Page 115 - 当代控制理论及应用技术概论

第四章 智能识别与控制研究

是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强
的分类方法。
人脸检测过程中使用 Adaboost 算法挑选出一些最能代表人脸的矩形特征（弱
分类器），按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到
的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测

速度。
（2）人脸图像预处理
人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进

行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的
限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度
校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸
图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
（3）人脸图像特征提取

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素
统计特征、人脸图像变换系数特征、人脸图像代数 特征等。人脸特征提取就是
针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特

征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表
征方法；另外一种是基于代数特征或统计学习的表征方法。
基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离
特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距
离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它

们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何
特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
（4）人脸图像匹配与识别

人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征
模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到
的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比
较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确
认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比

的过程。

107
107