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、生物特征是人的內(nèi)在屬性,具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性,因此是身份驗(yàn)證的理想依據(jù)。利用人臉生物特征進(jìn)行是最自然最直接的身份驗(yàn)證方法,相比其他生物特征,人臉具有直接、友好、方便的特點(diǎn)。人臉識(shí)別過程一般可以分為人臉檢測(cè)與定位和人臉圖像預(yù)處理、人臉的特征提取、人臉識(shí)別三個(gè)部分。本文首先綜述課題的研究背景與意義,并分析總結(jié)國(guó)內(nèi)外關(guān)于人臉識(shí)別的研究情況與進(jìn)展。在此基礎(chǔ)上,提出了超球投影嵌入支持向量鑒別分析特征降維算法,分層次人臉拒識(shí)分類算法。具
2、體內(nèi)容如下:
(1)詳細(xì)闡述了支持向量機(jī)的理論,核函數(shù),以及支持向量數(shù)據(jù)描述的基本思想,為新算法的提出提供理論支持。
(2)設(shè)計(jì)實(shí)現(xiàn)了基于Adaboost的人臉檢測(cè)與定位,同時(shí)實(shí)現(xiàn)了人臉圖像的灰度歸一化,尺度歸一化以及灰度均衡化的預(yù)處理算法,為人臉特征提取和識(shí)別奠定基礎(chǔ)。
(3)提出超球投影嵌入支持向量鑒別分析特征降維算法。該算法首先利用支持向量機(jī)提取樣本的類別信息,然后將樣本與超球中心的距離作
3、為投影距離,并借助超球半徑,對(duì)投影軸的量綱進(jìn)行尺度歸一化。組合類別信息和歸一化投影距離,即可得到樣本的壓縮特征。
(4)提出并實(shí)現(xiàn)了基于支持向量機(jī)和支持向量數(shù)據(jù)描述的分層次人臉拒識(shí)分類算法。該算法對(duì)每類目標(biāo)樣本建立緊致包裹數(shù)據(jù)的超球模型,用于接受目標(biāo)類樣本,拒絕非目標(biāo)類樣本,再借助于支持向量機(jī)的良好的分類泛化能力,建立多分類支持向量機(jī)模型,用于目標(biāo)類樣本的分類。
(5)著重分析了基于人臉識(shí)別同時(shí)具有拒識(shí)能力的
溫馨提示
- 1. 本站所有資源如無(wú)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(yè)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。
最新文檔
- 基于SVM的人臉識(shí)別技術(shù)研究.pdf
- 基于AdaBoost與SVM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
- 基于核技術(shù)的人臉識(shí)別應(yīng)用研究.pdf
- 基于SVM算法的人臉識(shí)別系統(tǒng)的應(yīng)用與研究.pdf
- 基于SIFT和SVM的人臉識(shí)別研究.pdf
- 基于SVM的人臉識(shí)別方法研究.pdf
- 基于SVM和KICA的人臉識(shí)別.pdf
- 基于SVM的人臉識(shí)別算法研究與FPGA實(shí)現(xiàn).pdf
- 基于SVM的人臉識(shí)別增量學(xué)習(xí)算法研究.pdf
- 基于3D人臉重建的人臉識(shí)別技術(shù)應(yīng)用研究.pdf
- 基于SVM具有年齡變化的人臉識(shí)別技術(shù)研究.pdf
- 基于深度學(xué)習(xí)的人臉識(shí)別算法與應(yīng)用研究.pdf
- 基于EHMM-SVM的人臉識(shí)別算法研究.pdf
- 基于SVM混合核函數(shù)的人臉識(shí)別.pdf
- 基于SVM和ELM的人臉識(shí)別方法.pdf
- 基于PCA和SVM的人臉識(shí)別關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 人臉識(shí)別技術(shù)與應(yīng)用研究.pdf
- 基于NMF和SVM改進(jìn)算法的人臉識(shí)別.pdf
- 基于DCV和SVM的人臉識(shí)別方法研究與實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論