基于Boosting算法的人臉識別方法的研究.pdf

1、人臉識別是一個典型的圖像模式分析、理解與分類計算問題，它涉及到模式識別、圖像處理、計算機(jī)視覺、統(tǒng)計學(xué)習(xí)和認(rèn)知科學(xué)等多個學(xué)科。人臉識別問題的深入研究和最終解決，可以極大的促進(jìn)這些學(xué)科的成熟和發(fā)展。同時，作為生物特征識別主要研究內(nèi)容之一的人臉識別技術(shù)在公共安全、證件驗證、門禁系統(tǒng)、視頻監(jiān)視等領(lǐng)域中都有著廣泛的應(yīng)用前景。 目前，大量的人臉識別方法已經(jīng)被提出，這些方法主要集中在兩個方面：（1）.如何表征一個人臉圖像，即人臉圖像的特征提取

2、；（2）.針對所提取人臉的特征設(shè)計有效的分類器，實現(xiàn)對人臉的正確分類。本文的主要工作集中于這兩個方面，本文采用了局部二值模式（Local Binary Pattern-LBP）作為人臉的特征描述，同時將Boosting學(xué)習(xí)算法應(yīng)用于篩選最有分類效果的特征，并構(gòu)造最后的分類器。 局部二值模式是一種灰度范圍內(nèi)的紋理描述方式，它從一種紋理局部近鄰定義中衍生出來，最初是為了輔助性地度量局部圖像對比度而提出。近年來，研究者們成功地將之作為

3、自動人臉識別的人臉特征描述方式，取得了顯著的效果。 本文采用AdaBoost學(xué)習(xí)算法應(yīng)用于人臉識別中。由于AdaBoost學(xué)習(xí)算法是兩類分類算法，需要將人臉識別這種多類分類問題轉(zhuǎn)化為兩類分類問題，即類內(nèi)差與類間差。由于這種轉(zhuǎn)化會造成樣本集非常大、正負(fù)樣本數(shù)量嚴(yán)重不平衡問題。為了解決這兩個問題，本文采用了級聯(lián)（cascade）策略進(jìn)行訓(xùn)練，并且在每一級的訓(xùn)練中采用重采樣的方法選擇負(fù)樣本。最后把每一級里訓(xùn)練出來的弱分類器組合成一個強