進(jìn)行了性能對(duì)比。在分類階段,本文著重于研究基于支持向量機(jī)(SVM)在人臉識(shí)別分類階段的性能?；谌四樧R(shí)別是一個(gè)多類分類問(wèn)題的事實(shí),為了減少訓(xùn)練時(shí)間,本文提出一種新的基于二叉樹(shù)結(jié)構(gòu)的支持向量機(jī)分類策略,在減少運(yùn)行時(shí)間的同時(shí)也保證了分類的有效性和穩(wěn)定性。我們?cè)贠RL以及Yale