1、該論文首先概述了人臉檢測研究的發(fā)展現狀.在此基礎上,系統闡述了核函數理論的歷史起源、基礎理論、應用算法.針對基于核函數的FISHER判別(KFD)、基于核函數的主元分析法(KPCA)以及核函數的構造和參數選取作了一定的研究探討.最后將訓練好的核函數人臉檢測機器應用于非線性空間人臉樣本的檢測,取得了較為滿意的結果.第一部分,通過閱讀、學習大量中英文文獻,概述了人臉檢測技術研究的現狀,對人臉識別系統中的傳統特征提取、分類方法作了綜述.針對人

2、臉檢測技術的非線性處理能力、降維能力、實時性、魯棒性,比較了各種方法的優(yōu)劣,提出了存在的疑難問題和該文的研究任務.第二部分,從分析神經網絡的局限性和疑難點入手,討論了支持向量機取得成功的兩大關鍵要素——凸二次規(guī)劃和核函數,由此引出了統計學習理論和核函數理論.然后探討了一系列核函數思想與傳統的模式識別方法相結合的"核方法",如核FISHER判別、核主元分析法、核感知器,研究了核函數的構造和參數的選取優(yōu)化.通過MATLAB仿真試驗實現了這些

3、方法,并對各自的性能進行了比較;基于核函數理論和現有的人臉特征提取方法,針對樣本的非線性這一人臉檢測領域的重難點,提出了改進的核函數學習機器.第三部分,基于核函數方法,提出了一個基于核函數理論、方法的人臉檢測及驗證算法.用改進的SVM實現了人臉檢測,改進的KPCA實現了人臉驗證.并且給出了仿真試驗的數據、圖片等結果,并對結果進行了分類、比較和推論.實驗證明,基于核函數的人臉檢測驗證算法具有突出的小樣本學習能力,對處理非線性空間對象和降維