已閱讀1頁，還剩57頁未讀， 繼續(xù)免費(fèi)閱讀
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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、人臉識別是計(jì)算機(jī)視覺和模式識別領(lǐng)域的一個重要研究方向。人臉圖像由于維數(shù)過高,訓(xùn)練樣本少,及光照、表情、局部遮擋等不可控因素的變化,使人臉識別問題面臨很大的挑戰(zhàn)。特別在只有單個訓(xùn)練樣本的情況下,訓(xùn)練信息更少,使得這個問題更加難解。因此在單樣本人臉識別任務(wù)中如何充分利用單個訓(xùn)練樣本的信息以及先驗(yàn)信息,對于該識別問題是關(guān)鍵的。
針對這些問題,本文提出了一種基于區(qū)域Gabor特征的單樣本人臉識別方法,即按人臉主要部位的分布對人臉進(jìn)行區(qū)
2、域劃分,提取每個區(qū)域的 Gabor特征,進(jìn)行分區(qū)域識別。在FERET、AR和ORL人臉庫上進(jìn)行實(shí)驗(yàn),驗(yàn)證了這種方法的有效性。
之后,提出了區(qū)域特征融合的思想,在區(qū)域 Gabor特征識別的基礎(chǔ)上進(jìn)一步引入?yún)^(qū)域LGBP特征,實(shí)驗(yàn)驗(yàn)證了區(qū)域特征融合方法比只使用一種特征能獲得更好的性能。
此外,為了充分利用單樣本人臉的先驗(yàn)信息,提出了基于稀疏表示和線性回歸的單樣本人臉識別方法。該方法先計(jì)算出單個訓(xùn)練樣本在輔助樣本集上的稀疏表
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(hù)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(fù)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(zhǔn)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。
最新文檔
- 基于Gabor小波變換的單樣本人臉識別算法研究.pdf
- 單樣本人臉識別算法研究.pdf
- 單樣本人臉識別方法的研究.pdf
- 基于LDA和CRC的單樣本人臉識別算法研究.pdf
- 單樣本人臉識別方法研究.pdf
- 基于遷移學(xué)習(xí)的單樣本人臉識別.pdf
- 基于Gabor小波的人臉識別的單樣本問題研究.pdf
- 基于稀疏理論的單樣本人臉識別研究.pdf
- 二維及雙模態(tài)融合的單訓(xùn)練樣本人臉識別技術(shù)研究
- 復(fù)雜環(huán)境下的單樣本人臉識別算法研究.pdf
- 二維及雙模態(tài)融合的單訓(xùn)練樣本人臉識別技術(shù)研究.pdf
- 非理想狀態(tài)的單樣本人臉識別方法.pdf
- 基于虛擬圖像生成與融合HMM的單樣本人臉識別技術(shù)研究.pdf
- 基于樣本擴(kuò)充的小樣本人臉識別研究.pdf
- 基于虛擬信息的單樣本人臉識別方法研究.pdf
- 基于集成學(xué)習(xí)模型的單樣本人臉圖像識別研究.pdf
- 基于多流形判別分析的單樣本人臉識別研究.pdf
- 基于多層投票的單樣本人臉識別算法研究與應(yīng)用.pdf
- 大類別及少量訓(xùn)練樣本的人臉識別問題研究.pdf
- 基于主分量分析的單樣本人臉識別方法研究.pdf
評論
0/150
提交評論