基于支持向量回归的面部特征点定位算法-控制工程专业论文.docxVIP

PAGE III PAGE III sample from the region close enough to the target location which improves accuracy of SVR.So this strategy can effectively improve the positioning accuracy. (4) Finally, our algorithm is tested in different databases and the experiments results show the feasibility and effectiveness of the algorithm. and our algorithm have good robustness about the variation of expressions, illumination, and posture. Keywords: support vector regression, Gabor wavelet transform, Local Binary Pattern, information updated sampling strategy based on the estimated point PAGE IV PAGE IV 目 录 摘 要 I Abstract II 目 录 IV 第 1 章 绪论1 1.1 研究背景与意义 1 1.2 面部特征点定位概述 2 1.2.1 国内外研究现状 2 1.3 面部特征点定位研究存在的问题 4 1.4 本文的主要工作 5 第 2 章 支持向量回归 6 2.1 统计学习理论 6 2.1.1 机器学习问题 6 2.2 支持向量机 7 2.2.1 最优超平面 7 2.2.2 支持向量机 9 2.3 支持向量回归 9 2.3.1 回归分析的问题表述 10 2.3.2 ε-不敏感函数 10 2.3.3 最优超平面 11 2.3.4 支持向量回归的特点 12 2.3.5 改进的支持向量回归 12 2.4 实验验证 13 2.5 本章小结 14 第 3 章 纹理特征与特征选择 15 HYPERLINK \l _TOC_250003 Gabor 小波 15 HYPERLINK \l _TOC_250002 Gabor 小波变换 15 HYPERLINK \l _TOC_250001 一维 Gabor 小波变换 17 HYPERLINK \l _TOC_250000 二维 Gabor 小波变换 18 3.2 局部二值模式 18 3.2.1 基本的局部二值模式 19 3.2.2 扩展的局部二值模式 19 LBP 的统一模式 21 LBP 统计直方图 21 3.3 Gabor 小波与 LBP 相结合的特征描述方法 23 3.3.1 Gabor 小波与 LBP 相结合进行特征描述的实现过程 23 3.3.2 实验验证 24 3.4 特征选择 25 3.4.1 特征选择的过程 25 3.4.2 搜索策略 26 PAGE V PAGE V 3.4.3 几种典型的特征选择方法 28 3.4.4 基于相关性的特征选择方法 30 3.5 本章小节 31 第 4 章 基于预测目标点信息更新的采样策略 33 4.1 初始采样区域 33 4.1.1 标定训练集 33 4.1.2 初始化采样区域 34 4.2 基于预测目标点信息更新的采样策略 35 4.3 实验验证 36 4.4 本章小节 37 第 5 章 基于支持向量回归的面部特征点定位算法 38 5.1 基于支持向量回归的面部特征点定位算法38 5.2 常用人脸数据库 41 5.3 实验结果 41 5.3.1 面部特征点定位准确性的评价标准 41 5.3.2 不同数据库中面部特征点检测实验 42 5.3.3 算法定位稳定性试验 49 5.3.4 与其他方法的比较 50 5.4 本章小节 51 第 6 章 总结与展望 52 6.1 总结52 6.2 展望53 参考文献54 致 谢59 南昌航空大学硕士学位论文原创性声明 60 南昌航空 南昌航空大学硕士学位论文 第 1 章 绪论 PAGE PAGE 1 第 1 章 绪论 1.1 研究背景与意义 随着科学技术的突飞猛进，人们的生活水平得到改善，于是对于生命财产安 全的要求也提高了。现存的一些老式的技术，如 ATM 卡、证件、密码、钥匙等， 随着犯罪分子手段的提高已经逐渐不能满足人们生命财产安全可靠性的要求。另 外这些传统技术也拥有本身的弊端，比如，容易