

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、隨著社會發(fā)展的需要,各行業(yè)對快速有效的身份驗證有著迫切的需要。由于生物特征是人的內(nèi)在屬性,具有很強的自身穩(wěn)定性和個體差異性,因此人臉識別成為模式識別、圖像處理等學科的研究熱點。
人臉識別過程主要由三部分構成:數(shù)據(jù)預處理、特征提取和分類識別。本文針對人臉在表情和光照上的變化,重點研究了如何提取有效的人臉特征信息。
數(shù)據(jù)預處理部分主要完成對人臉圖像的直方圖均衡、白化等處理。這樣能有效地改善圖像質(zhì)量,降低計算復雜度
2、,從而有效地提高后續(xù)算法的計算速度和收斂速度。
在特征提取部分,本文首先采用主分量分析(Principal Components Analysis ,PCA)方法對訓練圖像進行降維處理,以去除圖像的二階冗余信息,并把PCA處理后的人臉特征空間作為ICA(Independent Component Analysis)方法的輸入數(shù)據(jù)。當訓練樣本龐大時,訓練時間呈指數(shù)形式增加,該處理能有效的減少計算量并提高識別率。
3、 然后,針對人臉圖像的特殊性,采用基于負熵的快速定點ICA(Fast Fixed-point ICA,FastICA)算法來提取人臉的特征信息,該方法有很好的特征表征能力。采用定點迭代的自適應學習方法,計算量小,收斂性好。除此之外,本文提出了KICA(Kernel Independent Component Analysis)方法——一種基于非線性函數(shù)空間的ICA方法,用核函數(shù)來代替兩向量間的內(nèi)積運算來實現(xiàn)非線性變換,具有更好的靈活性,
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
- 基于ICA的人臉識別算法研究.pdf
- 基于PCA和ICA特征的人臉識別.pdf
- 基于ICA-BP的人臉識別方法.pdf
- 基于ICA與Gabor算法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
- 基于對稱的核ICA人臉識別研究.pdf
- 基于ALGTP的人臉識別研究.pdf
- 基于ASLBP的人臉識別研究.pdf
- 基于加權小波分解的人臉識別的人臉識別算法研究.pdf
- 基于組件的人臉識別.pdf
- 基于LDA的人臉識別.pdf
- 基于lbp的人臉識別
- 基于LBP的人臉識別研究.pdf
- 基于學習的人臉識別研究.pdf
- 基于SDCNN的人臉識別研究.pdf
- 基于SIFT的人臉識別研究.pdf
- 基于視頻的人臉識別研究.pdf
- 基于iOS的人臉識別.pdf
- 基于單樣本的人臉識別研究.pdf
- 基于代數(shù)特征的人臉識別研究.pdf
評論
0/150
提交評論