[发明专利]一种基于SVM的人脸特征识别方法及装置

摘要

本发明公开一种基于支持向量机的人脸特征识别方法，其包括步骤a，从网络中获取各种包含非正常皮肤的人脸照片；步骤b，图像预处理；步骤c，通过K‑means算法将脸部的非正常皮肤进行分离；步骤d，提取出非正常皮肤特征参数，得到简约特征空间；步骤e，训练得到SVM分类器；步骤f，组成最优特征空间；步骤g，使用人脸识别装置进行识别分类。这样，使用SVM算法将问题转化为二次型寻优问题，得到全局最优值，解决了神经网络算法难以避免的局部极值问题；SVM算法泛化能力高于神经网络；通过分析SVM分类器中每个特征参数对样本分类结果的识别率，筛选其中贡献率为正的特征参数作为SVM分类器的输入项，提高了分类准确率。

主权项

一种基于支持向量机的人脸特征识别方法，其特征在于，包括：步骤a，从网络中获取各种包含非正常皮肤的人脸照片；步骤b，图像预处理，通过人脸检测算法获取照片中人脸部分，截取人脸非正常皮肤区域并设置图片大小和分辨率；步骤c，通过K‑means算法将脸部的非正常皮肤进行分离；步骤d，提取出非正常皮肤斑点和黑痣的颜色、形状和纹理特征参数，对特征参数进行归一化操作，并降低参数维数，得到简约特征空间；步骤e，利用SVM对输入的样本照片进行离线训练，将非正常皮肤分为斑点和黑痣，训练得到SVM分类器；步骤f，根据各个特征参数对识别结果的贡献率，选择贡献率较高的特征参数集合组成最优特征空间；步骤g，获取测试样本照片，执行步骤b～步骤d，使用人脸识别装置对其进行识别分类，以检查该装置的运行速度和检测准确度。