2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩71頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著信息社會(huì)的來(lái)臨,由于在網(wǎng)絡(luò)購(gòu)物、網(wǎng)上銀行、電子支付、門禁系統(tǒng)、監(jiān)控體系、刑事偵查等領(lǐng)域的應(yīng)用前景廣闊,人臉識(shí)別受到了越來(lái)越多研究者的關(guān)注。目前已有的人臉識(shí)別方法主要集中于解決可控或半可控環(huán)境下的人臉識(shí)別問(wèn)題,針對(duì)非控環(huán)境下的人臉識(shí)別算法較少。非控環(huán)境下的人臉識(shí)別受光照、姿態(tài)、遮擋、表情、年齡、種族等干擾因素的綜合影響,傳統(tǒng)算法在進(jìn)行特征提取時(shí)引入的干擾信息較多,因而給后續(xù)的分類工作也帶來(lái)較大的困難。本文針對(duì)目前經(jīng)典算法應(yīng)用于非控環(huán)境

2、下人臉識(shí)別時(shí)產(chǎn)生的識(shí)別率低、實(shí)時(shí)性較差等問(wèn)題進(jìn)行研究,從特征提取算法、分類器設(shè)計(jì)兩個(gè)方面開展研究,主要的工作內(nèi)容包括以下幾個(gè)方面:
 ?。?)受生物視覺(jué)注意機(jī)制的啟發(fā),研究主動(dòng)形狀模型(Active Shape Model,ASM)算法,對(duì)生物視覺(jué)ROI區(qū)域(即眉毛、眼睛、鼻子、嘴巴等區(qū)域)進(jìn)行關(guān)鍵點(diǎn)標(biāo)記,在此基礎(chǔ)上研究并采用梯度方向直方圖(Histograms of Oriented Gradients,HOG)算法進(jìn)行人臉特征

3、提取,提出了基于關(guān)鍵點(diǎn)的HOG人臉特征提取算法(Histograms of Oriented Gradients based on key-points,k-HOG)。實(shí)驗(yàn)結(jié)果證明,本文提出的k-HOG算法相比于經(jīng)典的全局特征提取算法不僅大大降低了特征維度,而且減少了額頭、臉頰等非特征區(qū)域冗余信息的干擾,識(shí)別率得到提高。
 ?。?)經(jīng)典HOG算法中用梯度算子計(jì)算像素點(diǎn)的梯度幅值和梯度方向,它僅描述了水平和垂直兩個(gè)方向的灰度變化,包

4、含的像素點(diǎn)信息較少,因此本文提出了基于關(guān)鍵點(diǎn)的多尺度多梯度HOG特征提取算法(Multi-Scale Multi-Gradient Histograms of Oriented Gradient based on keypoints,k-MSMG-HOG)。首先設(shè)計(jì)3*3、5*5兩種尺度下四組梯度模板,利用這些模板分別計(jì)算各個(gè)像素點(diǎn)的梯度變化,統(tǒng)計(jì)得到兩種尺度下的梯度方向直方圖并進(jìn)行融合,得到最終特征向量。實(shí)驗(yàn)結(jié)果表明,本文提出的k-M

5、SMG-HOG算法,更全面精細(xì)地提取了關(guān)鍵點(diǎn)周圍的人臉特征信息,算法的識(shí)別率有顯著提高。
 ?。?)一對(duì)多高斯過(guò)程分類器(One Against All Gaussian Process Classifier,OAA-GPC)在訓(xùn)練每個(gè)二分類器時(shí)都需要將所有的訓(xùn)練樣本作為輸入,因此其對(duì)大規(guī)模樣本進(jìn)行分類時(shí)所耗費(fèi)的時(shí)間代價(jià)巨大。本文提出了基于一對(duì)一方法的高斯過(guò)程多分類器(One Against One Gaussian Proces

6、s Classifier,OAO-GPC),以及在其基礎(chǔ)上改進(jìn)的基于有向無(wú)環(huán)圖方法的高斯過(guò)程多分類器(Directed Acyclic Graph Gaussian Process Classifier,DAG-GPC),這兩種分類器在訓(xùn)練二分類器時(shí)僅需將所其對(duì)應(yīng)的兩類訓(xùn)練樣本作為輸入,改善了一對(duì)多方法的不足,在不降低識(shí)別率的基礎(chǔ)上大大減少了算法的運(yùn)行時(shí)間。在Oil、Segment、USPS三個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果均表明,OAO-GPC和

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論