APP下载

基于LARK特征提取的人脸检测方法

2012-04-23谭晓阳

电子科技 2012年6期
关键词:特征检测

王 寅,谭晓阳

(南京航空航天大学计算机科学与技术学院,江苏南京 210016)

人脸检测是将图片中人脸的位置、大小和中心找到并标记出来,目前已有很多算法可以检测。但早期的人脸识别算法多是在一个已经得到的人脸图像或较容易即可获取的人脸图像上进行,致使这些算法无法在使用过程中对图像做出更好的分析和判断。随着人脸识别的应用范围不断扩展,人脸检测逐渐发展起来。

1 LARK方法

一般的图像分析方法在学习过程中需要大量的训练样本,但在训练的过程中会导致训练的参数出现过拟合。检测过程中对目标图像中与示例相类似对象间的差异无法很好地避免,使检测效果降低。H.Takeda,S.Farsi和 P.Milanfarz于2007年发表的关于使用核回归进行图像处理和重建文章[1],其中讲述了使用回归模型方法,对噪声图像的特征进行提取和分析,借此恢复图像的原状或者简化压缩工作的流程。该方法可以减小由信号或噪声模型等造成的影响。其中经典核回归算法

式中,z是回归函数;yi表示第i个采样点在xi处的观察值;εi表示独立同分布零均值噪声;P表示邻域中采样点的个数。

尽管经典核回归具有较好的性能,且易理解,但因为数据局部线性变化而存在限制。之后H.J.Seo和P.Milanfar发表了关于使用 LARK(Locally Adaptive Regression Kernels[2])进行物体检测的文章。其中介绍了将LARK方法用于提取图片的特征并引用到对象识别中。这个方法对捕捉基本数据的局部结构很有效,对图片中各点的灰度并不敏感,相对图片中灰度值和图形的变化较为敏感。……

登录APP查看全文

猜你喜欢

特征检测
如何表达“特征”
不忠诚的四个特征
小波变换在PCB缺陷检测中的应用
线性代数的应用特征