基于尺度不变特征变换和SVM的人脸检测算法.pdfVIP

第３０卷第７期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．７ ２０１３年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２０１３ 基于尺度不变特征变换和ＳＶＭ的人脸检测算法 赵　骥　吴金龙　艾　青 （辽宁科技大学软件学院　辽宁鞍山 １１４０５１） 摘　要　　模糊支持向量机的提出克服了过学习问题和减少了多类问题分类时存在的不可分区域，被成功地应用在分类检测问题 中。在人脸的特征提取和检测实验中，使用变分的测地活动轮廓模型对人脸分割定位，通过尺度不变特征变换算法提取人脸图像的 数字特征，然后用一种改进的紧密度模糊支持向量机进行人脸检测。改进的紧密度模糊支持向量机通过交叉确认来获取较好的隶 属度函数的参数，提高了算法的执行效果。实验表明改进算法有较好的分类精度和鲁棒性。 关键词　　机器视觉　模式识别　测地活动轮廓模型　尺度不变特征变换　模糊支持向量机 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．０７．０４２ ＡＦＡＣＥＤＥＴＥＣＴＩＯＮＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮＳＣＡＬＥＩＮＶＡＲＩＡＮＴＦＥＡＴＵＲＥ ＴＲＡＮＳＦＯＲＭＡＮＤＳＵＰＰＯＲＴＶＥＣＴＯＲＭＡＣＨＩＮＥ ＺｈａｏＪｉ　ＷｕＪｉｎｌｏｎｇ　ＡｉＱｉｎｇ （ＳｃｈｏｏｌｏｆＳｏｆｔｗａｒｅ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＬｉａｏｎｉｎｇ，Ａｎｓｈａｎ１１４０５１，Ｌｉａｏｎｉｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｈｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｏｖｅｒｃｏｍｅｓｔｈｅｏｖｅｒｆｉｔｔｉｎｇｐｒｏｂｌｅｍａｎｄｒｅｄｕｃｅｓｔｈｅｕｎｃｌａｓｓｉｆｉａｂｌｅｒｅｇｉｏｎｓ ｅｘｉｓｔｉｎｇｉｎｍｕｌｔｉｃｌａｓｓｃｌａｓｓｉｆｉｃａｔｉｏｎ，ａｎｄｈａｓｂｅｅｎｓｕｃｃｅｓｓｆｕｌｌｙａｐｐｌｉｅｄｉｎｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｄｅｔｅｃｔｉｏｎｉｓｓｕｅｓ．Ｉｎｅｘｐｅｒｉｍｅｎｔｓｏｆｆａｃｅｆｅａｔｕｒｅｓ ｅｘｔｒａｃｔｉｏｎａｎｄｄｅｔｅｃｔｉｏｎ，ｔｈｅｖａｒｉａｔｉｏｎａｌｇｅｏｄｅｓｉｃａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｉｓｕｓｅｄｆｏｒｆａｃｅｓｅｇｍｅｎｔａｔｉｏｎａｎｄｌｏｃａｌｉｓａｔｉｏｎ，ａｎｄｓｃａｌｅｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅｔｒａｎｓｆｏｒｍａｌｇｏｒｉｔｈｍｉｓｅｍｐｌｏｙｅｄｔｏｅｘｔｒａｃｔｔｈｅｄｉｇｉｔａｌｆｅａｔｕｒｅｓｏｆｆａｃｅｉｍａｇｅｓ．Ｔｈｅｎａｎｉｍｐｒｏｖｅｄａｆｆｉｎｉｔｙｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｉｓ ａｐｐｌｉｅｄｔｏｆａｃｅｄｅｔｅｃｔｉｏｎ．Ｔｈｉｓｉｍｐｒｏｖｅｄａｆｆｉｎｉｔｙｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｏｂｔａｉｎｓｂｅｔｔｅｒｐａｒａｍｅｔｅｒｓｏｆｍｅｍｂｅｒｓｈｉｐｆｕｎｃｔｉｏｎｓｔｈｒｏｕｇｈ ｃｒｏｓｓｖａｌｉｄａｔｉｏｎ，ｗｈｉｃｈｉｍｐｒｏｖｅｓｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｅｆｆｅｃｔｏｆｔｈｅａｌｇｏｒｉｔｈｍ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｈａｓｂｅｔｔｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙａｎｄｒｏｂｕｓｔｎｅｓｓ． Ｋｅｙｗｏｒｄｓ　　Ｍａｃｈｉｎｅｖｉｓｉｏｎ　Ｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ　Ｇｅｏｄｅｓｉｃａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌ　Ｓｃａｌｅｉｎｖａｒｉａｎｔｆｅａｔｕｒｅｔｒａｎｓｆｏｒｍ　Ｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒ ｍａｃｈｉｎｅ（ＦＳＶＭ） 本隶属度的极大值，往往不能得到最好的分类效果［３］。基于 ０　引　言 此，本文提出了一种改进的紧密度模糊支持向量机。该算法将