人臉圖像分析算法研究.pdf

1、計算機視覺與模式識別技術是計算機科學和人工智能研究領域的重要分支，計算機視覺的目的在于研究人類視覺的計算模型，并利用機器來實現(xiàn)視覺專用系統(tǒng)。本文主要以人臉為研究對象，采用機器學習的方法，提出了一系列人臉檢測、跟蹤和識別的相關算法；同時，本文還研究了高維數(shù)據(jù)的非線性降維和角點檢測問題。主要工作如下： (1)人臉檢測是人臉識別的前期工作。本文以簡單的Haar特征結合閾值構造弱分類器，通過AdaBoost學習選擇和集成弱分類器，最后按

2、照分層結構把集成的分類器組合在一起；同時，在檢測過程中采用積分圖的方法計算特征，保證了檢測的速度。 (2)基于主成分分析(PCA)的特征臉法是人臉識別中應用最廣泛的方法之一。但是這種方法平均的對待每一維特征，無視不同特征在識別中所起作用的不同，這里提出了一種新的加權主成分分析算法。與傳統(tǒng)主元分析不同，加權主元分析根據(jù)特征的分類能力進行加權，通過最小化加權重建誤差來尋找加權子空間，并利用點到加權子空間的距離進行分類。加權系數(shù)可以通

3、過計算每維特征類間方差與類內方差之比獲得。實驗表明，加權主元分析與傳統(tǒng)主元分析相比可以大大提高識別率。 (3)本文還在人臉檢測器的基礎上，提出了一種置信度梯度尋優(yōu)的人臉跟蹤算法，并以DirectShow為平臺實現(xiàn)了一個多人臉跟蹤系統(tǒng)。當視頻輸入大小是320×280，每秒15幀；該系統(tǒng)可以平滑地在P41.4GHZ的計算機上運行。 (4)在分析和討論LLE和Isomap這兩種非線性降維方法的基礎上，給出了一類基于保角變換的I