【摘 要】
：
人脸识别是一个典型的图像模式分析、理解与分类计算问题，它涉及到模式识别、图像处理、计算机视觉、统计学习和认知科学等多个学科。人脸识别问题的深入研究和最终解决，可以极
论文部分内容阅读
人脸识别是一个典型的图像模式分析、理解与分类计算问题，它涉及到模式识别、图像处理、计算机视觉、统计学习和认知科学等多个学科。人脸识别问题的深入研究和最终解决，可以极大的促进这些学科的成熟和发展。同时，作为生物特征识别主要研究内容之一的人脸识别技术在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。
目前，大量的人脸识别方法已经被提出，这些方法主要集中在两个方面：（1）.如何表征一个人脸图像，即人脸图像的特征提取；（2）.针对所提取人脸的特征设计有效的分类器，实现对人脸的正确分类。本文的主要工作集中于这两个方面，本文采用了局部二值模式（Local Binary Pattern-LBP）作为人脸的特征描述，同时将Boosting学习算法应用于筛选最有分类效果的特征，并构造最后的分类器。
局部二值模式是一种灰度范围内的纹理描述方式，它从一种纹理局部近邻定义中衍生出来，最初是为了辅助性地度量局部图像对比度而提出。近年来，研究者们成功地将之作为自动人脸识别的人脸特征描述方式，取得了显著的效果。
本文采用AdaBoost学习算法应用于人脸识别中。由于AdaBoost学习算法是两类分类算法，需要将人脸识别这种多类分类问题转化为两类分类问题，即类内差与类间差。由于这种转化会造成样本集非常大、正负样本数量严重不平衡问题。为了解决这两个问题，本文采用了级联（cascade）策略进行训练，并且在每一级的训练中采用重采样的方法选择负样本。最后把每一级里训练出来的弱分类器组合成一个强分类器，即最后的分类器。我们在FERET数据库上做了大量的实验来验证本文算法的性能，实验结果表明本文算法能够取得很高的识别率，具有有效性和可行性。
其他文献
Web服务是一种应用程序之间通信的标准方法。该方法建立在现有互联网标准之上,跨语言和平台,能够实现不同平台、不同应用程序及组件之间的紧密操作。Web服务被越来越多的提供
通过对规划问题研究,定义了一种新的动作——抢占式动作。对抢占式动作的研究包括了敌意规划和时态规划两方面,并且实现了系统RAP。带有抢占式动作的敌意规划研究提出了新的
近年来,自然景物的模拟一直是计算机图形学领域最具挑战的问题之一,关于山、水等自然景物的模拟,在计算机游戏、影视、广告各领域中有着广泛的用途,作为自然景物模拟的重要内
分布式拒绝服务攻击简称DDoS攻击。一般定义为攻击机通过控制网络中大量主机,进而利用这些主机向受害机发送伪造的报文,以此方式消耗目标机资源,致使其不能为正常的请求提供
网格计算自上世纪90年代提出以来,就倍受人们关注。网格的理念是跨域的资源共享,消除信息孤岛。就像TCP/IP协议是互联网的核心一样,为了实现跨域资源及计算力协同共享的目的,
结构化对等网系统通常是建立在忽视底层网络的逻辑重叠网上的虚拟网络。基于分布式哈希表技术的对等网系统把关键字映射成ID标识符并以ID标识符构建重叠网。这种设计使结构化
当面对求解一个问题的新算法的时候,我们的兴趣在于形成这样一种粗略的认识:新算法预期能有多好,对于同一个问题它比其他的算法如何。计算复杂性研究能够提供这种认识。对算
硬件容错加固技术,具有能耗、面积及复杂性线路等方面的开销,因此对于星载应用,硬件容错代价高昂。软件容错技术应运而生,其良好的灵活性、可配置性及较高的错误覆盖率,很好
由于P2P(Peer-to-Peer)组织模式能够为应用带来更高的可靠性、扩展性和高性能,这种模式已经成为互联网应用的重要组织形式。其中,P2P分布式存储系统被认为是P2P最具有前途的
随着无线传感器网络技术的飞速发展，在变化的环境中利用传感器对目标进行跟踪、分析变得更加可行。目标跟踪是无线传感器网络中的一个具有挑战性的应用，在此过程中计算量大、能