北京电子科技学院学报
北京電子科技學院學報
북경전자과기학원학보
JOURNAL OF BEIJING ELECTRONIC SCIENCE AND TECHNOLOGY INSTITUTE
2006年
2期
1-9
,共9页
支持向量机%人脸检测%人脸面部特征%非线性%KSVM决策树%四边界Prewitt边缘算子
支持嚮量機%人臉檢測%人臉麵部特徵%非線性%KSVM決策樹%四邊界Prewitt邊緣算子
지지향량궤%인검검측%인검면부특정%비선성%KSVM결책수%사변계Prewitt변연산자
传统的SVM直接在线性条件下训练SVM分类器完成人脸与非人脸的分类,分类器训练困难,计算量大且速度慢.为构造一个复杂背景下人脸检测与定位的新方法,本文用核函数把SVM推广到非线性SVM,再与二叉树相结合,可以解决多类识别问题,此即KSVM决策树人脸检测方法.在此基础上,人脸面部特征被进一步确认.本文提出了改进的四边界Prewitt边缘算子提取人眼,进而定位五官.实验结果表明该方法检测率较高,虚警率较低,定位准确.
傳統的SVM直接在線性條件下訓練SVM分類器完成人臉與非人臉的分類,分類器訓練睏難,計算量大且速度慢.為構造一箇複雜揹景下人臉檢測與定位的新方法,本文用覈函數把SVM推廣到非線性SVM,再與二扠樹相結閤,可以解決多類識彆問題,此即KSVM決策樹人臉檢測方法.在此基礎上,人臉麵部特徵被進一步確認.本文提齣瞭改進的四邊界Prewitt邊緣算子提取人眼,進而定位五官.實驗結果錶明該方法檢測率較高,虛警率較低,定位準確.
전통적SVM직접재선성조건하훈련SVM분류기완성인검여비인검적분류,분류기훈련곤난,계산량대차속도만.위구조일개복잡배경하인검검측여정위적신방법,본문용핵함수파SVM추엄도비선성SVM,재여이차수상결합,가이해결다류식별문제,차즉KSVM결책수인검검측방법.재차기출상,인검면부특정피진일보학인.본문제출료개진적사변계Prewitt변연산자제취인안,진이정위오관.실험결과표명해방법검측솔교고,허경솔교저,정위준학.
