

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)
文檔簡介
1、人臉識(shí)別與其他人體生物特征識(shí)別相比具有更多的優(yōu)越性,在國家重要機(jī)關(guān)及社會(huì)安防領(lǐng)域具有廣泛而特殊的用途,近年來已經(jīng)成為計(jì)算機(jī)視覺、模式識(shí)別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。 本文研究了自動(dòng)人臉檢測識(shí)別系統(tǒng)的兩個(gè)技術(shù)環(huán)節(jié):人臉檢測和特征提取,并開發(fā)了相應(yīng)的軟件系統(tǒng)。 人臉檢測部分,設(shè)計(jì)了一種基于膚色分割和多關(guān)聯(lián)模板匹配的方法:首先建立人臉膚色模型,然后在預(yù)處理后的區(qū)域上使用雙眼模板進(jìn)行粗篩選,再用不同長寬比的人臉模板確定人臉區(qū)域
2、,精確定位人臉。實(shí)驗(yàn)表明,該方法人臉檢測準(zhǔn)確率較高,具有時(shí)間優(yōu)勢,不但能正確檢測出正面端正人臉,而且對(duì)某些側(cè)面人臉也同樣能正確檢測。 特征提取部分,研究了一種基于完備核Fisher線性鑒別分析(CKFD)的方法,構(gòu)造了小樣本情況下核Fisher線性鑒別分析(KFDA)一種新的算法框架,使得KFDA算法更加簡單、清晰明了。該方法在提取有效特征時(shí),使用了特征空間類內(nèi)散布矩陣零空間和非零空間的兩類有效鑒別信息。YALE人臉庫上的實(shí)驗(yàn)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(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。
最新文檔
- 基于彈性模板匹配的人臉識(shí)別.pdf
- 基于多尺度分析的人臉識(shí)別技術(shù)研究.pdf
- 基于多尺度幾何分析的人臉識(shí)別技術(shù)研究.pdf
- 基于kinect的人臉識(shí)別技術(shù)研究.pdf
- 基于SVM的人臉識(shí)別技術(shù)研究.pdf
- 基于LDA的人臉識(shí)別技術(shù)研究.pdf
- 基于統(tǒng)計(jì)的人臉識(shí)別技術(shù)研究.pdf
- 基于模板匹配的人臉檢測.pdf
- 基于特征與模板的人臉檢測技術(shù)研究.pdf
- 基于膚色的人臉識(shí)別技術(shù)研究.pdf
- 基于Gabor變換的人臉識(shí)別技術(shù)研究.pdf
- 基于子空間的人臉識(shí)別技術(shù)研究.pdf
- 基于Android平臺(tái)的人臉識(shí)別技術(shù)研究.pdf
- 基于Contourlet變換的人臉識(shí)別技術(shù)研究.pdf
- 基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)研究.pdf
- 基于相位譜的人臉識(shí)別技術(shù)研究.pdf
- 基于稀疏表達(dá)的人臉識(shí)別技術(shù)研究與應(yīng)用.pdf
- 基于Curvelet技術(shù)與分形技術(shù)的人臉識(shí)別技術(shù)研究.pdf
- 基于RVM算法的人臉識(shí)別技術(shù)研究.pdf
- 基于統(tǒng)計(jì)特征的人臉識(shí)別技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論