快速人臉檢測和識別理論與算法研究.pdf

1、為了實際應用的需要,快速魯棒的人臉檢測和識別研究在模式識別和機器學習領域里引起了廣泛的重視.本文提出了一種基于統計學習理論的判決特征選擇方法和快速分類方法,仔細研究了這種方法的性質、特點以及在人臉識別中的應用.本文提出了基于直接學習算法的人臉檢測方法,研究了最小最大模塊化模型在多角度人臉識別中的應用. 本文的主要貢獻在以下六個方面. 1)對于灰度圖像的人臉檢測,本文將基于小波系數的弱分類器學習和完整空間中的統計學習相結合

2、,提出了一種比傳統的AdaBoost方法更快速、更準確和高效的直接學習算法.本文使用線性判別分析優(yōu)化人臉檢測器,從而提高了人臉檢測器的檢測精度. 2)針對彩色圖像中的人臉膚色檢測,本文提出了一種基于主分量分析的修正的高斯膚色模型.相對于標準的高斯膚色模型,修正的高斯膚色模型可以提高膚色檢測的精度. 3)針對在傳統的基于AdaBoost的級聯人臉檢測方法中,初始節(jié)點非人臉訓練樣本采樣不充足的缺點,本文提出了在完整特征空間上

3、基于分類超平面和boots'trapping的訓練樣本選擇方法.該方法的思想是在開始訓練級聯人臉檢測器之前,先使用這種訓練樣本選擇方法在大規(guī)模自然背景圖片庫里挑選出最具有代表性的非人臉訓練樣本,然后使用這些最具代表性的非人臉訓練樣本訓練級聯人臉檢測器,最后得到高效的級聯檢測器.這種高效的級聯人臉檢測器可以用很少的節(jié)點識別出大量的非人臉模式,從而提高了人臉檢測的精度和速度. 4)本文研究了最小最大模塊化模型在多角度人臉識別中的應用

4、.針對多角度人臉識別問題,本文采用了最小最大模塊化支持向量機方法對不同的角度采用不同的分類器模塊,從而有效地解決了多角度人臉識別問題. 5)在人臉識別中,本文利用全概率定理把判決特征選擇方法從兩類分類問題發(fā)展到多類分類問題,從而在不降低分類精度的情況下加快了人臉識別的速度.此外,本文研究了Gabor小波特征提取方法,從而使判決特征選擇方法能更有效地應用于人臉識別問題. 6)通過人臉檢測和人臉識別的研究,本文提出了一種新的