自動(dòng)人臉識(shí)別方法的研究與實(shí)現(xiàn).pdf

1、在生物特征識(shí)別中，人臉識(shí)別技術(shù)占有極為重要的地位，它是模式識(shí)別與人工智能的研究熱點(diǎn)之一。人臉識(shí)別在安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、醫(yī)學(xué)、檔案管理、視頻會(huì)議、人機(jī)交互、公安系統(tǒng)等方面有著巨大的應(yīng)用前景。 本文在分析和總結(jié)國(guó)內(nèi)外近十多年來(lái)的相關(guān)研究成果和最新研究進(jìn)展的基礎(chǔ)上，針對(duì)應(yīng)用上急需解決的人臉識(shí)別方法中的問(wèn)題進(jìn)行了系統(tǒng)的實(shí)驗(yàn)，重點(diǎn)研究了人臉識(shí)別過(guò)程中的特征提取與降維，研究?jī)?nèi)容如下： 小波變換以其良好的多分辨率特性被廣泛地應(yīng)用

2、于圖像分析和處理領(lǐng)域。離散小波變換(DWT)低頻子帶包含了原圖像的主要信息；DWT方法和Adaboost方法均起到降維作用，但單獨(dú)使用均具有一定的局限性，因此本文提出一種用DWT提取低頻子帶系數(shù)作為樣本特征，再用Adaboost算法進(jìn)行特征降維的人臉識(shí)別方法。由于離散小波變換方法降低了圖像維數(shù)，并且降低了干擾信息，因此提高了識(shí)別率及識(shí)別速度。 目前，模式識(shí)別領(lǐng)域中應(yīng)用最為廣泛的是統(tǒng)計(jì)學(xué)習(xí)理論。支持向量機(jī)是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上

3、的解決兩類(lèi)問(wèn)題的學(xué)習(xí)方法。由于其快速性和有效性，近年來(lái)得到了廣泛的研究和應(yīng)用。文中簡(jiǎn)單介紹了支持向量機(jī)的原理。在人臉識(shí)別部分，結(jié)合離散小波變換與Adaboost算法，提出一種以離散小波變換和Adaboost算法生成和提取特征，以支持向量機(jī)做分類(lèi)器的人臉識(shí)別方法。將DWT產(chǎn)生的低頻子帶系數(shù)用Adaboost進(jìn)行降維后，作為分類(lèi)器的輸入進(jìn)行訓(xùn)練。分類(lèi)器的設(shè)計(jì)我們選用了“1-多”策略支持向量機(jī)方法對(duì)人臉樣本進(jìn)行分類(lèi)。 本文在ORL人臉