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、人臉識別的主要任務是提取人臉數(shù)據(jù)的有效特征,再利用這些有效特征,將人臉數(shù)據(jù)劃分為相應的模式類別。其中特征提取是人臉識別的關(guān)鍵點,有效的特征提取方法不僅可以簡化后續(xù)的分類器設(shè)計,而且能夠提高人臉的識別率。本文主要研究了基于矩陣低秩近似的人臉特征提取方法,重點從以下三方面展開研究:
(1)全面介紹現(xiàn)有的低秩近似方法,其中包括基于向量和基于矩陣的低秩近似?;谙蛄康牡椭冉品椒ㄖ饕?奇異值分解(SVD)、主成分分析(PCA)、線
2、性判別分析(LDA)和局部保持投影(LPP);基于矩陣的低秩近似方法有:二維主成分分析(2DPCA)和矩陣的廣義低秩逼近(GLRAM)。
(2)提出了一種矩陣廣義低秩逼近的新的非迭代算法(NGLRAM)。針對GLRAM算法需要多次迭代來獲得左右投影變換矩陣,需要大量的訓練時間,本文利用2DPCA算法通過協(xié)方差矩陣獲得右投影變換矩陣,進一步對其投影特征矩陣降維獲得左投影變換矩陣,提出GLRAM算法的一種非迭代算法。最后在ORL和
3、AR人臉數(shù)據(jù)庫的實驗研究表明,新的非迭代算法在圖像重建和圖像識別都取得了和GLRAM的迭代算法相近的效果,同時節(jié)省了大量的訓練時間,而較2DPCA,新算法以較大的壓縮率取得更好圖像重建效果和識別率。
(3)提出了一種GLRAM與SLPP(監(jiān)督的局部保持投影)相結(jié)合的人臉識別方法。先使用GLRAM算法對于人臉圖像進行降維,刪除人臉圖像固有的冗余,獲取人臉數(shù)據(jù)的有效特征,進一步利用SLPP對這些有效特征繼續(xù)降維來獲得人臉的局部有效
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
- 6. 下載文件中如有侵權(quán)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。
最新文檔
- 基于低秩表示的人臉識別方法研究.pdf
- 基于低秩恢復和稀疏表示的人臉識別方法研究.pdf
- 基于改進低秩恢復稀疏表示的人臉識別方法的研究.pdf
- 基于低秩分解的光照健壯人臉識別方法研究.pdf
- 基于稀疏表示和低秩矩陣分解的人臉識別與圖像對齊方法研究.pdf
- 基于矩陣主成分分析的人臉識別方法研究.pdf
- 18948.基于矩陣分數(shù)范數(shù)的人臉識別方法
- 基于低秩表征的人臉識別技術(shù)研究.pdf
- 基于稀疏和低秩表示的人臉識別研究.pdf
- 基于結(jié)構(gòu)化低秩表示的人體行為識別方法.pdf
- 基于核子空間低秩表示的人臉識別算法研究.pdf
- 基于統(tǒng)計的人臉識別方法.pdf
- 基于LDP的人臉識別方法研究.pdf
- 基于MMTD的人臉識別方法研究.pdf
- 基于PCA的人臉識別方法.pdf
- 基于SVM的人臉識別方法研究.pdf
- 基于PCA的人臉識別方法研究.pdf
- 基于融合的人臉識別方法研究.pdf
- 基于DCT的人臉識別方法研究.pdf
- 基于部分的人臉識別方法研究.pdf
評論
0/150
提交評論