基于集成學(xué)習(xí)模型的單樣本人臉圖像識(shí)別研究.pdf_第1頁
已閱讀1頁,還剩51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、單樣本人臉圖像識(shí)別是指在每類訓(xùn)練圖像只有一個(gè)的情況下,對(duì)測(cè)試人臉圖像進(jìn)行識(shí)別的方法。作為人臉識(shí)別的一個(gè)重要研究方向,單樣本人臉圖像識(shí)別廣泛應(yīng)用于過境檢查、嫌犯身份確認(rèn)等場(chǎng)合。由于樣本過少,并且受到光照、旋轉(zhuǎn)等不利因素的影響,如何提高單樣本人臉圖像識(shí)別的精度是一個(gè)比較困難的問題。針對(duì)這一問題,我們開展了以下兩個(gè)方面的工作:
  1提出了一種基于局部通用表示粒子群優(yōu)化算法(Particle SwarmOptimization: PSO

2、)的單樣本人臉圖像識(shí)別方法。在我們的方法中,首先,利用通用訓(xùn)練集對(duì)圖像在光照、遮擋等情況下人臉的變化進(jìn)行實(shí)驗(yàn)對(duì)比,并生成變化字典。其次,通過PSO對(duì)查詢樣本局部表示的各種參數(shù)進(jìn)行優(yōu)化,其中包括分塊尺寸、鄰域尺寸、重疊尺寸和正則化參數(shù)。最后,將查詢樣本通過優(yōu)化后的參數(shù)進(jìn)行局部表示,并將查詢樣本用變化字典和訓(xùn)練樣本表示進(jìn)行識(shí)別。由于PSO優(yōu)化算法能尋找到給定參數(shù)的最優(yōu)解,所以本文將其用在參數(shù)優(yōu)化上,從而提高了識(shí)別率。
  2提出了一種

3、基于Gist特征的單樣本人臉圖像識(shí)別方法。在我們的方法中,首先,對(duì)人臉圖像進(jìn)行預(yù)處理,同時(shí)用Gabor濾波器對(duì)圖像進(jìn)行濾波,以便去除光照對(duì)圖像的影響。其次,對(duì)人臉圖像進(jìn)行Gist特征提取。最后,用KNN分類器對(duì)提取出來的特征進(jìn)行分類,并得到識(shí)別率。由于Gabor特征對(duì)于光照反應(yīng)不敏感,以及Gist特征是在一定的區(qū)域內(nèi)對(duì)所取的方向和尺度的平均值特征,所以本文提出的方法對(duì)人臉圖像在光照和旋轉(zhuǎn)等情況下具有較好的效果。
  本文提出的兩種

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