半監(jiān)督聚類算法在人臉檢測中的應用.pdf

1、人臉檢測技術(shù)在人們?nèi)粘Ｉ钪性絹碓绞艿疥P(guān)注，特別是在學術(shù)研究、國防等領(lǐng)域，每年正以突飛猛進的速度發(fā)展壯大。人臉檢測是一項綜合了多學科、多領(lǐng)域、多層次的高新復合型技術(shù)。它不但包含了生物學、生理學、數(shù)學、計算機科學等知識，還要求研究者不斷探索人臉面部的各種細微變化與周圍環(huán)境的影響。因此，它是一個有著一定難度、趣味和挑戰(zhàn)性的研究方向。
　　 聚類方法一直以來是一項在數(shù)據(jù)分析、數(shù)據(jù)挖掘、圖像處理等領(lǐng)域起著非常關(guān)鍵作用的技術(shù)。它能幫助研究

2、人員對未知分類的數(shù)據(jù)進行統(tǒng)計分析。但是傳統(tǒng)的聚類方式因缺乏數(shù)據(jù)樣本本身的信息作為指導，使得聚類的效果不是很理想。近些年來，許多專家開始對機器學習領(lǐng)域的半監(jiān)督學習策略進行研究，并將該學習方式應用到聚類方向，取得了驚人的效果。
　　 本文首先將SKDK(半監(jiān)督核判決均值算法)學習策略應用到膚色聚類當中，在整個聚類過程中，利用少量有標記的樣本組成種子Seed集，指引膚色聚類，然后依據(jù)各個像素簇的概率統(tǒng)計分布特性得到膚色模型；在此膚色模

3、型的基礎(chǔ)之上利用數(shù)學形態(tài)學等知識對圖像進行處理，目的是為了消除圖像中存在的一些雜點。之后將得到的人臉候選區(qū)域作為后續(xù)分類器的輸入端數(shù)據(jù)輸入，依靠這些比較優(yōu)秀的分類器完成最終的人臉檢測。
　　 本文圖像在經(jīng)過膚色聚類這一步粗選之后，可以排除大量的無關(guān)背景。在這種條件下，后續(xù)的人臉檢測速度和檢測正確率可以明顯得以提升。在后續(xù)分類器設(shè)計部分，本文提出了一種基于改進的ICA(獨立主成分分析法)人臉檢測算法，對傳統(tǒng)的牛頓迭代算法加以改進，