基于特征學習的人臉識別方法研究.pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、人臉識別一直是模式識別和計算機視覺領域的研究熱點。人臉識別作為一種特殊的生物特征識別技術,其在社會公共安全和日常生活中具有廣泛的應用價值和前景。目前,人臉識別領域還有很多關鍵問題有待解決,比如如何提取最為有效的特征,使其不受采集過程中光照、姿態(tài)、表情、遮擋和噪聲等變化的影響。
  本文研究了人臉識別的幾種經(jīng)典方法,并在這些經(jīng)典方法的引導下,提出了兩個新穎基于特征學習的人臉識別方法。本文的主要工作如下:
  (1)本文基于常用

2、的人臉識別技術進行了簡要的介紹和總結。同時詳細介紹了針對光照變化的人臉預處理方法,即Gamma灰度校正、對數(shù)變換、直方圖均衡化和多尺度的Retinex方法,并在Yale B&Extended Yale B人臉數(shù)據(jù)庫上進行對比驗證實驗。
  (2)本文提出了一種基于Gabor張量的MPCA人臉識別方法。該方法的基本思想是利用Gabor小波與原始圖像進行卷積,得到八個方向、五個尺度的40幅卷積圖,然后將一幅圖片通過Gabor小波變換得

3、到的40幅幅值特征圖像看作一個三階張量,再采用MPCA的方法將原始高維特征空間映射到低維子空間進行判別分類。該方法較傳統(tǒng)的PCA和GPCA能更好的保留圖像的張量空間結構特征,而且該方法對光照、姿態(tài)和表情有較好的魯棒性,但是由于計算復雜,會消耗計算機更多的內(nèi)存容量和計算時間。
  (3)本文提出了一種結構化低秩表示投影的人臉識別方法。該方法的基本思想是:利用訓練樣本的標簽信息求解出結構化低秩表示系數(shù),然后利用此系數(shù)建立圖嵌入模型,通

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論