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(bào)或認(rèn)領(lǐng)
文檔簡介
1、人臉識(shí)別技術(shù)就是利用計(jì)算機(jī)分析人臉圖像,提取有效的識(shí)別信息來辨認(rèn)身份或者判別待定狀態(tài)的一門技術(shù)。它涉及模式識(shí)別、圖像處理、計(jì)算機(jī)視覺、生理學(xué)、心理學(xué)等諸多學(xué)科的知識(shí),是當(dāng)前研究的熱點(diǎn)之一。然而,由于識(shí)別結(jié)果往往容易受到表情,姿態(tài)和光照變化的影響,同時(shí)還要保證識(shí)別系統(tǒng)的實(shí)時(shí)性,極大地影響了人臉識(shí)別走向?qū)嵱没?人臉識(shí)別主要包括圖像預(yù)處理,特征提取和識(shí)別三個(gè)環(huán)節(jié)。在圖象預(yù)處理階段,采用了基于一維預(yù)處理的圖象銳化方法,即運(yùn)用一維的高斯
2、平滑濾波器和一維的高斯微分算子來分別提取圖象的水平和垂直銳化成分,最后合成總體銳化圖象。與二維銳化方法相比,其運(yùn)算時(shí)間更短,銳化成分的拖尾效應(yīng)更少。 在特征提取階段,研究了PCA,2DPCA,(2D)2PCA,DiagPCA,DiagPCA+2DPCA等多種方法。不同于基于圖象向量的PCA特征提取,由于2DPCA,(2D)2PCA,DiagPCA和DiagPCA+2DPCA的特征提取都直接基于圖象矩陣,計(jì)算量小,所以特征的提取速
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(huì)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(chǔ)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(shí)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
- 基于主成分分析的人臉識(shí)別.pdf
- 基于主成分分析的人臉識(shí)別改進(jìn)方法.pdf
- 基于主成分分析的人臉識(shí)別方法研究.pdf
- 基于矩陣主成分分析的人臉識(shí)別方法研究.pdf
- 基于改進(jìn)主成分分析方法的人臉識(shí)別算法研究.pdf
- 基于改進(jìn)的主成分分析的人臉識(shí)別算法研究.pdf
- 基于改進(jìn)的主成分分析類算法的人臉識(shí)別.pdf
- 基于小波分析和主成分分析的人臉識(shí)別研究.pdf
- 基于二維主成分分析的人臉識(shí)別算法的研究.pdf
- 基于主成分分析和神經(jīng)樹的人臉識(shí)別方法研究.pdf
- 基于小波變換與主成分分析的人臉識(shí)別技術(shù)研究.pdf
- 基于成分分析增量學(xué)習(xí)算法的人臉識(shí)別研究.pdf
- 基于膚色和主成分分析的人臉檢測和識(shí)別的算法研究.pdf
- 基于分塊離散余弦變換和主成分分析法的人臉識(shí)別
- 基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法.pdf
- 基于主成分分析的人工神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法的研究.pdf
- 基于Contourlet變換的主成分分析人臉識(shí)別算法.pdf
- 主成分分析人臉識(shí)別的GPU實(shí)現(xiàn).pdf
- 基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法的研究.pdf
- 基于膚色模型和主成分分析的人臉特征提取.pdf
評論
0/150
提交評論