2023年全國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44頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、人臉識別技術(shù)是基于生物特征的識別方式,與指紋識別等傳統(tǒng)的識別方式相比,具有實時、準確和非侵擾等特性,較容易被用戶接受,因此人臉識別技術(shù)在諸多領(lǐng)域都有廣泛的應(yīng)用。人臉識別技術(shù)中的人臉特征提取及模式識別是近年來基于生物特征研究的熱點之一。 本文從構(gòu)建一個動態(tài)的人臉識別系統(tǒng)著手,討論了整個構(gòu)建工作的流程,對各環(huán)節(jié)所需的技術(shù)、算法作了介紹和研究。其中包括通過多媒體設(shè)備獲取視頻序列流、在圖像中檢測人臉、對人臉圖像進行預(yù)處理后提取臉部特征、

2、最后進行模式分類識別。整個過程所作的具體工作如下: (1)闡述了人臉檢測及預(yù)處理的重要性,介紹了幾種圖片預(yù)處理的方法,包括尺度歸一化,灰度歸一化,直方圖均衡化等,并運用小波分解過濾出人臉圖片中含有較穩(wěn)定特征的低頻部分用于特征提取。 (2)討論了三種基于統(tǒng)計特征的特征提取方法,即PCA(主成分分析方法)﹑LDA(Fisher臉方法)﹑KPCA(核主成分分析方法)。分別闡述了這三種特征提取方法的主要思想,介紹了各自的算法流程

3、及實現(xiàn)方法,并對各自的優(yōu)缺點及適用環(huán)境進行了總結(jié)和分析。 (3)分析了支持向量機方法,探討了線性和非線性支持向量機的原理及實現(xiàn)方法,討論了如何獲取較好的核函數(shù),另外介紹了支持向量機如何實現(xiàn)用SVM解決多分類問題。 (4)由文中討論的各種特征提取和分類方法進行了大量的實驗,并獲取了相應(yīng)的實驗數(shù)據(jù),對前文總結(jié)的各種方法的特點及優(yōu)缺點進行了對比和驗證。根據(jù)人臉識別系統(tǒng)流程以及具體算法搭建了一個由攝像頭獲取視頻流的動態(tài)人臉識別系

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(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(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(dān)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。

評論

0/150

提交評論