分享到:

基于小波和支持向量机的人脸识别方法研究

生物特征识别是一项利用人类特有的生理或行为特征来进行身份识别的技术,它提供了一种高可靠性、高稳定性的身份鉴别途径。而人脸检测和识别是目前生物特征识别中最受人们关注的一个分支,是计算机视觉与模式识别领域非常活跃的一个研究方向,它不仅广泛应用于国家安全、公安、司法、政府、金融、商业、安检、保安等身份鉴别系统,而且还可应用于人机接口、可视通讯等领域。本文对于灰度图像中正面人脸的自动检测与识别问题进行了深入研究,主要工作及贡献如下:1.针对灰度图像,提出一种基于知识的人脸检测方法,根据人脸检测先验知识,在传统的马赛克方法基础上,建立了人脸检测知识库,采用积分图方法计算子块的统计量,从而显著地提高了检测速度。仿真结果表明,与其它方法相比该方法在检测速度与检测率方面均有提高。2.提出了一种基于支持向量机的人脸检测方法。对预处理后的图像进行离散余弦变换提取特征,取DCT系数作为支持向量机的输入,将经过裁剪的“人脸”样本与“自举”方法得到的“非  (本文共122页) 本文目录 | 阅读全文>>

华南理工大学
华南理工大学

基于小波分析和支持向量机的人脸识别方法研究

人脸识别是计算机视觉和模式识别领域中非常活跃的一个研究方向,在生物特征识别中占有很重要的地位,它不仅在国家安全、公安、金融、安检等身份鉴别系统中有广泛的应用,而且在可视通讯、人机接口等领域也有深入的应用。人脸图像的特征提取和分类器设计是影响人脸识别效果的重要组成部分。针对人脸识别中遇到的表情、光照、姿态等影响以及“小样本”问题,并且考虑到小波变换后得到的低频子图对人脸的表情和姿态具有相对不敏感性,以及支持向量机(Support VectorMachines,SVM)算法在处理高维、小样本问题时具有的优势,本论文主要研究了小波变换在人脸特征提取中的应用和支持向量机在人脸分类识别中的应用,并对其进行了改进和创新,主要工作及贡献如下:(1)首先介绍了小波变换和支持向量机的基本原理以及在人脸识别中的应用,然后介绍了主成分分析(Principal Component Analysis,PCA)方法和线性判别分析(LinearDiscrim...  (本文共73页) 本文目录 | 阅读全文>>

河南大学
河南大学

人脸识别中若干问题研究

通过某种算法提取人脸的面部特征,然后进行特征匹配以确定人脸的归属,这就是所谓的人脸识别。它包括人脸跟踪、人脸检测、面部特征点检测、人脸识别、表情分析等多种内容。本文以河南省自然科学基金攻关项目“双目视觉监控系统研制”和河南省高校杰出科研人才创新工程项目“基于PGF和模糊技术的分布式图像分割”为依托,对人脸识别中的若干问题,特别是人眼定位,进行研究。主要工作归纳如下:第一,针对复杂背景下灰度人脸图像中人眼定位的问题,本文提出了一种改进的基于阈值的人眼定位算法。首先对基于均衡处理后的图像估计出初始阈值;其次采用阈值递增法逐次二值化图像,并对二值图像中的黑块逐一标记。然后用人眼位置判定准则确定可能的人眼区域,用相似度准则从中标记出两眼黑块。实验结果说明了该算法的有效性。第二,利用Gabor小波良好的生物特性和二维主元分析的降维能力,本文提出了一种基于Gabor小波和二维主元分析的人脸识别方法。这一方法和基于Gabor小波和主元分析的人...  (本文共67页) 本文目录 | 阅读全文>>

青岛大学
青岛大学

基于支持向量机的人脸识别技术研究

人脸识别是生物特征识别的一个重要分支,也是计算机视觉与模式识别领域非常活跃的研究方向。相对于图像向量维数而言,人脸识别是一个高维、非线性小样本问题,而支持向量机解决该类问题,可以有效避免过学习现象,通过引入核函数,支持向量机将非线性不可分问题投射到高维空间后转化为线性可分问题。由于支持向量机最初是为解决两类分类问题提出的,如何将其应用于多类分类问题中仍然是目前研究的热点,本文提出一种改进的基于支持向量机的多类分类方法,有效地减少人脸识别过程的训练时间和测试时间并得到很高的识别率。本文主要做了以下工作:(1)分析比较基于支持向量机的多类分类方法,对构成分类边界的最优超平面进行分析,引入样本的特征空间距离,提出一种改进的基于支持向量机的多类分类器的构造方法,有效地减少分类超平面的数目,提高了训练效率,同时改进了基于“投票”机制和基于树的测试算法,并在UCI数据库上进行实验,与传统方法作比较;(2)研究了用于人脸识别的特征向量的选择和...  (本文共55页) 本文目录 | 阅读全文>>

华中科技大学
华中科技大学

基于支持向量机的人脸识别技术

人脸识别是当前模式识别和图像处理领域的热点和难点, 而且因其具有广泛的实际应用背景, 开展对人脸识别的研究意义重大. 人脸作为一个非刚体, 具有形变大、影响因素多且易受干扰的特点. 而且因为实际条件的限制, 不可能对每个人都采集很多样本, 相对于其图像向量维数而言, 是一个小样本问题. 对于这样一个高维数、非线性的小样本问题, 许多传统的模式识别方法都容易出现过学习或欠学习现象. 支持向量机专门针对小样本问题设计, 基于统计学习理论的结构风险最小化原则, 选用最优分类超平面作为判别函数, 以最大化分类间隔为条件, 将分类问题转化为一个简单的二次规划问题, 使问题具有唯一的极值点. 通过引入核函数, 巧妙将线性不可分问题投射到高维空间后转化为线性可分. 而且因为采用核机制, 问题的计算复杂度并没有增加. 通过选取不同的核函数, 许多传统的分类方法都可以在支持向量机里找到相应的作用机理. 支持向量机在解决小样本问题方面已经表现出许多...  (本文共57页) 本文目录 | 阅读全文>>

杭州电子科技大学
杭州电子科技大学

面向人与机器人交互的目标跟踪与识别算法研究

随着服务机器人的迅猛发展,对人与机器人交互(Human-Robot Interaction, HRI)提出了更高的要求。科技的发展,特别是计算机技术和机器人技术的发展,使得HRI已经逐渐发展成为一个独立的研究领域。视觉HRI是人与机器人通过视觉传感器进行交互的技术,主要包括人的认知、人手势识别和社会交互等子课题。本文以视觉HRI中人的认知为切入点,重点研究了以人体或人脸为主要目标的视觉目标跟踪技术和人脸检测与识别技术。本文提出了一种基于多特征融合的粒子滤波目标跟踪算法。在该算法中,采用自适应颜色直方图作为目标颜色模型,根据目标的颜色分布自适应地选择整体颜色直方图或多块颜色直方图。同时为了克服背景混淆对目标跟踪的影响,引入边缘方向特征作为目标跟踪的辅助特征,把颜色特征和边缘方向特征视为两条独立的跟踪线索,在粒子滤波框架下采用乘性融合策略实现对目标的跟踪。实验结果表明本文提出的算法不但能够提高目标跟踪的鲁棒性,而且在严重背景混淆下也...  (本文共82页) 本文目录 | 阅读全文>>