SVM在人臉識別中的應用課件

1、SVM在人臉識別中的應用紅酒7/18/20221介紹主要是關于SVM理論在人臉上的應用本人現(xiàn)在還沒做出實際的實驗結果還是理論分析和探討的過程,基于的是SPIDER的matlab編程環(huán)境下的仿真還在學習過程中.7/18/20222討論主題基于膚色的分類,通過SVM訓練,識別出人臉.7/18/20223人臉檢測方法 基于知識knowledge-based methods 的方法 基于特征不變性feature invariant approaches 的方法 模版匹配template matching methods 的方法 基于外觀appearance-based methods的方法 7/18/

2、20224膚色模型本文采用的是基于特征不變性的方法.膚色是人臉非常重要的一個特性,是帶有人物的彩色圖象中數(shù)據(jù)量相對集中且穩(wěn)定的區(qū)域.有研究表明:盡管不同民族、不同年齡、不同性別的人的膚色看上去不同，但這種不同主要集中在亮度上，在色度空間里，不同人的膚色分布具有聚類性。膚色聚類的任務是在選定的顏色空間內求出膚色的分布，膚色的這種聚類特性可以用來從背景中分割出人臉。7/18/20225選擇色彩空間選取YCbCr色彩空間的原因：（1）RGB色彩空間表達色度信息和亮度信息是混合在一起的，為利用膚色在色度空間的聚類性，需要把顏色表達中的色度信息與亮度信息分開，因為環(huán)境光線變化對膚色的判定有很大影響，而Y

3、CbCr色彩空間是修改YUV色彩空間所得到的，分為亮度Y與Cb與Cr兩個色度，對亮度的分離性高，便于色度分開操作，適合進行圖像處理。（2） YCbCr色彩空間不是單純地依靠壓縮色彩信息來降低誤檢率，而是將人臉的膚色信息集中于兩個色度分量上，且是兩維獨立分布。7/18/20226（3） YCbCr色彩空間和通用視頻輸入源的格式一致，無需額外作色度空間的變換，既實現(xiàn)了色彩信息的壓縮，也實現(xiàn)了亮度色度的分離，有利于以后的動態(tài)視頻人臉檢測的研究。（4）從RGB空間到YCbCr色彩空間是線性變換，與HSV、HIS等空間變換7/18/20227膚色分割簡單圖象的膚色分割（1）對人臉樣本在CbCr色度空間進

4、行統(tǒng)計學習，得到一個CbCr平面中的人臉膚色分布模型。（2）放大分析膚色分布圖，可以發(fā)現(xiàn)膚色像素主要分布在區(qū)間： 膚色區(qū)間在一定光照變化范圍內保持穩(wěn)定。（3）將輸入的RGB圖象轉化到YCbCr顏色空間，然后采用閾值方法對膚色區(qū)域進行判決，判斷圖象中各個像素點的色度值是否符合模型的分布，獲得預分割的膚色區(qū)域。7/18/20228其中，是輸入圖象中原有的像素值，是膚色預分割后該像素點的值（）將圖象轉變成一個二值圖象，用中值濾波和形態(tài)學算子剔除有噪聲引起的孤立小區(qū)域，得到更準確的膚色區(qū)域7/18/20229復雜背景的圖象（）選擇有代表性的各種光照、不同人種（主要以亞洲、歐美人為選擇對象）的人臉圖象，

5、利用手工采集人臉皮膚樣本，以額頭和面頰上的皮膚為主要采集對象。（）利用統(tǒng)計的方法，在色彩空間建立一個高斯模型（，），得到人臉膚色直方圖見圖和高斯分布圖見圖。（）將輸入的彩色圖象轉化到顏色空間，對圖象中每個像素用公式計算高斯模型概率，判斷圖象中各個像素點的色度值是否符合模型的分布，得到似然度圖象其中， ,7/18/202210圖7/18/202211圖7/18/202212(4)將似然度圖象二值化，用的中值濾波器去除噪聲，得到更準確的膚色區(qū)域小結：經(jīng)過膚色分割后的圖象大大縮小了人臉的搜索范圍，為后面基于的人臉檢測方法打下了良好的基礎7/18/202213（）支持向量聚類理論的介紹SV-Clustering的基本算法思想如下 ：7/18/2022147/18/2022157/18/2022167/18/2022177/18/2022187/18/202219應用的進行下面介紹下我的設想了，基本還沒通過仿真，先在我自己的頭腦中模型了下，如果有錯誤的概念，請間諒！7/18/202220流程：圖象資源進行色彩空間的轉換通過預處理，進行膚色分割然后將膚色信息用的模塊進行訓練（到現(xiàn)在這個模塊我還沒做出來）訓練出分類后，標記出位置（希望能得到是人臉）因為選取參數(shù)時處于自由度很大，由于我把膚色信息提取成二維色度信息了，訓練時基本可以通過直觀的方式確定參數(shù)，然后大量的訓練其他樣本去驗