

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)行舉報或認(rèn)領(lǐng)
文檔簡介
1、在基于生物特征的身份鑒別中,人臉識別因其獨特的優(yōu)勢被廣泛應(yīng)用于諸多領(lǐng)域。人臉特征提取與表達(dá)作為人臉識別中最為關(guān)鍵的部分,多年來一直成為研究的熱點問題。一方面,不同的特征表達(dá)方法與維數(shù)大小直接影響人臉識別的識別率;通常在同樣的特征表達(dá)方式下,維數(shù)越高其識別率也將越高。另一方面,特征提取的維數(shù)大小將直接影響人臉識別系統(tǒng)的實時性,維數(shù)越高其識別時間會越長,實時性會越低。
本文在重點分析基于局部模式描述子的人臉特征表達(dá)與識別方法的
2、基礎(chǔ)上,探討了利用主成分分析法進(jìn)行特征降維的有效性,以滿足實時人臉識別系統(tǒng)實現(xiàn)的需要。論文的主要工作和貢獻(xiàn)體現(xiàn)在以下兩個方面:
(1)深入研究了基于主成分分析、局部二元模式和局部求導(dǎo)模式的人臉特征表達(dá)與識別方法,分析了它們各自的特點,評估了對應(yīng)幾種人臉識別方法的性能表現(xiàn)。比較基于主成分分析的全局模式描述子,基于局部模式描述子的人臉特征表達(dá)能夠更有效地表達(dá)人臉特征,因此能夠大大提高人臉識別的識別率;比較一階局部模式描述子,基
3、于高階局部模式描述子的人臉特征表達(dá)包含了更多的空間信息,從而能夠進(jìn)一步提升人臉識別的識別率。
(2)考慮到主成分分析在特征降維方面的有效性,探討了一種結(jié)合局部模式描述子和主成分分析的人臉識別方法。通過引入主成分分析對采用局部模式描述子提取的人臉特征進(jìn)行降維,從而提高人臉識別的速度?;贔ERET 標(biāo)準(zhǔn)人臉庫的實驗結(jié)果表明:在保持同樣識別率的條件下,結(jié)合采用主成分分析能夠有效減少人臉識別階段所需要的特征維數(shù),降低了識別過程的
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(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
- 人臉識別的線性降維算法研究.pdf
- 面向人臉識別的快速特征提取與稀疏表示方法研究.pdf
- 面向人臉識別的特征定位及幾何校正研究.pdf
- 面向人臉識別的特征提取技術(shù)應(yīng)用研究.pdf
- 人臉識別的主元特征研究.pdf
- 人臉特征自動定位與人臉識別的研究.pdf
- 用于人臉識別的三維人臉模型重建.pdf
- 人臉識別的特征描述方法研究.pdf
- 基于半監(jiān)督降維的人臉識別.pdf
- 面向人臉識別的流形正則化判別特征提取算法研究.pdf
- 人臉識別中子空間降維方法研究.pdf
- 人臉特征點定位及識別的研究.pdf
- 基于整體特征的人臉識別的研究.pdf
- 人臉識別中的可學(xué)習(xí)特征描述及降維研究.pdf
- 關(guān)于人臉識別中降維方法的研究.pdf
- 面向人臉識別的圖像表示和分類研究.pdf
- 面向人臉和掌紋特征提取的線性降維技術(shù)研究.pdf
- 人臉識別的面部特征配準(zhǔn)及人臉比對問題研究.pdf
- 人臉識別中高維數(shù)據(jù)特征分析.pdf
- 面向手持設(shè)備的人臉識別的設(shè)計與研究.pdf
評論
0/150
提交評論