基于支持向量机和平均模板的多角度人脸检测.PDFVIP

第26 卷 第11 期 湖南科技学院学报 Vol.26 No. 11 2005 年11 月 Journal of Hunan University of Science and Engineering Nov.2005 基于支持向量机和平均模板的多角度人脸检测 王 伟1 2 2 1 3 魏世泽 赵全友 1.湖南科技学院 计算机与信息科学系 湖南 永州 4250062.河北科技大学 信息工程学院 河北 石家庄 050018 3.广东工业大学信息工程学院 数字图像研究所 广东 广州 510643 摘 要 提出了一种基于支持向量机和平均模板的多角度单人脸检测算法 该方法首先利用SVM 进行粗检测得到候选人 脸图像 再通过平均模板匹配来初步得出候选人脸的大致朝向 最后采用BP 神经网络的方法对前两步进行验证 实验结果表 明本算法在检测速度和检测率等方面取得了较好的效果 并且其结果为人脸识别提供了方便 充分说明了其有效性和有用性 关键字 人脸检测 支持向量机 模板匹配 BP 神经网络 中图分类号 TP274 文献标识码 A 文章编号 1673-2219200511-0131-04 1引 言 的推广性差 另一方面就是学习性能差 无法胜任人脸这种 人脸识别技术是模式识别领域中的一个前沿课题 以其 非线性很强的模式 近年来 为解决小样本问题学习和分类 直接性 唯一性 方便性等特点 在虚拟现实 智能人机接 提出的建立在统计学习理论基础上的支持向量机 SVM 口 视频会议系统和监控系统等方面有着非常广泛的应用前 Support Vector Machines 方法脱颖而出 被引入到人脸 景和独特的学术价值 自9.11 事件后 人脸识别成为最有 检测这一典型的复杂的分类问题领域中来 SVM 理论是由 潜力的生物身份验证手段 而实现自动 准确和快速检测人 Vapnik 在90 年代中期提出的一种新的基于结构风险最小化 [5] 脸是实现人脸识别的一项关键任务 算法的性能直接影响到 原理的统计模式分类方法 用于分类与回归问题 Osuna 整个人脸识别系统的性能 同时 人脸检测算法在视频库和 首先将SVM 方法用于人脸检测,并取得了较好的效果 SVM 图像库的检索中也有重要的作用 因此 所面临的一系列问 既可以克服神经网络所固有的过学习和欠学习问题 又有很 题使得人脸检测开始作为一个独立的课题受到研究者的重 强的非线性分类能力 所以本文提出的方法采用SVM 作为 视 人脸检测器来对预处理后的图像进行粗筛选 确定候选人脸 [1] 人脸检测主要方法有 肤色分割法 如利用肤色聚集 区 特性分割法 肤色与对称信息法 基于启发式模型的方法 由于人脸检测可以看作是人脸识别的第一步 所以它的 [2] 如马赛克法 模版匹配法 基于统计模型的方法 如特征 结果应该为人脸识别服务 而人脸识别要将待识别人脸图像 [3] 空间法 聚类学习法 人工神经网络法 概率模型法 支 和数据库中的人脸图像进行逐一比较 所以缩小这个搜索范 [4] 持向量机法 基于积分图像特征的 Adaboost 法 一