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63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、人臉識(shí)別技術(shù)是針對(duì)人的面部特征的一項(xiàng)生物特征識(shí)別技術(shù),在信息認(rèn)證、身份識(shí)別、人機(jī)交互等諸多領(lǐng)域都有著良好的應(yīng)用前景。但人臉特征自身的形變大,又易受到光照、角度等外界因素影響,人臉識(shí)別有著較高的研究難度和極廣的研究空間。近年來利用代數(shù)方法的人臉特征提取,受到國(guó)內(nèi)外廣大學(xué)者青睞,線性子空間即是其中最重要的方法。為此本文主要針對(duì)小波變換圖像特征和線性子空間的識(shí)別方法進(jìn)行深入研究。
   論文首先了介紹人臉檢測(cè)的方法,并對(duì)使用Haar特

2、征和Adaboost級(jí)聯(lián)分類器的方法進(jìn)行了深入研究。在Adaboost訓(xùn)練算法的基礎(chǔ)上,使用特征距離對(duì)弱分類器選擇做了改進(jìn),并將該分類器與OpenCV已訓(xùn)練好的人臉檢測(cè)分類器進(jìn)行比較。
   其次研究了小波變換特性和二維小波變換的方法。由于小波交換有著多分辨率分析的優(yōu)點(diǎn)和對(duì)圖像進(jìn)行不同頻率分解的能力,本文使用二維小波對(duì)圖像特征進(jìn)行變換并降維。變換后,小波低頻分量保留了圖像近似信息,高頻分量包含圖像細(xì)節(jié)信息。
   論文還

3、討論了基于線性子空間兩種基本的特征提取方法PCA和LDA。在2D-LDA的基礎(chǔ)上,提出一種改進(jìn)的2D-LDA方法。本文將改進(jìn)的2D-LDA的分類特征和UPCA的描述特征進(jìn)行組合,實(shí)現(xiàn)了對(duì)圖像分類和檢查分類正確性的功能。通過實(shí)驗(yàn)比較該方法與單純使用UPCA或改進(jìn)的2D-LDA的識(shí)別性能。
   論文最后在基于Haar特征和Adaboost級(jí)聯(lián)分類器的人臉檢測(cè)和基于小波變換和線性子空間的人臉識(shí)別的基礎(chǔ)上,提出一種人臉識(shí)別系統(tǒng)的設(shè)計(jì)方

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(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。

評(píng)論

0/150

提交評(píng)論