基于支持向量机的人脸识别改进算法

论文摘要

人脸识别是生物特征识别的一个重要分支,也是计算机视觉与模式识别领域非常活跃的研究方向。与其他人体生物特征识别方式相比,人脸识别具有方式友好,采样方便,无需接触等许多优点,加之现代信息通讯技术飞速发展的迫切需求,人脸识别研究的重要意义日趋显著。论文的主要工作集中在以下几个方面：人脸识别技术研究、支持向量机基本理论和基于支持向量机的人脸识别算法研究。人脸识别技术研究中,研究分析了人脸识别技术中三个重要的技术方向,即人脸检测、特征提取和分类算法；接下来,简要分析统计学习理论的核心内容和支持向量机的基本理论；最后,本文对基于决策树的支持向量机方法做了进一步的研究。在此基础上,提出了一种改进的基于决策树的支持向量机人脸识别算法。该算法通过分析训练样本集获取样本集的先验知识,引入类间分离测度构造一个决策树,以避免发生分类错误累积,使分类器获得良好的推广能力。该算法有效地解决了相关分类算法中存在的数据集偏移和类间重叠问题。训练时只需构造（N-1）个支持向量机分类器,决策树结构随类间重叠情况的变化而变化。实验结果表明,与传统的分类算法相比,该算法在取得良好识别率的同时缩短平均分类时间。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景及意义
• 1.2 研究现状
• 1.3 人脸识别系统
• 1.3.1 自动与半自动人脸识别
• 1.3.2 鉴别、验证和监控
• 1.3.3 大型人脸识别系统
• 1.3.4 人脸识别系统性能评测
• 1.4 本文主要工作
• 第2章 人脸识别技术
• 2.1 人脸图像的检测
• 2.1.1 人脸图像检测概述
• 2.1.2 基于人脸图像色彩属性
• 2.1.3 基于人脸几何特征
• 2.2 人脸图像特征提取
• 2.2.1 主成分分析
• 2.2.2 线性判决分析
• 2.2.3 基于核的特征提取方法
• 2.3 人脸图像分类方法
• 2.3.1 基于人工神经网络的方法
• 2.3.2 基于支持向量机的方法
• 2.3.3 基于三维数据的方法
• 2.3.4 几种方法的比较
• 2.4 小结
• 第3章 支持向量机基本理论
• 3.1 统计学习理论
• 3.1.1 概述
• 3.1.2 VC维
• 3.1.3 结构风险最小化
• 3.2 支持向量机
• 3.2.1 KKT条件及Mercer核
• 3.2.2 线性支持向量机
• 3.2.3 非线性支持向量机
• 3.3 小结
• 第4章 基于支持向量机的人脸识别算法
• 4.1 决策树理论
• 4.1.1 概述
• 4.1.2 基本算法
• 4.1.3 CLS算法
• 4.2 基于支持向量机的人脸识别算法
• 4.2.1 基于支持向量机算法
• 4.2.2 基于决策树的支持向量机算法
• 4.3 改进的基于决策树的支持向量机人脸识别算法
• 4.4 几种算法分析比较
• 4.5 实验结果分析
• 4.6 小结
• 第5章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文及其它成果
• 致谢