一种基于多类支持向量机模型提高人脸识别精度的方法

发布时间：2024-02-02 11:07

　　面部识别是人工智能和图像处理(模式识别)领域的主要研究方向之一,已经广泛应用于身份认证、视频监控和生物检测。因为非接触式、自然、方便并且可靠,面部识别已成为生物识别系统的一个普遍选择。面部识别准确率仍然有待提高,一直被当做一个重要的研究领域。因此,本文研究的主要目标就是提高人脸识别的准确性。现有的一些基于支持向量机(SVM)的方法,能够提高人脸识别精度。参考这些方法,本文提出了一种基于SVM的新方法,可以更加有效识别人脸。本文方法可以显著提高人脸识别精度,并可以用作合适的SVM多类模型。为了解决多于两个类别(多类)的问题,可以把几个二进制值分类器组合在一起,已有多个这种SVM与多分类器结合的模型得到了有效应用。本研究采用了组合式多分类器,即分类式纠错输出码(ECOC)分类器。本文方法采用方向梯度直方图(HOG)特征提取技术来提取图像相关特征。通过借助一对一编码设计方法,利用多类SVM对图像进行分类。此外,ECOC用于将多类分类问题简化为一组二进制分类问题,来降低错误率。为了验证本文提出的人脸识别方法的有效性,ORL、YALE、JAFFE和自建数据库分别被用来进行测试。实验结果显示,本文...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
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



本文编号：3892559