2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64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、傳統(tǒng)的生物特征識(shí)別技術(shù)是利用生物本身擁有的、能唯一標(biāo)識(shí)其身份的生理或行為特征進(jìn)行身份驗(yàn)證的技術(shù),在某種程度上,所提取的特征都是“人人擁有、人各不同、長(zhǎng)期不變”的。作為一種與生俱來的生物特征,人臉的唯一性和不易被替換、復(fù)制等優(yōu)良的先決條件,使得人臉識(shí)別成為生物特征識(shí)別和模式識(shí)別中最受關(guān)注的技術(shù)。應(yīng)用領(lǐng)域包括:門衛(wèi)系統(tǒng)、電子商務(wù)、超語言學(xué)、文化背景研究、機(jī)器人研制、測(cè)謊、智能環(huán)境、招聘測(cè)試、多種方式人機(jī)接口、智慧玩具等等。
   本

2、文首先討論了人臉識(shí)別的主要研究?jī)?nèi)容,對(duì)其研究意義及研究現(xiàn)狀進(jìn)行了回顧,研究了常用的人臉識(shí)別方法,對(duì)主成分分析、矩陣主成分分析、小波包變換等識(shí)別理論進(jìn)行了介紹和比較。在此基礎(chǔ)上,本文提出了一種改進(jìn)的類內(nèi)2DPCA重建的方法,該方法直接對(duì)二維圖像矩陣進(jìn)行處理,避免了將圖像拉伸成一維向量而造成計(jì)算復(fù)雜度高的問題。首先對(duì)訓(xùn)練圖像依類別進(jìn)行2DPCA降維和特征提取,得到每一類的投影空間,然后將待識(shí)別圖像分別在各類訓(xùn)練圖像的投影空間中進(jìn)行重建。由于

3、圖像在同類別的投影空間中的重建誤差最小,因此通過計(jì)算重建圖像與原圖像的差別,即可判定圖像所屬的類別。本文在MATLAB實(shí)驗(yàn)平臺(tái)上對(duì)改進(jìn)方法和傳統(tǒng)的類內(nèi)PCA重建方法進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果顯示,改進(jìn)的方法在保證實(shí)時(shí)性的基礎(chǔ)上提高了識(shí)別率。其次,本文對(duì)基于小波變換的人臉識(shí)別方法進(jìn)行了改進(jìn)。傳統(tǒng)的理論認(rèn)為,圖像經(jīng)小波變換后,主要內(nèi)容集中在低頻分量,忽略了高頻分量攜帶的輪廓和邊緣信息。本文針對(duì)這一不足,提出了改進(jìn)的小波包融合+2DPCA方法,先對(duì)圖

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

評(píng)論

0/150

提交評(píng)論