应用支援向量机於人脸侦测之研究.pdfVIP

應用支援向量機於人臉偵測之研究 吳瑞堯 劉嘉倫 世新大學 世新大學 rywu@.tw allan_0929@ 辨識速度或是辨識率上都相當令人滿意。已經被應 摘要 用在文字分類(text categorization)[12]、影像識別 (image recognition)[9]、手寫數字辨識(hand-written 大部份人臉辨識應用所拍攝之影像，人臉只是 digit recognition)[1]、資訊採掘(data mining)[13]、生 其中的一部分，必須先找尋到人臉在影像中的位 物資訊(bioinformatics)[14]等領域。本論文目的是希 置，才能擷取該範圍進行辨識，在影像中找尋人臉 望利用SVM優異的分類特性，針對複雜及人臉數較 位置的程序稱為人臉偵測。人臉偵測是人臉辨識的 多的環境來進行人臉偵測並達成快速而正確偵測 重要前置作業，如果人臉偵測的精確度高，不但可 人臉的目標。 以簡化人臉辨識的難度，更可以提升人臉辨識的正 確率。 2. 研究方法 近年來，支援向量機(Support Vector Machines) 成為受人矚目的機器學習方法，它不論是辨識速度 近幾年人臉偵測及辨識有不少研究成果 或是辨識率上都相當令人滿意。本論文利用支援向 [16,19]，本論文希望建立一個人臉偵測系統，從輸 量機建立一個人臉偵測系統，從輸入的彩色影像中 入的彩色影像中偵測出人臉的位置，並且標示出人 偵測出人臉的位置，並且標示出人臉及眼睛。整個 臉及眼睛。如圖 1 人臉偵測流程圖所示，人臉偵測 人臉偵測流程分成四個階段，分別為前置處理、臉 流程主要分成四個階段，分別為前置處理、臉部定 部定位、特徵抽取及人臉驗證。 位、特徵抽取及人臉驗證。 實驗結果顯示，在複雜的環境及人臉數較多的 影像上進行人臉偵測，正確率為 93.8%，平均每張 前置處理階段包含膚色偵測和雜訊去除等步 影像花費的偵測為 0.87 秒。證明本論文的方法確實 驟，首先，系統對輸入的彩色影像進行膚色偵測， 接著利用雜訊去除步驟去除影像中的小雜點。由此 可行，而且在偵測率及速度上均有相當不錯的表 項階段中界定出可能為人臉的範圍。臉部定位階段 現，整體來說優於其它人臉偵測方法。 包含相鄰元素標定、元件篩選和範圍調整等步驟。 關鍵詞：人臉偵測、支援向量機、機器學習 由前置處理階段所得到的