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),請進行舉報或認領(lǐng)
文檔簡介
1、人臉自動識別技術(shù)作為生物特征識別技術(shù)的重要組成部分,在近三十年里得到了廣泛的關(guān)注和研究,已經(jīng)成為計算機視覺、模式識別領(lǐng)域的研究熱點。人臉識別問題涵蓋了圖像處理、模式識別和計算機視覺等多個領(lǐng)域,它主要有特征提取和模式識別兩個部分。特征提取是從人臉圖像中提取可以用來分類的信息;而模式識別則是利用提取的特征進行模式分類。本文以此為重點進行了相關(guān)的研究,主要內(nèi)容如下:
在特征提取環(huán)節(jié),本文用主成份分析(Principal Comp
2、onent Analysis,PCA)和獨立分量分析(Independent Component Analysis,ICA)用于人臉特征的提取,并比較了這兩類特征在用于人臉識別中的差異。在人臉識別中,不經(jīng)預處理的人臉圖像的維數(shù)非常高,高維圖像的識別不僅增加了識別系統(tǒng)的復雜度和成本,而且增加了計算的復雜度,可能導致無法滿足實時性的要求;同時不經(jīng)處理的人臉圖像中含有很多冗余的信息,影響了正確分類結(jié)果。針對傳統(tǒng)的ICA算法存在迭代次數(shù)多,收斂
3、難的不足,本文采用FastICA作為ICA的快速算法。
在分類判別中,分別用最近鄰(Nearest Neighabor,NN)法、最近鄰特征線法(Nearest Feature Line,NFL)法與本文提出的改進的基于NN和NFL聯(lián)合的分類器,對ORL人臉庫提取的PCA和ICA特征進行了識別,并與BP神經(jīng)網(wǎng)絡進行了比較。本文還將一個自適應BP神經(jīng)網(wǎng)絡用于人臉識別。自適應的BP神經(jīng)網(wǎng)絡,能夠自動刪減輸入層,選擇合適的特征,
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于ICA的人臉識別研究.pdf
- 基于PCA算法和人臉姿態(tài)合成的人臉識別.pdf
- 基于PCA和RBFNN的人臉識別算法研究.pdf
- 基于pca的人臉識別算法實現(xiàn)
- 基于ICA的人臉識別算法研究.pdf
- 基于PCA的人臉識別方法.pdf
- 基于PCA和LBP改進算法的人臉識別研究.pdf
- 基于PCA的人臉識別技術(shù)的研究.pdf
- 基于PCA的人臉識別方法研究.pdf
- 基于ICA-BP的人臉識別方法.pdf
- 基于變換域和PCA的人臉識別方法研究.pdf
- 基于ICA和小波神經(jīng)網(wǎng)絡的人臉識別研究.pdf
- 基于PCA的整體與局部特征融合的人臉識別方法.pdf
- 基于pca的人臉識別系統(tǒng)研究
- 基于Gabor-PCA和KNN-SVM的人臉識別算法.pdf
- 基于LBP和混合2DPCA+PCA的人臉識別研究.pdf
- 基于Gabor特征的人臉識別.pdf
- 基于PCA算法的人臉識別系統(tǒng)研究.pdf
- 基于ND-PCA的人臉識別方法研究.pdf
- 基于分塊PCA的人臉識別算法研究與實現(xiàn).pdf
評論
0/150
提交評論