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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著社會不斷發(fā)展和計算機技術(shù)的不斷進步,基于生物特征的身份驗證越來越受到人們的關(guān)注,其中人臉識別技術(shù)因為具有直接、友好、簡單等特點,成為目前模式領(lǐng)域中的一個研究熱點。傳統(tǒng)的人臉識別系統(tǒng)受光照、姿態(tài)、表情等因素影響較大,設(shè)計一個識別率高且具有較好魯棒性的人臉識別系統(tǒng)仍是一個待解決的難題。二維人臉識別技術(shù)雖然取得一定成果,但是二維人臉信息量小,受姿態(tài)和光照等影響嚴(yán)重。隨著三維技術(shù)的不斷發(fā)展,三維人臉作為人臉多個角度的真實反映,信息量豐富,受
2、光照等因素的影響小,因此近年來三維人臉識別技術(shù)受到了廣泛的關(guān)注。
本文分別對二維和三維人臉識別方法進行了研究,針對目前存在的缺陷,分別設(shè)計相應(yīng)的人臉識別系統(tǒng)。
在二維人臉識別方面,基于核函數(shù)的Fisher判別分析(KFD)的特征提取算法,在人臉識別中往往采用高斯徑向基函數(shù)作為核函數(shù),但高斯徑向基函數(shù)中的選取對分類效果的影響較大。目前一般僅憑實驗統(tǒng)計或者經(jīng)驗獲取該參數(shù),而且KFD特征提取算法在處理大樣本時,運算時間較長
3、。針對這些問題提出了一種基于小波變換和改進KFD的人臉識別方法。在預(yù)處理階段,對人臉圖像做小波變換降低光照、姿態(tài)、表情等因素的影響,并能有效降低樣本的維數(shù);在特征提取階段,采用微粒群算法智能獲取最優(yōu)參數(shù)?對KFD算法進行改進;在特征匹配階段,采用SVM分類器完成特征的分類。
在三維人臉識別方面,針對三維人臉識別中單一特征信息不足的缺陷,提出了基于整體和局部信息相融合的人臉識別算法,以提高識別率。首先將預(yù)處理后的三維點云用多層次
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
- 二維人臉識別方法研究.pdf
- 三維人臉識別方法研究.pdf
- 結(jié)合三維模型的二維人臉識別研究.pdf
- 基于臉型的三維人臉識別方法研究.pdf
- 基于二維Gabor特征的三維人臉識別.pdf
- 復(fù)雜條件下的二維及三維人臉識別研究.pdf
- 基于深度學(xué)習(xí)的三維人臉識別方法研究.pdf
- 基于二維三維信息融合的人臉識別算法研究.pdf
- 基于特征點的三維人臉識別方法研究.pdf
- 基于幾何特征的三維人臉識別方法研究.pdf
- 基于三維人臉建模的多視角人臉識別方法研究.pdf
- 基于信息融合的三維人臉識別方法研究.pdf
- 基于流形學(xué)習(xí)的三維人臉識別方法.pdf
- 基于Voronoi域積分的三維人臉識別方法.pdf
- 基于改進LBP特征的三維人臉識別方法研究.pdf
- 二維和三維人臉識別中若干關(guān)鍵問題的研究.pdf
- 二維人臉識別算法研究.pdf
- 三維人臉重建與二維半虛擬雕刻.pdf
- 基于雙目立體視覺的三維人臉識別方法研究.pdf
- 基于單張二維圖片的三維人臉建模.pdf
評論
0/150
提交評論