資源描述：
《探索人臉檢測與人臉特征抽取算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、Y'B1850分類號——j盟盟—學(xué)校代號———也韭L—學(xué)號墊盟塹嬰旦墊必鰳聾南≯毛歹久爹SOUTHCHlNAUNlVERSnYOFTECHNOL00Y博士學(xué)位論文人臉檢測與人臉特征抽取算法研究學(xué)位申請人導(dǎo)師姓名殛職稱專業(yè)名稱研究方向所在學(xué)院論文提交日期曾憲貴黎紹發(fā)教授計(jì)算機(jī)應(yīng)用技術(shù)圖像處理與模式識別計(jì)算機(jī)科學(xué)與工程學(xué)院摘要摘要在生物特征識別技術(shù)中，人臉識別是一個(gè)最活躍的研究領(lǐng)域之～。雖然人臉識別的準(zhǔn)確性要低于虹膜、指紋的識別，但由于它的無侵害性和對用戶最自然、最直觀的方式，使人臉識別成為最容易被接受的生物特
2、征識別方式，人臉識別技術(shù)結(jié)合口型識別，表情識別等技術(shù)可廣泛應(yīng)用于個(gè)人辯識，安全系統(tǒng)，交通流量控制，人機(jī)接口，會議電視，虛擬現(xiàn)實(shí)等方面。本文以彩色圖象人臉檢測和灰度人臉圖象特征抽取問題為研究對象，重點(diǎn)研究了彩色圖象的人臉檢測方法，灰度圖象的特征抽取和人臉識別方法等問題，歸納如下：1．基于顏色的皮膚區(qū)域探測提出了一種新的色系坐標(biāo)系r女爸’，在這種坐標(biāo)系下，無需對色度信息進(jìn)行經(jīng)驗(yàn)公式修正；并推導(dǎo)說明了在無法估計(jì)非膚色條件樣本的概率分布情況下，用膚色條件下的概率分布來表征膚色點(diǎn)后驗(yàn)概率的原理：最后，經(jīng)實(shí)驗(yàn)驗(yàn)證，應(yīng)用
3、本文提出的色系坐標(biāo)系對膚色進(jìn)行聚類是可行的。2．基于顏色、知識和模板匹配的人臉檢測提出了一種新的將顏色信息和模板匹配方法相結(jié)合的由粗到精的人臉檢測定位方法，具體的做法是先應(yīng)用顏色信息探測、分割膚色區(qū)域；然后在各膚色區(qū)域中基于入臉頭部生理知識排除非人臉區(qū)域；最后應(yīng)用模扳匹配法對可能的人臉區(qū)域進(jìn)行模板匹配從而實(shí)現(xiàn)對人臉區(qū)域較精確的檢鍘定位。其中分割、提取各連通膚色區(qū)域時(shí)，不采用常用的象素標(biāo)記法，而是采用了一種新的方法：先求出膚色區(qū)域邊緣，然后應(yīng)用連通圖的遍歷算法求出各連通邊緣及相應(yīng)的外接矩形：在應(yīng)用人臉頭部生理
4、知識時(shí)，提出了三條經(jīng)驗(yàn)條件，通過它，可以排除大量的非入臉膚色區(qū)域。最后，經(jīng)實(shí)驗(yàn)證明，本文提出的人臉檢測方法是有效可行的。3．基于顏色、知識和支持向量機(jī)的入臉檢測提出了一種新的結(jié)合顏色、知識和支持向量機(jī)(sVM)的人臉檢測方法，首先利用顏色信息探測出膚色區(qū)域；然后利用人臉部的外形知識如長寬比等排除那些非人臉的膚色區(qū)域。從而得到可能的人臉區(qū)域；最后利用SVM對可能的人臉區(qū)域確定是否人臉。這樣既能較快速的檢測人臉區(qū)域，又能較精確地定位人臉。其中提出了一種新的獲取初始非人臉樣本的方法。最后，經(jīng)實(shí)驗(yàn)結(jié)果對比證明，本文
5、提出的人臉檢測方法是有效可行的。4．一種具有統(tǒng)計(jì)不相關(guān)性的廣義最優(yōu)判別向量集提出了一種新的最優(yōu)判別向量集即具有統(tǒng)計(jì)不相關(guān)性的廣義最優(yōu)判別向量華南理工大學(xué)博七學(xué)位論文集，推導(dǎo)了這種最優(yōu)判別向量的求解公式，并給出了求解算法。經(jīng)0RL數(shù)據(jù)庫實(shí)驗(yàn)表明，該算法有較強(qiáng)的特征抽取能力。5．一種變形的Fisher判別準(zhǔn)則函數(shù)及相應(yīng)的最優(yōu)判別向量集首先提出了一種新的最優(yōu)判剮向量集即無約柬的最傀判別向量集，并給出了求解算法；求解Foley—sammon最優(yōu)判別向量集和本文的無約束的最優(yōu)判別向量集都要求類內(nèi)數(shù)布矩陣非奇異，但當(dāng)訓(xùn)
6、練樣本數(shù)目小于模式向量時(shí)，這點(diǎn)不能保證，較常見的方法是對模式向量進(jìn)行降維處理，但維數(shù)降到多低就“足夠”昵?有關(guān)文獻(xiàn)指出，應(yīng)降到c—l維(c為樣本類別數(shù))，本文推導(dǎo)并證明了了只需降到N～c維(N為訓(xùn)練樣本總數(shù))；通過對Fisher判別準(zhǔn)則函數(shù)的變形，本文提出了一種變形的Fisher判別準(zhǔn)則函數(shù)且證明了相應(yīng)的最優(yōu)判別向量集的存在性，并給出了求解算法。經(jīng)ORL數(shù)據(jù)庫實(shí)驗(yàn)表明，本文給出的兩種方法都有較強(qiáng)的特征提取能力。最后，我們對本文的工作進(jìn)行了總結(jié)，并討論了將來可能繼續(xù)的研究方向。關(guān)鍵訶：模式識別：特征抽?。喝四?/p>
7、檢測；人臉識剮【IAbstractABSTRACTHuⅢanfacerecognitionisoneoftherrIostattractiletechnologyamongbiometricstechnology．Althoughtheveracityofhumanfacerecognitionislowerthanthatoffingerprintandofpalmprint，butbecausethehumanfaceVerificationisthemostnaturalanddirectway，it
8、hasbeco【Ilethemostacceptablewayamongbiometricstechnology．Humanfacerecognitiontechnologycombineswithmouthrecognitionandexpressionrecognitiontechnologyarewidelyusedinhumanverification，securitysystem，transportat
