基于復(fù)雜背景下的人臉檢測與識別.pdf

1、人臉檢測和識別的研究目的是使計算機具有類似人臉的臉像識別能力,它在身份鑒別、人機交互、圖像檢索和視覺監(jiān)控等領(lǐng)域有重要的應(yīng)用。盡管近三十年來,人臉的檢測和識別受到了國內(nèi)外的廣泛關(guān)注,但一直是模式識別和計算機視覺領(lǐng)域中的研究熱點和難點。由于識別結(jié)果往往受到表情,姿態(tài)和光照變化的影響,同時還要保證識別系統(tǒng)的實時性,人臉的檢測和識別仍然有很多技術(shù)的問題需要解決。
　　 本文圍繞復(fù)雜背景下靜態(tài)圖像中的人臉檢測和識別技術(shù)開展深入研究,Ada

2、Boost算法在人臉檢測實踐中被證明了是一種實時性高,檢測效果好的算法,具有較高的實用價值。Foley—Sammon變換是基于Fisher鑒別準(zhǔn)則上的一種效果比較好的線性特征抽取方法。因此本文中檢測部分應(yīng)用AdaBoost人臉檢測算法,識別部分采用了基于Fisher鑒別準(zhǔn)則的最佳線性特征抽取算法。本文的主要工作歸納如下:
　　 ①研究基于Haar特征的AdaBoost分類學(xué)習(xí)算法,介紹其從積分圖計算矩形特征、弱分類器閥值的選定、

3、強分類器閥值的選定、由弱分類器形成強分類器和級聯(lián)強分類器的訓(xùn)練過程,在VC++和OpenCV開發(fā)工具結(jié)合的基礎(chǔ)上實現(xiàn)人臉檢測系統(tǒng)。
　　 ②對檢測得到的人臉部分圖像進(jìn)行預(yù)處理,包括幾何、灰度、大小歸一化,得到統(tǒng)一尺寸的訓(xùn)練樣本和測試樣本數(shù)據(jù)。
　　 ③針對小樣本情況下LDA出現(xiàn)的問題,介紹了PCA+LDA方法在處理小樣本問題。從圖像的PCA降維和LDA的理論基礎(chǔ),到Fisher最佳鑒別向量的求取,根據(jù)樣本在最佳鑒別集上的

4、投影來進(jìn)行特征向量的抽取。其中訓(xùn)練樣本集歸一化后的圖像求得最佳鑒別集和訓(xùn)練圖像的特征向量,測試樣本在Foley—Sammon最佳鑒別集上投影,得到測試圖像在特征子空間的特征向量,在VC++和MATLAB開發(fā)工具結(jié)合的基礎(chǔ)上實現(xiàn)識別部分訓(xùn)練集和測試集的特征向量的抽取。
　　 ④用最近鄰分類法進(jìn)行分類,計算訓(xùn)練樣本和測試樣本計算的特征向量來判定最終識別結(jié)果。
　　 ⑤系統(tǒng)介紹了從圖像中數(shù)據(jù)的讀取,人眼睛位置的定位,待識別圖像