版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、人臉識別技術(shù)是通過計算機提取人臉的特征,并利用這些特征與預(yù)先錄入的人臉庫中的人臉進(jìn)行比較,從而完成身份驗證的一種技術(shù)。近年來,人臉識別技術(shù)已取得了很大進(jìn)展,積累了豐富的經(jīng)驗,但目前已提出的人臉識別算法普遍存在適應(yīng)性較差的問題,識別的效果很容易受面部表情、姿態(tài)、遮擋物及光照等環(huán)境變化因素的影響。所以,研究出一種速度快、準(zhǔn)確率高的人臉識別方法具有重要意義。
本文主要研究了基于特征臉的人臉識別算法和基于圖像重建的眼鏡摘除算法。
2、> 首先,深入學(xué)習(xí)了傳統(tǒng)特征臉?biāo)惴ǖ幕驹?,并針對算法的不足,提出了相?yīng)的改進(jìn)方案:在圖像預(yù)處理階段,采用一種圖像規(guī)范化算法,即參數(shù)歸一化,縮小集合中圖像的灰度均值、方差等參數(shù)的分布范圍,以減小光照變化的影響;為了減小表情變化的影響,引入了一種加權(quán)特征半臉?biāo)惴ǎ磳⑷四槇D像按照尺寸平均分為上、下兩部分,賦予不同的權(quán)值,分別應(yīng)用特征臉?biāo)惴ā?br> 其次,為了降低人臉圖像最常見的遮擋物——眼鏡對識別準(zhǔn)確性的影響,同時克服加權(quán)特征半臉
3、算法過于依賴上半臉圖像特征這一理論缺陷,采用了一種基于圖像重建的眼鏡摘除算法:首先對特征臉?biāo)惴ㄖ械玫降耐队跋蛄窟M(jìn)行重建,得到重建人臉圖像,然后用其對輸入的配帶眼鏡的人臉圖像進(jìn)行誤差補償,從而得到一幅比較理想的無眼鏡人臉圖像,再以此作為新的輸入人臉進(jìn)行識別。
最后,以Yale人臉數(shù)據(jù)庫和一些用數(shù)碼相機采集的人臉照片作為實驗樣本,對算法進(jìn)行了驗證。實驗結(jié)果表明:在準(zhǔn)確檢測出人臉區(qū)域的前提下,本文提出的人臉識別算法具有較高的識別率。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征臉和多特征的人臉識別算法研究.pdf
- 基于膚色和特征臉的人臉識別技術(shù).pdf
- 基于LBP特征的人臉識別算法改進(jìn)研究.pdf
- 基于特征臉及Fisher臉的人臉識別方法.pdf
- 基于改進(jìn)LBP的人臉識別算法研究.pdf
- 基于特征學(xué)習(xí)的人臉識別算法研究.pdf
- 基于特征表示的人臉識別算法研究.pdf
- 基于代數(shù)特征的人臉識別算法研究.pdf
- 基于統(tǒng)計特征的人臉識別算法研究.pdf
- 基于小波和Fisher臉的人臉識別算法研究.pdf
- 基于幾何特征的人臉識別算法研究.pdf
- 基于MBC特征的人臉識別算法研究.pdf
- 基于改進(jìn)GLRAM算法的人臉識別研究.pdf
- 基于LBP特征的人臉識別算法研究.pdf
- 基于特征融合的人臉識別算法.pdf
- 基于幾何特征的人臉識別算法的研究.pdf
- 基于U型臉模型及遺傳算法的人臉識別技術(shù)研究.pdf
- 基于特征點描述的人臉識別算法研究.pdf
- 基于若干代數(shù)特征的人臉識別算法研究.pdf
- 基于局部特征分析的人臉識別算法研究.pdf
評論
0/150
提交評論