一种改进的线性判别分析法在人脸识别中的应用

提出了一种新的基于LDA的人脸识别算法。该方法重新定义了样本的类间散布矩阵,在原始的定义基础上增加了一种径向基函数(RBF)调节类间距离,使得在选择投影方向时能更好地分开各类样本;同时该方法在类间散布矩阵与类内散布矩阵的特征分解的基础上,通过变换求出符合Fisher准则的最优投影方向,可以证明这样得到的投影方向同时具有正交性与统计不相关性。通过ORL人脸数据库的数值实验,表明了该算法比传统算法有更好的性能。

基于层次支持向量机的人脸检测

针对彩色图像人脸检测,提出了肤色模型和层次支持向量机相结合的人脸检测方法。检测时首先利用调节的肤色模型提取出人脸候选区域,然后对这些候选区域用线性支持向量机和主成分与非线性支持向量机相结合的层次支持向量机进行验证,获得真正的人脸区域。实验表明,该方法对图像偏色有一定的鲁棒性并可以用于灰度图像的人脸检测,而且检测正确率和速度比基于肤色和模板匹配的方法有了一定的改进。