基于統(tǒng)一概率模型的人臉識(shí)別技術(shù).pdf_第1頁
已閱讀1頁,還剩138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、人臉識(shí)別與許多其它的傳統(tǒng)模式識(shí)別問題具有明顯的區(qū)別.一方面,對(duì)于人臉識(shí)別系統(tǒng),經(jīng)常有成百上千的非常大量的類數(shù)(人數(shù)),而對(duì)于每個(gè)人卻只有很少的幾幅圖象,甚至每人只有一個(gè)圖象樣本的情況也屢見不鮮.另一方面,人臉識(shí)別還受到光照、姿態(tài)、表情、年齡、圖象質(zhì)量、圖象尺寸、背景等因素的影響.該文的研究主要針對(duì)在光照、姿態(tài)、表情等因素的影響下、每人只有單幅圖象的大規(guī)模(幾百人以上)的正面人臉圖象的識(shí)別問題,取得以下創(chuàng)新性研究成果;針對(duì)每類單樣本的人臉

2、識(shí)別問題,提出了一種具有特定人群泛化能力的統(tǒng)一概率模型思想.提出了一種基于高斯混合模型的人臉識(shí)別方法.該文基于統(tǒng)一概率模型的思想,使用高斯混合模型估計(jì)人臉圖象類內(nèi)差別和類間差別的分布,比傳統(tǒng)的使用正態(tài)密度函數(shù)來估計(jì)分布的方法更為精確;并應(yīng)用分類器融合多個(gè)高斯混合模型,使得分類器的性能更加魯棒.根據(jù)人臉圖象的左右基本對(duì)稱的固有特性,提出一種基于身份子空間統(tǒng)一模型的從臉識(shí)別方法.針對(duì)人臉定位誤差常常導(dǎo)致識(shí)別失敗的問題,提出了一種基于遺傳算法

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