张小龙 刘书炘 刘满华

基于级联支持向量机融合多特征的人脸检测

张小龙1刘书炘2刘满华1

1(上海交通大学仪器科学与工程系 上海 200240)

2(漳州师范学院教育科学与技术系 福建 漳州 363000)

人脸图像中包含丰富的特征信息，不同特征具有其各自的优势。基于此，提出一种基于级联支持向量机有效融合多种特征的人脸检测算法。该算法首先利用肤色模型对待检图像进行预处理，筛选出疑似人脸区域。然后在疑似区域中提取图像的HOG(Histogram of Oriented Gradients)和LBP(Local Binary Patterns)特征，并分别对这两种特征集进行特征选择，训练两个SVM(Support Vector Machine)分类器，最后将两个SVM分类器级联起来实现人脸检测。在多个人脸图像数据库上的实验结果表明，该人脸检测算法提高了人脸检测率，降低了误检率，并且对多种光照条件、姿态、表情以及部分遮挡的情况都具有较好的鲁棒性。

人脸检测 HOG特征 LBP特征 SVM分类器 级联分类器

2(DepartmentofEducationScienceandTechnology,ZhangzhouNormalCollege,Zhangzhou363000,Fujian,China)

0 引 言

人脸是一种重要的生物特征，经常用来识别人的身份信息。

人脸识别技术相对于指纹、虹膜等生物特征识别技术具有多方面优势。例如，采集指纹、虹膜信息可能给被采集者带来不适感，而采集人脸图像的方式则较舒适方便；虹膜对采集设备有较高要求等。人脸识别技术在视频监控、安检、考勤、人机交互等场合有着广泛的应用，而作为人脸识别的关键环节，人脸检测的效果好坏关系到最后人脸识别的效果。实际检测中面临的图像光照条件、姿态、表情和遮挡等的影响[1]，会造成检测的准确率低，误检测数量多。……