基于支持向量機的正面人臉檢測研究.pdf

1、目前人臉檢測的研究重點已逐漸集中于在復雜條件下的人臉檢測，一方面需要檢測系統(tǒng)提高人臉檢測率降低錯誤報警率，另一方面希望加快檢測速度同時易于訓練，能夠快速適應不同的環(huán)境。由于支持向量機方法具有堅實的數(shù)學基礎(chǔ)和良好的推廣能力，它被廣泛的用于模式識別和回歸分析等問題中。在本文中，我們主要討論了支持向量機方法在人臉檢測中的應用，同時提出了采樣非線性支持向量機過濾器和基于矩形特征的非線性支持向量機檢測方法。 支持向量機是一種統(tǒng)計學習理論，

2、我們通過一個簡單的線性分類問題說明了它的具體思想，然后介紹了幾種改進的訓練算法，利用這些改進方法我們能夠大大加快支持向量機的訓練過程。 傳統(tǒng)的支持向量機人臉檢測方法是將檢測圖像中的像素作為輸入，與之配合的過濾器也是如此。我們對人臉平均模板、主分量分析和采樣非線性支持向量機三種過濾器通過實驗進行了詳細的分析和比較，采樣支持向量機過濾器取得了最好的過濾效果。在檢測中，圖像序列中的檢測窗口被依次送入過濾器和主檢測器，通過的窗口經(jīng)過定位

3、合并最后在原圖像上輸出。 我們提出了基于矩形特征的支持向量機人臉檢測方法，它將Viola方法中的矩形特征和層疊分類器與支持向量機結(jié)合起來，把經(jīng)過簡化的層疊分類器作為過濾器，支持向量機主檢測器的輸入也變成了經(jīng)過選擇的矩形特征。這樣雖然檢測速度比Viola方法有所下降，但是可以大大加快訓練速度，同時取得相當?shù)娜四槞z測率和錯誤報警率。為了進一步提高檢測速度，我們介紹了SIMD(single-instruction，multiple-d