基于核函数的人脸检测研究

人脸识别是模式识别与计算机视觉、生物识别技术的交叉学科，而人脸检 测是人脸识别系统的关键环节。根据生物识别领域内最新研究表明，非线性样 本的处理和降维是人脸识别研究现今面临的两个主要问题。 核函数作为一种有效的处理非线性空间(可分/不可分)样本和迅速降维 的理论和方法，随着支持向量机的普及，在近年来的模式识别领域得到了广泛 的关注。将“核方法”与传统的特征提取和分类方法相结合，相继产生了许多 新颖、有效的检测识别方法。本文主要研究内容是核函数的基础理论、算法性 能改进以及在人脸检测中的应用。 本论文首先概述了人脸检测研究的发展现状。在此基础上，系统阐述了核 函数理论的历史起源、基础理论、应用算法。针对基于核函数的FISH欧判别 (KFD)、基于核函数的主元分析法(KPCA)以及核函数的构造和参数选取作了 一定的研究探讨。最后将训练好的核函数人脸检测机器应用于非线性空间人脸 样本的检测，取得了较为满意的结果。 第一部分，通过阅读、学习大量中英文文献，概述了人脸检测技术研究的 现状，对人脸识别系统中的传统特征提取、分类方法作了综述。针对人脸检测 技术的非线性处理能力、降维能力、实时性、鲁棒性，比较了各种方法的优劣， 提出了存在的疑难问题和本文的研究任务。 第二部分，从分析神经网络的局限性和疑难点入手，讨论了支持向量机取 得成功的两大关键要素—凸二次规划和核函数，由此引出了统计学习理论和核函数理论。然后探讨了一系列核函数思想与传统的模式识别方法相结合的“核 方法”，如核FISHER判别、核主元分析法、核感知器，研究了核函数的构造和 参数的选取优化。通过做TLAB仿真试验实现了这些方法，并对各自的性能进行 了比较;基于核函数理论和现有的人脸特征提取方法，针对样本的非线性这一 人脸检测领域的重难点，提出了改进的核函数学习机器。 第三部分，基于核函数方法，提出了一个基于核函数理论、方法的人脸检 测及验证算法。用改进的SvM实现了人脸检测，改进的KPCA实现了人脸验证。 并且给出了仿真试验的数据、图片等结果，并对结果进行了分类、比较和推论。 实验证明，基于核函数的人脸检测验证算法具有突出的小样本学习能力，对处 理非线性空间对象和降维十分有效，识别精度和鲁棒性均令人满意。