哈尔滨理工大学学士学位答辩PPT-基于机器学习的人脸检测系统.pptx

基于机器学习的人脸检测系统 专业：软件工程 班级：软件13-6班 姓名：李 哲 指导教师：李 鹏 目录项目简介我的工作成果与总结致谢 项目简介1项目简介近年来，基于机器学习的人脸检测系统逐渐成为了研究热点，受到了广泛的关注。本文采用了java语言编写、OpenCV框架搭建了人脸检测实验系统,实现了人脸检测技术，为SVM分类器和PCA、LPP算法提供了技术支持。本文通过使用支持向量机和模板匹配模型相结合的方法实现人脸检测，采用了PCA和LPP降维提取人脸图像的代数特征的算法，实现了对人脸图像数据的训练及分类。 我的工作2本文采用了PCA和LPP降维提取人脸图像的代数特征的算法，实现了对人脸图像数据的训练及分类。LPP是Xiaofei He.等人在2002年提出来的算法，它可以保持高维数据流形的局部不变性，并且是一种无监督的学习方法；PCA的基本思想流程就是，首先根据一定的性能目标变换成线性或非线性都可的某一适当子空间，把原始数据空间压缩或变换到另外一个低维的子空间，本文通过成功应用两种算法，并对两种算法的检测成功两次进行对比。 我的工作2利用支持向量机的方法对人脸图片进行分类。支持向量机的基本理论依据主要是通过内积函数来把非线性变换函数定义出来，然后将输入空间通过转换到一个高维的线性空间中，在这个线性空间中求取比较优秀的分类面。该方法参考了一种避开高维空间的计算复杂性和时间复杂性的方法，用到了该空间的内积函数,然后再利用SVM分类器在线性可分的情况下，求解其理论和方法评估的过程，直接求解出来与之相匹配的高维空间的决策支持等一系列的问题。 我的工作2本系统在成功实现了人脸检测之后，通过模板匹配模型的方法实现了一种简单的人脸识别，该匹配模型的基本理论依据是机器的模式识别原理。通过刺激模板使得和模板合理的匹配，匹配过程中要求这种规模的匹配在两者中达到最大能力的重叠部分。该方法应用简单、计算量较小导致的容易计算以及识别率普遍较高。 成果与总结本文在人脸特征定位、检测、追踪、识别中使用了开源视觉库OpenCV，大体上实现了人脸的检测和识别，能够成功实现的基础是在人脸转动速度不超过7cm/s转动角度不超过45度的情况下，能够完整的识别出本库里存的包含有ORL库、Yale库和自建人脸库的人脸图像。3 成果与总结根据测试和以上前几章图表分析表明，基于PCA降维的人脸识别算法在ORL库上的识别率约可达86%（172/200），在Yale库上的识别率约可达91%（182/200）；基于LPP降维的人脸识别算法在ORL库上的识别率约可达82%（164/200），在Yale库上的识别率约可达88%（176/200）。所以，PCA算法在本系统中的识别成功率是较高的，PCA能够更好的应用在本系统中。3 致谢基于机器学习的人脸检测系统，是我收获最大的一次系统设计，每一个模块都尝试研究设计，编写代码，这次的毕业设计在李鹏老师及其他老师的指导和帮助下，我成功的设计出了人脸检测系统，也认真参考了国内外的学者研究的算法，对LPP算法和PCA算法有了一定的了解，真心的为自己即将毕业还学到了这么有价值的知识感到高兴，在这里我要真诚的向我的老师们和同学们说一声谢谢！4 致谢感谢我的指导老师李鹏老师对我的耐心指导!感谢倾听我答辩和给我指点意见的所有的老师!4Thank you !