SVM在人脸识别中应用的论文.pptVIP

SVM在人脸识别中的应用 红酒 介绍 主要是关于SVM理论在人脸上的应用 本人现在还没做出实际的实验结果还是理论分析和探讨的过程,基于的是SPIDER的matlab编程环境下的仿真还在学习过程中. 讨论主题 基于肤色的分类,通过SVM训练,识别出人脸. 人脸检测方法 基于知识knowledge-based methods 的方法 基于特征不变性feature invariant approaches 的方法 模版匹配template matching methods 的方法 基于外观appearance-based methods的方法 肤色模型 本文采用的是基于特征不变性的方法. 肤色是人脸非常重要的一个特性,是带有人物的彩色图象中数据量相对集中且稳定的区域.有研究表明:尽管不同民族、不同年龄、不同性别的人的肤色看上去不同，但这种不同主要集中在亮度上，在色度空间里，不同人的肤色分布具有聚类性。肤色聚类的任务是在选定的颜色空间内求出肤色的分布，肤色的这种聚类特性可以用来从背景中分割出人脸。 选择色彩空间 选取YCbCr色彩空间的原因：（1）RGB色彩空间表达色度信息和亮度信息是混合在一起的，为利用肤色在色度空间的聚类性，需要把颜色表达中的色度信息与亮度信息分开，因为环境光线变化对肤色的判定有很大影响，而YCbCr色彩空间是修改YUV色彩空间所得到的，分为亮度Y与Cb与Cr两个色度，对亮度的分离性高，便于色度分开操作，适合进行图像处理。（2） YCbCr色彩空间不是单纯地依靠压缩色彩信息来降低误检率，而是将人脸的肤色信息集中于两个色度分量上，且是两维独立分布。 （3） YCbCr色彩空间和通用视频输入源的格式一致，无需额外作色度空间的变换，既实现了色彩信息的压缩，也实现了亮度色度的分离，有利于以后的动态视频人脸检测的研究。 （4）从RGB空间到YCbCr色彩空间是线性变换，与HSV、HIS等空间变换 肤色分割 简单图象的肤色分割（1）对人脸样本在CbCr色度空间进行统计学习，得到一个CbCr平面中的人脸肤色分布模型。（2）放大分析肤色分布图，可以发现肤色像素主要分布在区间： 复杂背景的图象（１）选择有代表性的各种光照、不同人种（主要以亚洲、欧美人为选择对象）的人脸图象，利用手工采集人脸皮肤样本，以额头和面颊上的皮肤为主要采集对象。（２）利用统计的方法，在ＹＣｂＣｒ色彩空间建立一个高斯模型Ｎ（ｍ，　），得到人脸肤色直方图见图１和高斯分布图见图２。　（３）将输入的ＲＧＢ彩色图象转化到ＹＣｂＣｒ颜色空间，对图象中每个像素用公式计算高斯模型概率，判断图象中各个像素点的色度值是否符合模型的分布，得到似然度图象． (4)将似然度图象二值化，用３＊３的中值滤波器去除噪声，得到更准确的肤色区域． 小结：经过肤色分割后的图象大大缩小了人脸的搜索范围，为后面基于ＳＶＭ的人脸检测方法打下了良好的基础． ＳＶＣ（Ｓｕｐｐｏｒｔ　Ｖｅｃｏｔｒ　Ｃｌｕｓｔｅｒｉｎｇ）支持向量聚类理论的介绍 SV-Clustering的基本算法思想如下 ： 应用的进行 下面介绍下我的设想了，基本还没通过ＭＡＴＬＡＢ仿真，先在我自己的头脑中模型了下，如果有错误的概念，请间谅！ 流程：图象资源进行色彩空间的转换－＞通过预处理，进行肤色分割－＞然后将肤色信息用ＳＶＣ的ＳＶＭ模块进行训练（到现在这个模块我还没做出来）－＞训练出分类后，标记出位置（希望能得到是人脸）． ＳＶＣ因为选取参数时处于自由度很大，由于我把肤色信息提取成二维色度信息了，训练时基本可以通过直观的方式确定参数，然后大量的训练其他样本去验证这个算法的可靠性． 当然现在还是我的想法，还没有实践的结果，所以只供讨论之用，不能做为结果和实验，希望可以跟大家共同研究，也希望更多的帮助，谢谢！ * * 肤色区间在一定光照变化范围内保持稳定。 （3）将输入的RGB图象转化到YCbCr颜色空间，然后采用阈值方法对肤色区域进行判决，判断图象中各个像素点的色度值是否符合模型的分布，获得预分割的肤色区域。 其中，　　　　是输入图象中原有的像素值，　　　是肤色预分割后该像素点的值． （４）将图象转变成一个二值图象，用中值滤波和形态学算子剔除有噪声引起的孤立小区域，得到更准确的肤色区域． 其中　　　　　　　， , 图１ 图２ * * *