基于块分类器和SVM的人脸检测方法

针对彩色图像中人脸检测问题，文中提出一种由“块分类器 SVM分类器”组成的快速算法。它的主要特点是利用肤色点在YCrCb色度空间的分布概率模型，实现二值分割，然后利用面部区域双眼的典型非肤色特征，构造一个“块分类器”，从待检测图像中实现人脸候选窗的快速粗选，再用SVM分类器作进一步确认，最后对检测出来的窗口进行综合，从而实现人脸的精确定位。通过在相同测试集上的对比实验，在不影响正检率的情况下，该算法不但可以降低虚警率，而且极大地提高了检测速度。     

基于块分类器和SVM的人脸检测方法

针对彩色图像中人脸检测问题,文中提出一种由"块分类器+SVM分类器"组成的快速算法.它的主要特点是利用肤色点在YCrCb色度空间的分布概率模型,实现二值分割,然后利用面部区域双眼的典型非肤色特征,构造一个"块分类器",从待检测图像中实现人脸候选窗的快速粗选,再用SVM分类器作进一步确认,最后对检测出来的窗口进行综合,从而实现人脸的精确定位.通过在相同测试集上的对比实验,在不影响正检率的情况下,该算法不但可以降低虚警率,而且极大地提高了检测速度.     

利用SVM改进Adaboost算法的人脸检测精度

提出利用SVM分类方法改进Adaboost算法的人脸检测精度。该方法先通过Adaboost算法找出图像中的候选人脸区域,根据训练样本集中的人脸和非人脸样本训练出分类器支持向量机(SVM),然后通过SVM分类器从候选人脸区域中最终确定人脸区域。实验结果证明,SVM分类算法可以提高检测精度,使检测算法具有更好的检测效果。     

基于主分量分析和支持向量机的人脸检测

提出了一种基于主分量分析(PCA)和支持向量机(SVM)相结合的人脸检测方法。该方法首先利用计算复杂度较低的PCA粗分类器对输入图像遍历检测，滤除大部分非人脸窗口，再由SVM分类器进行精确判断，从而加快了检测过程。实验证明。本方法能够有效的检测出复杂背景下的人脸图像，并且处理时间比单纯使用SVM大大缩短。     

基于奇异值分解和支持向量机的人脸检测

人脸检测在自动人脸鉴别工作中具有重要的意义。由于人脸图像特征的复杂性和多样性，使得人脸模式分类器的训练十分困难。本文提出了一种基于支持向量机（SVM）的人脸检测算法，使用了奇异值分解对训练样本进行特征提取，再由SVM分类器进行分类，有效的降低了训练难度，采用二阶多项式作为SVM分类器的核函数，实验结果表明，该方法是十分有效的。     

基于模板匹配与支持矢量机的人脸检测

人脸检测是人脸识别与基于内容的图像及视频检索的一项重要任务。由于非人脸样本相对于人脸样本的多样性和复杂性，使得人脸模式分类器的训练十分困难。该文提出了一种将模板匹配与支持矢量机（SVM）相结合的人脸检测算法。算法首先使用双眼－人脸模板对进行粗筛选，然后使用SVM分类器进行分类。在模板匹配限定的子空间内采用“自举”方法收集“非人脸”样本训练SVM，有效地降低了训练的难度，实验结果的对比数据表明，该算法是十分有效的。     

基于2DPCA和支持向量机的人脸检测研究

提出一种基于二维主分量(2DPCA)分析和支持向量机的层叠人脸检测算法,用于复杂背景灰度图像的人脸检测。算法首先采用2DPCA分析方法滤去大量非人脸窗口,之后用支持向量机对通过的窗口进行检测。由于在通过2DPCA分析方法的子空间内训练SVM,降低了分类器的训练难度。并且和传统的PCA方法相比,2DPCA直接采用二维图像矩阵表示人脸,进行特征提取,提高了计算效率。实验对比数据表明该算法大大提高了检测速度,降低了虚警率。     

基于级联支持向量机融合多特征的人脸检测

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。     

基于SVM的三阶段人脸检测方法的研究与应用

为了提高人脸的检测速度，描述了一种基于SVM的三阶段人脸检测方法，加速了复杂背景下人脸的检测。在该方法中，通过前两个阶段的瀑布型分类器将大量的简单非人脸模块快速过滤掉，并在最后的第三个阶段采用了非线性SVM分类器来更高效地区分24＊24像素的人脸或者非人脸图像。     

基于积分图像的快速模板匹配

人脸检测中，模板匹配前往往需要对图像窗口进行灰度分布标准化，而灰度分布标准化则要先算出图像窗口的灰度均值及方差。在积分图像基础上，提出和应用平方积分图像，实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法，结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换，以厦灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤，大大提高了模板匹配速度。人脸检测实验证明这种快速模板匹配算法是有效的。