面部識別是人工智能和圖像處理(模式識別)領域的主要研究方向之一,已經(jīng)廣泛應用于身份認證、視頻監(jiān)控和生物檢測。因為非接觸式、自然、方便并且可靠,面部識別已成為生物識別系統(tǒng)的一個普遍選擇。面部識別準確率仍然有待提高,一直被當做一個重要的研究領域。因此,本文研究的主要目標就是提高人臉識別的準確性�，F(xiàn)有的一些基于支持向量機(SVM)的方法,能夠提高人臉識別精度。參考這些方法,本文提出了一種基于SVM的新方法,可以更加有效識別人臉。本文方法可以顯著提高人臉識別精度,并可以用作合適的SVM多類模型。為了解決多于兩個類別(多類)的問題,可以把幾個二進制值分類器組合在一起,已有多個這種SVM與多分類器結(jié)合的模型得到了有效應用。本研究采用了組合式多分類器,即分類式糾錯輸出碼(ECOC)分類器。本文方法采用方向梯度直方圖(HOG)特征提取技術來提取圖像相關特征。通過借助一對一編碼設計方法,利用多類SVM對圖像進行分類。此外,ECOC用于將多類分類問題簡化為一組二進制分類問題,來降低錯誤率。為了驗證本文提出的人臉識別方法的有效性,ORL、YALE、JAFFE和自建數(shù)據(jù)庫分別被用來進行測試。實驗結(jié)果顯示,本文...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
abstract
CHAPTER1 INTRODUCTION
    1.1 Background
    1.2 Applications of Facial Recognition
    1.3 Future of Facial Recognition
    1.4 Thesis Statement
    1.5 Motivation behind the Research
    1.6 Aims of the Research
    1.7 Objectives of the Research
    1.8 Practical Significance of the Research
    1.9 Research Methodology Selection
    1.10 Structure of this Thesis
CHAPTER2 LITERATURE REVIEW
CHAPTER3 METHODOLOGY
    3.1 Feature Extraction
        3.1.1 Histogram of Oriented Gradients(HOG)
    3.2 Classification
        3.2.1 One-Versus-One Method
        3.2.2 Error Correcting Output Codes(ECOC)
CHAPTER4 EXPERIMENTS AND RESULTS ANALYSIS
    4.1 Experiment and Result Analysis on ORL database
    4.2 Experiment and Result Analysis on YALE Face database
    4.3 Experiment and Result Analysis on JAFFE database
    4.4 Experiment and Result Analysis on Own-created database
    4.5 Discussion
CHAPTER5 CONCLUSION AND FUTURE WORKS
    5.1 Conclusion
    5.2 Future Works
REFERENCES
Acknowledgements
Published Academic Papers



本文編號：3892559