基于局部模式的人臉識(shí)別方法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩57頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)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)別具有重要的理論價(jià)值和廣泛的應(yīng)用前景。盡管近年來(lái)人臉識(shí)別技術(shù)取得了長(zhǎng)足的進(jìn)步,但現(xiàn)有算法的性能尚不能滿足各種應(yīng)用的實(shí)際需求。從某種意義上講,人臉識(shí)別問(wèn)題的核心是人臉建模問(wèn)題,而近年來(lái),基于人類(lèi)視覺(jué)感知機(jī)理的產(chǎn)生式模型在視覺(jué)領(lǐng)域受到了廣泛關(guān)注,尤其是基于局部建模的方法更取得了較大的成功。本文在分析現(xiàn)有的產(chǎn)生式方法的基礎(chǔ)上,對(duì)基于局部建模的人臉識(shí)別方法進(jìn)行研究,取得了以下研究結(jié)果:
  (1)提出了一種基于稠密局部匹配(Dens

2、elyLocalMatching,簡(jiǎn)寫(xiě)為DLM)的人臉識(shí)別方法。該方法通過(guò)對(duì)原始人臉圖像進(jìn)行稠密重采樣,得到反映不同局部區(qū)域特征的子圖像,并最終通過(guò)融合局部子圖像匹配結(jié)果來(lái)得到最終的圖像匹配相似度。本文對(duì)不同的圖像分塊策略(稠密和稀疏、分塊大小等)以及融合策略(全部融合和部分融合)進(jìn)行了實(shí)驗(yàn)分析,實(shí)驗(yàn)結(jié)果表明融合部分稠密采樣的局部匹配方法可以取得更好的性能。
  (2)提出了一種基于局部視覺(jué)基元(LocalVisualPrimit

3、ives,簡(jiǎn)寫(xiě)為L(zhǎng)VP)的產(chǎn)生式模型,并用于人臉重建和識(shí)別中。該方法通過(guò)對(duì)密集采樣的局部圖像模式進(jìn)行聚類(lèi)來(lái)獲得能夠反映人臉局部變化模式的視覺(jué)基元,這些基元在視覺(jué)效果上與圖像微視覺(jué)結(jié)構(gòu)非常吻合,可以用于組合高層的語(yǔ)義特征(如眼睛,鼻子,嘴等),實(shí)驗(yàn)結(jié)果表明使用數(shù)百個(gè)LVPs就可以很好的重建高維灰度人臉圖像(原始維數(shù)為56x63)。此外,本文還提出了基于LVP的人臉識(shí)別方法,該方法通過(guò)對(duì)圖像的LVP索引建立空間直方圖模型,并采用直方圖交計(jì)算

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(hù)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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