基于Matlab的人臉識(shí)別的研究.pdf_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、人臉識(shí)別是當(dāng)前計(jì)算機(jī)模式識(shí)別領(lǐng)域中的一個(gè)非常活躍的研究課題,在安全檢測(cè)、身份驗(yàn)證、軍事、商業(yè)等領(lǐng)域具有廣泛的應(yīng)用前景。基于人臉識(shí)別的自動(dòng)身份認(rèn)證具有重要的理論意義和應(yīng)用價(jià)值。但是通過人臉圖像來進(jìn)行識(shí)別仍然面臨巨大的挑戰(zhàn),要使這一技術(shù)成為完全成熟的技術(shù)還有許多工作需要做。
   本文以人臉識(shí)別為目標(biāo),以基于子空間分析的人臉特征提取技術(shù)為重點(diǎn)進(jìn)行了相關(guān)研究。本文的主要工作如下:
   深入分析了主成分分析(Principal

2、ComponentAnalysis,PCA)方法的基本原理,PCA方法最顯著的優(yōu)點(diǎn)是能用低維特征向量來估計(jì)原始樣本,基于此特點(diǎn)將它用來實(shí)現(xiàn)對(duì)人臉的識(shí)別。此外本文還深入分析了PCA中遇到的特征值選擇和距離準(zhǔn)則的選取問題。
   研究了線性判別分析方法(LinearDiscriminateAnalysis,LDA),針對(duì)人臉識(shí)別中的小樣本問題本文提出了先用主成分分析(PCA)方法減少特征空間維數(shù),再利用線性判別方法實(shí)現(xiàn)對(duì)人臉的識(shí)別。

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(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(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