隐马尔可夫模型在人脸检测与识别中的应用
人脸识别近十年来日益受到人们的关注,已成为信息学科研究的热点之一.人脸模式的差异性又使得人脸识别成为一个极富挑战性的课题.人脸检测和识别方法,大致可分为基于几何特性的方法、基于模板匹配的方法和基于模型的方法.基于模型的方法是通过统计分析和匹配学习找出人脸和非人脸以及不同人脸之间的关系.该方法的模板是通过样本学习获得而非人为设定,所以从原理上较为先进合理.HMM是采用概率统计的方法进行时序数据识别模拟的分类器,如果把时序序列看成应用对象的特征向量,HMM也可以应用到人脸检测与识别,属于基于模型的方法.根据人脸由上至下各个区域(头发、额头、眼睛、鼻子和嘴巴)具有自然不变的顺序这一稳定的相似共性,个人特征仅表现在上述组成部分的形状及其相互连接关系不同,我们可用一个1D HMM表示人脸.本文中,我们最初将一维隐马尔可夫(1D HMM)应用于人脸检测和识别,采用条状窗口的KLT系数作为观测序列.
P2D-HMM DCT 1D-HMM KLT 人脸检测 人脸识别 SVM PCA ICA 隐马尔可夫模型
徐毅琼 李弼程 王波
河南省郑州市1001信箱306号(郑州)
国内会议
重庆
中文
535-535
2003-10-01（万方平台首次上网日期，不代表论文的发表时间）