文件名称：基于统计的方法-信号与系统——保研复习资料
文件大小：2.32MB
文件格式：PDF
更新时间：2024-06-27 13:10:09
人脸识别 考勤系统
一、基于几何特征的方法 人脸几何特征指的是人脸面部器官在几何上体现的特征，此类方法又可以分 为三种：基于先验知识的方法、基于特征不变形的方法、基于模板的方法。代表 的方法有：Yang 等提出了一种基于先验知识的人脸检测方法 [26] ，sirohey 提出了从 复杂的背景中分割人脸进行检测的定位方法 [27] ，Graf 等人提出定位灰度图像的面 部特征和人脸的检测方法 [28] ，craw 等 [29] 提出了一种基于正面人脸的形状模板。 二、基于肤色模型的方法 所谓肤色模型，即用一种代数的或查表等形式来表达哪些像素的色彩属于肤 色，或者表征出某一像素的色彩与肤色的相似程度。常用的肤色模型有：高斯模 型、混合高斯模型和直方图模型。Terrillon 等 [30] 考察了九种色度空间，发现一般情 况下，需要使用混合高斯模型才能较好地描述肤色分布区域。 三、基于统计的方法 基于统计的方法有基于概率模型、基于神经网络和基于支持向量机的人脸检 测方法。代表的方法有 Weber [31] 等提出的视点不变性学习的方法，Nefian [32] 等提出 的基于嵌入式 HMM 的人脸检测算法，Vapnik 等人提出的基于统计学习理论的模 式识别方法等。 3.2.2 基于 AdaBoost 人脸检测方法 本系统采用的人脸检测方法是Viola提出的基于多个分类器级联的AdaBoost [33] 人脸检测方法，该方法可以达到 15 帧/秒的检测速度，且对光照、姿态、面部表情 等变化具有较强的鲁棒性。从检测速度和鲁棒性上来讲，该方法也是目前国际公 认最好、最快的检测方法。它大体上可以分为三个部分：第一是通过积分图像 (Integral image)提取人脸的矩形特征；第二是形成基于单个矩形特征的弱分类器， 并采用 AdaBoost 算法对基于单个矩形特征的分类器进行训练，从中选取能够更准 确区分“人脸”与“非人脸”模式的特征分类器加以组合，形成一个强分类器； 第三是按照“先重后轻”原则级联多个强分类器。 一、Haar 特征及特征值计算 Viola 等人沿用了 Papageorgiou 等 [34] 提出的一种类似 Haar 小波的特征描述方 法。该方法使用 Haar 矩形特征作为分类的依据，与直接使用原始图像像素值作为 分类依据相比，使用矩形特征能够减小类内差别，同时增大类间差别，使得分类 更加容易和清晰，减小了特征提取的难度。 在 Viola 的系统中主要用到三种类型的矩形特征，如图 3.3 所示：A 和 B 为两