發(fā)布時間：2017-08-04 01:10

  本文關(guān)鍵詞：基于支持向量機的人臉特征分類技術(shù)

  更多相關(guān)文章： 人臉特征分類 小波變換 KFD算法 核函數(shù)內(nèi)積法 支持向量機

【摘要】：針對人臉識別技術(shù)中準(zhǔn)確性較差、識別復(fù)雜度較高、預(yù)處理較易陷入"維數(shù)災(zāi)難"等問題,本文運用支持向量機人臉特征分類技術(shù),提出了進(jìn)一步提高人臉識別效率的一種方法。為了達(dá)到面部特征的精確檢測與識別,通過微粒群優(yōu)化的智能KFD算法,確立核函數(shù)最優(yōu)參數(shù)σ的值,實現(xiàn)不同類特征的類內(nèi)間距最小、類間間距最大的數(shù)學(xué)特性,從而將特征進(jìn)行分類,并采用Matlab進(jìn)行仿真分析。仿真結(jié)果表明,隨著σ增加,可分性測度Y先呈正比增加,然后急劇減少,最后趨于穩(wěn)定;當(dāng)σ=0.2時,類間間距最大,類內(nèi)間距最小,最容易使不同類的樣本投影盡可能的分散。該方法解決了樣本特征值線性不可分、二次規(guī)劃計算量大的問題,而且通過分析可分性測度與σ的關(guān)系,找到最優(yōu)參數(shù)σ的值和對應(yīng)人臉識別的最優(yōu)算法。該研究提高了人臉識別精度,降低了計算量,實現(xiàn)了面部特征的精確分類。
【作者單位】： 青島大學(xué)自動化與電氣工程學(xué)院;
【關(guān)鍵詞】： 人臉特征分類 小波變換 KFD算法 核函數(shù)內(nèi)積法 支持向量機
【分類號】：TP391.41
【正文快照】： 人臉識別技術(shù)是通過人類各自的生理特征進(jìn)行識別,它具有穩(wěn)定性高、可靠性強等特點,是一種鑒別身份的有效方法。該技術(shù)不僅廣泛應(yīng)用于政府、國防、商業(yè)等鑒別系統(tǒng),還應(yīng)用于可視通訊、人機接口等領(lǐng)域。近幾十年來,經(jīng)過研究人臉特有的外形特征、實現(xiàn)人機交互方式的識別、真正的人

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 郭雅楠;李鴻燕;;基于ICA和GSPSO-SVM的人臉識別方法[J];計算機工程與設(shè)計;2014年12期

2 張新峰;焦月;李歡歡;卓力;;基于粒子群算法的Universum SVM參數(shù)選擇[J];北京工業(yè)大學(xué)學(xué)報;2013年06期

3 劉歡喜;劉允才;;一種基于Adaboost算法的人臉檢測[J];上海交通大學(xué)學(xué)報;2008年07期

4 張寶昌;陳熙霖;山世光;高文;;基于支持向量的Kernel判別分析[J];計算機學(xué)報;2006年12期

5 方昱春,王蘊紅,譚鐵牛;融合人臉輪廓和區(qū)域信息改進(jìn)人臉檢測[J];計算機學(xué)報;2004年04期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡雷地;莊唯;林晨曦;;面向警務(wù)實戰(zhàn)的人像識別關(guān)鍵技術(shù)研究[J];警察技術(shù);2016年06期

2 毛賢光;李罕;李云欣;高靜;;基于改進(jìn)Gabor-PCA分析重構(gòu)的人臉遮擋物清除[J];計算機應(yīng)用與軟件;2016年07期

3 閆河;王樸;劉婕;陳偉棟;;自適應(yīng)加權(quán)多尺度LTP的人臉識別[J];計算機工程與設(shè)計;2016年04期

4 趙國娟;吳向前;龔海余;;基于駕校考勤機的人臉檢測應(yīng)用研究[J];激光雜志;2016年01期

5 徐煥良;王一s，

本文編號：617108