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、人們的工作和生活越來(lái)越多地和計(jì)算機(jī)聯(lián)系在一起,使得人類與計(jì)算機(jī)之間的關(guān)系越來(lái)越緊密。另外,各種各樣的機(jī)器人也相繼問(wèn)世并且會(huì)越來(lái)越多地出現(xiàn)在我們的周圍。人們渴望自然和諧的人機(jī)交互——計(jì)算機(jī)首先要識(shí)別主人的身份,然后判別主人的表情以做出相應(yīng)的動(dòng)作。因此,本文以快速準(zhǔn)確的人機(jī)交互為目標(biāo),旨在研究如何提高基于人臉的身份識(shí)別與表情識(shí)別的識(shí)別率及識(shí)別速度。論文的主要研究工作與成果包括以下幾個(gè)方面的內(nèi)容: 1)提出一種基于局部二元模式直方圖映
2、射(LBPHP)的快速人臉識(shí)別方法。此方法將局部二元模式直方圖映射到保局投影(LPP)空間獲得低維的LBPHP特征,在此低維特征空間判別新樣本大大提高了識(shí)別速度,由于LPP強(qiáng)大的鑒別特性,此方法的識(shí)別率也很高,相比于傳統(tǒng)的基于局部二元模式(LBP)的人臉識(shí)別方法,此方法不僅識(shí)別速度更快、識(shí)別率更高,尤其在大型人臉庫(kù)上凸顯其優(yōu)勢(shì),適于此類人臉庫(kù)上的實(shí)際應(yīng)用如身份識(shí)別等。 2)在表情特征提取方面,傳統(tǒng)LBP算子存在不足:產(chǎn)生的直方圖
3、維數(shù)過(guò)長(zhǎng)、鑒別力不高、對(duì)噪聲反應(yīng)敏感。針對(duì)此問(wèn)題,提出中心化二元模式(CBP)算子。CBP算子相對(duì)于LBP算子具有三大優(yōu)勢(shì):(1) CBP算子通過(guò)比較“近鄰點(diǎn)對(duì)”之間的差異捕捉到梯度信息,不僅增強(qiáng)其鑒別能力而且大大降低特征維數(shù)。(2)CBP算子充分考慮中心像素點(diǎn)的作用并給它分配最高權(quán)重,此舉大大提高其鑒別能力。(3)從圖像中提取到的CBP特征在有噪聲情形下更加魯棒、更加穩(wěn)定。此外,為提高識(shí)別結(jié)果,首次將中心最近鄰分類器引入表情識(shí)別中,它
4、的分類效能優(yōu)于目前常用的最近鄰分類器。 3)為進(jìn)一步提高人臉表情識(shí)別率,對(duì)中心化二元模式(CBP)做拓展:(1)將梯度信息融入CBP;(2)提出多尺度CBP(簡(jiǎn)稱MCBP);(3)為增強(qiáng)算法對(duì)表情圖像中細(xì)小變形的魯棒性,首次引入圖像歐式距離(IMED)并將其嵌入MCBP方法。嵌有IMED的MCBP(簡(jiǎn)稱MCBP—IMED)方法提取出的特征具有優(yōu)點(diǎn):維數(shù)大大降低、很強(qiáng)的鑒別能力、對(duì)噪聲不敏感、不易受細(xì)小變形的干擾。 4)提
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。
最新文檔
- 基于局部二元模式的人臉表情識(shí)別.pdf
- 基于局部二值模式的人臉識(shí)別和表情識(shí)別研究.pdf
- 基于局部二值模式的人臉表情識(shí)別的研究與實(shí)現(xiàn).pdf
- 基于Gabor和局域二值模式的人臉表情識(shí)別.pdf
- 基于HMM的人臉表情識(shí)別研究.pdf
- 基于Gabor的人臉表情識(shí)別研究.pdf
- 基于SVM的人臉表情識(shí)別研究.pdf
- 基于AdaBoost與SVM的人臉表情識(shí)別研究.pdf
- 基于整體識(shí)別和局部識(shí)別融合的人臉表情識(shí)別.pdf
- 基于像素模式紋理特征(PPBTF)的人臉表情識(shí)別.pdf
- 基于二元樹(shù)復(fù)小波特征的人臉識(shí)別.pdf
- 基于SIFT特征的人臉表情識(shí)別研究.pdf
- 基于HMAX模型的人臉表情識(shí)別研究.pdf
- 基于Kernel ReliefF的人臉表情識(shí)別研究.pdf
- 基于粒計(jì)算的人臉表情識(shí)別研究.pdf
- 基于流行學(xué)習(xí)的人臉表情識(shí)別研究.pdf
- 基于深度學(xué)習(xí)的人臉表情識(shí)別研究與實(shí)現(xiàn).pdf
- 基于SIFT算法的人臉表情識(shí)別.pdf
- 基于稀疏表示的人臉表情識(shí)別.pdf
- 基于肌肉運(yùn)動(dòng)的人臉表情識(shí)別.pdf
評(píng)論
0/150
提交評(píng)論