版權說明: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,請進行舉報或認領
文檔簡介
1、隨著信息處理技術的發(fā)展,人臉識別技術在其相關領域的應用越來越引起人們關注,與利用指紋、虹膜等其他生物特征識別相比,人臉識別具有直接、友好、方便的特點,是進行身份確認的最自然、最直接的手段,這使得人臉識別技術成為最具潛力的身份識別方式。因此也使其成為模式識別、圖像處理和計算機視覺等學科的一大研究熱點。 本文檢索和查閱了近年來大量的國內(nèi)外關于人臉識別技術的資料文獻,對人臉識別的一些方法進行了分析和研究,在總結已有的人臉檢測、特征提取
2、與識別方法的基礎上,提出了一種改進的人臉識別的算法。 人臉識別主要包括三方面的內(nèi)容:人臉檢測與定位,特征提取,分類與識別。本文研究的重點是人臉識別中的人臉檢測定位及特征提取技術。 本文首先介紹了幾種常用于膚色檢測的顏色模型,分析了人臉膚色在顏色空間中的分布及其特性,對黃色人種中人臉膚色的聚類特性進行討論,指出了HSV顏色空間對膚色具有良好的聚類特性。然后,我們對人臉膚色在HSV顏色空間的分布規(guī)律進行了研究,建立了適合于黃
3、色人種人臉的膚色模型,提出了基于此膚色模型的人臉檢測算法,摒棄對灰度圖象處理進行認證的方法。通過對S色彩分量空間的閾值分割,利用分割后的圖像特點與標準臉的投影進行比對,實現(xiàn)對檢測到的人臉進行認證。通過大量不同的圖片和照片對此算法進行實驗驗證,結果表明該算法有效的提高了人臉檢測的準確性和及時性。 本文詳細介紹了K-L算法、主成分分析(PCA)、線性判別分析(LDA)原理及實現(xiàn)。在線性判別分析的基礎上指出:“在低維空間中,實例會因為
4、不同的光照條件和面部表情等外界因素造成類內(nèi)變量比類間變量變化大,從而導致線性判別分析的誤判率比較高(特別是運用歐幾里德距離)”。針對這一問題,本文在基于LDA方法的基礎上提出了一種低維空間線性人臉識別分析方法。對LDA算法在低維空間的這一缺陷加以改進,與人臉的判斷能量相結合,形成一種改進的LDA算法。理論分析與實驗證明,該算法在低維空間提高了識別率,增強了算法的實用性能。 在分類器的設計上,重點討論了最近鄰分類器和基于統(tǒng)計學習理
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
- 線性子空間人臉識別方法的研究與仿真.pdf
- 基于改進LBP特征的三維人臉識別方法研究.pdf
- 基于改進低秩恢復稀疏表示的人臉識別方法的研究.pdf
- 三維人臉識別方法研究.pdf
- 二維人臉識別方法研究.pdf
- 基于子空間的人臉識別方法的研究.pdf
- 基于低秩表示的人臉識別方法研究.pdf
- 線性及非線性特征提取人臉識別方法的研究.pdf
- 人臉識別方法研究.pdf
- 人臉識別的線性子空間方法研究.pdf
- 人臉識別方法研究與實現(xiàn).pdf
- 基于稀疏表示改進的人臉識別方法研究.pdf
- 人臉檢測與識別方法的研究.pdf
- 小波子空間人臉識別方法.pdf
- 基于改進LBP的人臉表情識別方法.pdf
- 基于子空間的多姿態(tài)人臉識別方法研究.pdf
- 基于子空間的人臉圖像處理與識別方法研究.pdf
- 基于局部線性嵌入的人臉識別方法研究.pdf
- 基于臉型的三維人臉識別方法研究.pdf
- 基于低秩分解的光照健壯人臉識別方法研究.pdf
評論
0/150
提交評論