SVM在人臉識(shí)別中的應(yīng)用介紹主要是關(guān)于SVM理論在人臉上的應(yīng)用本人現(xiàn)在還沒(méi)做出實(shí)際的實(shí)驗(yàn)結(jié)果還是理論分析和探討的過(guò)程,基于的是SPIDER的matlab編程環(huán)境下的仿真還在學(xué)習(xí)過(guò)程中.10/12/2025SVM在人臉識(shí)別中的應(yīng)用討論主題基于膚色的分類,通過(guò)SVM訓(xùn)練,識(shí)別出人臉.10/12/2025SVM在人臉識(shí)別中的應(yīng)用人臉檢測(cè)方法基于知識(shí)knowledge-basedmethods的方法基于特征不變性featureinvariantapproaches的方法模版匹配templatematchingmethods的方法基于外觀appearance-basedmethods的方法10/12/2025SVM在人臉識(shí)別中的應(yīng)用膚色模型本文采用的是基于特征不變性的方法.膚色是人臉?lè)浅Ｖ匾囊粋€(gè)特性,是帶有人物的彩色圖象中數(shù)據(jù)量相對(duì)集中且穩(wěn)定的區(qū)域.有研究表明:盡管不同民族、不同年齡、不同性別的人的膚色看上去不同，但這種不同主要集中在亮度上，在色度空間里，不同人的膚色分布具有聚類性。膚色聚類的任務(wù)是在選定的顏色空間內(nèi)求出膚色的分布，膚色的這種聚類特性可以用來(lái)從背景中分割出人臉。10/12/2025SVM在人臉識(shí)別中的應(yīng)用選擇色彩空間選取YCbCr色彩空間的原因：

（1）RGB色彩空間表達(dá)色度信息和亮度信息是混合在一起的，為利用膚色在色度空間的聚類性，需要把顏色表達(dá)中的色度信息與亮度信息分開(kāi)，因?yàn)榄h(huán)境光線變化對(duì)膚色的判定有很大影響，而YCbCr色彩空間是修改YUV色彩空間所得到的，分為亮度Y與Cb與Cr兩個(gè)色度，對(duì)亮度的分離性高，便于色度分開(kāi)操作，適合進(jìn)行圖像處理。

（2）YCbCr色彩空間不是單純地依靠壓縮色彩信息來(lái)降低誤檢率，而是將人臉的膚色信息集中于兩個(gè)色度分量上，且是兩維獨(dú)立分布。10/12/2025SVM在人臉識(shí)別中的應(yīng)用（3）YCbCr色彩空間和通用視頻輸入源的格式一致，無(wú)需額外作色度空間的變換，既實(shí)現(xiàn)了色彩信息的壓縮，也實(shí)現(xiàn)了亮度色度的分離，有利于以后的動(dòng)態(tài)視頻人臉檢測(cè)的研究。（4）從RGB空間到Y(jié)CbCr色彩空間是線性變換，與HSV、HIS等空間變換10/12/2025SVM在人臉識(shí)別中的應(yīng)用膚色分割簡(jiǎn)單圖象的膚色分割

（1）對(duì)人臉樣本在CbCr色度空間進(jìn)行統(tǒng)計(jì)學(xué)習(xí)，得到一個(gè)CbCr平面中的人臉膚色分布模型。

（2）放大分析膚色分布圖，可以發(fā)現(xiàn)膚色像素主要分布在區(qū)間：膚色區(qū)間在一定光照變化范圍內(nèi)保持穩(wěn)定。（3）將輸入的RGB圖象轉(zhuǎn)化到Y(jié)CbCr顏色空間，然后采用閾值方法對(duì)膚色區(qū)域進(jìn)行判決，判斷圖象中各個(gè)像素點(diǎn)的色度值是否符合模型的分布，獲得預(yù)分割的膚色區(qū)域。10/12/2025SVM在人臉識(shí)別中的應(yīng)用其中，是輸入圖象中原有的像素值，是膚色預(yù)分割后該像素點(diǎn)的值．（４）將圖象轉(zhuǎn)變成一個(gè)二值圖象，用中值濾波和形態(tài)學(xué)算子剔除有噪聲引起的孤立小區(qū)域，得到更準(zhǔn)確的膚色區(qū)域．10/12/2025SVM在人臉識(shí)別中的應(yīng)用復(fù)雜背景的圖象

（１）選擇有代表性的各種光照、不同人種（主要以亞洲、歐美人為選擇對(duì)象）的人臉圖象，利用手工采集人臉皮膚樣本，以額頭和面頰上的皮膚為主要采集對(duì)象。

（２）利用統(tǒng)計(jì)的方法，在ＹＣｂＣｒ色彩空間建立一個(gè)高斯模型Ｎ（ｍ，），得到人臉膚色直方圖見(jiàn)圖１和高斯分布圖見(jiàn)圖２。

（３）將輸入的ＲＧＢ彩色圖象轉(zhuǎn)化到ＹＣｂＣｒ顏色空間，對(duì)圖象中每個(gè)像素用公式計(jì)算高斯模型概率，判斷圖象中各個(gè)像素點(diǎn)的色度值是否符合模型的分布，得到似然度圖象．其中，,10/12/2025SVM在人臉識(shí)別中的應(yīng)用圖１10/12/2025SVM在人臉識(shí)別中的應(yīng)用圖２10/12/2025SVM在人臉識(shí)別中的應(yīng)用(4)將似然度圖象二值化，用３＊３的中值濾波器去除噪聲，得到更準(zhǔn)確的膚色區(qū)域．小結(jié)：經(jīng)過(guò)膚色分割后的圖象大大縮小了人臉的搜索范圍，為后面基于ＳＶＭ的人臉檢測(cè)方法打下了良好的基礎(chǔ)．10/12/2025SVM在人臉識(shí)別中的應(yīng)用ＳＶＣ（ＳｕｐｐｏｒｔＶｅｃｏｔｒＣｌｕｓｔｅｒｉｎｇ）

支持向量聚類理論的介紹SV-Clustering的基本算法思想如下：10/12/2025SVM在人臉識(shí)別中的應(yīng)用10/12/2025SVM在人臉識(shí)別中的應(yīng)用10/12/2025SVM在人臉識(shí)別中的應(yīng)用10/12/2025SVM在人臉識(shí)別中的應(yīng)用10/12/2025SVM在人臉識(shí)別中的應(yīng)用10/12/2025SVM在人臉識(shí)別中的應(yīng)用應(yīng)用的進(jìn)行下面介紹下我的設(shè)想了，基本還沒(méi)通過(guò)ＭＡＴＬＡＢ仿真，先在我自己的頭腦中模型了下，如果有錯(cuò)誤的概念，請(qǐng)間諒！10/12/2025SVM在人臉識(shí)別中的應(yīng)用流程：圖象資源進(jìn)行色彩空間的轉(zhuǎn)換－＞通過(guò)預(yù)處理，進(jìn)行膚色分割－＞然后將膚色信息用ＳＶＣ的ＳＶＭ模塊進(jìn)行訓(xùn)練（到現(xiàn)在這個(gè)模塊我還沒(méi)做出來(lái)）－＞訓(xùn)練出分類后，標(biāo)記出位置（希望能得到是人臉）．ＳＶＣ因?yàn)檫x取參數(shù)時(shí)處于自由度很大，由