

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)行舉報或認(rèn)領(lǐng)
文檔簡介
1、人臉識別技術(shù)是利用計算機(jī)分析人臉圖像,并從人臉圖像中提取有用的信息進(jìn)行身份識別的技術(shù)。人臉識別技術(shù)的任務(wù)之一是人臉鑒別,就是驗證某個人的身份是否屬實,是一對一的匹配過程,現(xiàn)實生活中有許多領(lǐng)域存在這樣的情況。例如,在成人教育中,為防止入學(xué)時代考現(xiàn)象的發(fā)生,一般根據(jù)學(xué)生報考和畢業(yè)時所提供的照片來驗證學(xué)生的真實身份,而且這些照片的時間間隔一般為4~5年左右??紤]到人工鑒別所需的工作量很大,因此迫切需要提出一種利用人臉圖像來進(jìn)行身份驗證的方法,
2、以計算機(jī)的鑒別工作代替人工對比工作,加快驗證進(jìn)程。
本文針對人臉圖像中人臉的大小、姿態(tài)、光照和角度等不同,采用了一種利用圖像灰度積分投影曲線和Hough變換相結(jié)合來進(jìn)行人臉歸一化校正的方法。經(jīng)過對課題中自建人臉庫的實驗驗證,這種方法具有速度快、精確度高、受表情、偏轉(zhuǎn)和光照影響小的特點,歸一化正確率可達(dá)94.9%。同時校正后的人臉圖像具有平移、旋轉(zhuǎn)和尺度的不變性,為后續(xù)的特征提取及鑒別工作提供了有利的保證。
在
3、對基于PCA和LDA的人臉識別方法進(jìn)行分析和研究的基礎(chǔ)上,采用了一種基于PCA和LDA融合的人臉鑒別方法。在這種方法中,使用了最大法、最大最小法和平均方法三種融合方式,使得這種融合的人臉鑒別方法較好地結(jié)合了PCA和LDA兩種基本算法之間的相關(guān)性以及區(qū)別性。同時采用原始圖像及其一階、二階投影組合圖像及鏡像圖像相結(jié)合的方法,解決了融合方法中訓(xùn)練樣本集不足的問題。經(jīng)實驗驗證,融合方法中的三種融合方式均優(yōu)于PCA或LDA中的任何一種,其鑒別正確
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
- 基于改進(jìn)2D-PCA和2D-LDA的人臉識別方法研究.pdf
- 基于KPCA和LDA融合改進(jìn)的人臉識別算法研究.pdf
- 基于PCA的人臉識別方法.pdf
- 基于LDA的人臉識別.pdf
- 基于變換域和PCA的人臉識別方法研究.pdf
- 基于PCA的人臉識別方法研究.pdf
- 基于PCA的整體與局部特征融合的人臉識別方法.pdf
- 基于LDA和KDA的人臉識別算法研究.pdf
- 基于Gabor與Pca融合算法的人臉識別研究.pdf
- 基于PCA和RBFNN的人臉識別算法研究.pdf
- 基于PCA算法和人臉姿態(tài)合成的人臉識別.pdf
- 基于ND-PCA的人臉識別方法研究.pdf
- 基于PCA和MSD的人臉圖像檢索研究.pdf
- 基于lda的人臉識別(1)
- 基于PCA和ICA特征的人臉識別.pdf
- 基于LDA的人臉識別技術(shù)研究.pdf
- 基于LDA的人臉圖像分析.pdf
- 基于數(shù)據(jù)融合的脫機(jī)中文簽名鑒別方法研究.pdf
- 基于改進(jìn)PCA和LDA的特征提取方法.pdf
- 基于PCA和LBP改進(jìn)算法的人臉識別研究.pdf
評論
0/150
提交評論