论文部分内容阅读
人脸检测与识别技术是模式识别与机器视觉领域中最有挑战性的研究课题之一。随着我国公安系统人脸图像信息库的建立和日趋完善，人脸识别技术正逐步应用到公安刑侦、治安管理等工作中。
本文针对人脸识别系统的两个重要环节——人脸检测与人脸识别方法进行了深入的研究。重点研究了基于支持向量机(SVM)的人脸识别算法应用与公安系统犯罪嫌疑人的辨识。研究过程中应用基于小波分解的人脸特征提取方法，同时讨论了基于BP神经网络、子空间人脸算法(PCA)方法和基于支持向量机(SVM)的方法。具体研究工作主要包括以下几个方面。
1、论文采用基于小波变换的特征提取方法。充分利用了小波分解提取人脸特征具有特征向量较少且对人脸表情变化不太敏感的优点，应用于犯罪嫌疑人的人脸图像的特征提取。
2、论文在人脸识别的研究部分，首先研究了基于BP神经网络的人脸识别算法，针对BP神经网络收敛慢、局部最小的问题，改进了传统的训练算法，加入了动量因子与模拟退火学习自适应调整策略。在引入子空间理论基础上讨论了主成分量分析(PCA)方法，通过实验分析了PCA方法应用于人脸识别的优缺点。
3、通过对基于支持向量机(SVM)人脸识别方法认真研究发现，SVM方法具有全局优化、泛化能力好、算法复杂度与特征空间的维数无关等优点。本文采用基于支持向量机(SVM)的人脸识别方法用于犯罪嫌疑人的识别以达到更好的识别效果。
实验结果表明，基于小波分解的特征提取和基于SVM的分类器对于小样本问题有较好的优势，能提高识别率。论文最后对基于支持向量机的人脸识别算法在犯罪嫌疑人的识别应用进行了总结和展望。