基于核Fisher判別的人臉識別方法研究.pdf_第1頁
已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、人臉識別是生物信息特征識別技術(shù)的一個主要方向,與其它生物特征相比,人臉識別具有主動性、非侵犯性和用戶友好等許多優(yōu)點,在過去的20年中已經(jīng)成為計算機視覺、模式識別和人工智能領(lǐng)域的一個研究熱點。從最初的基于幾何的方法到基于統(tǒng)計等復雜特征的方法,人臉識別已經(jīng)發(fā)展了很多算法。目前基于統(tǒng)計特征的線性方法在人臉識別中發(fā)展的比較成熟,但是由于人臉識別涉及光照、表情、姿態(tài)等問題,線性方法在實際應用中表現(xiàn)的遠遠不夠。因此,將線性方法拓展到非線性領(lǐng)域以提高

2、識別率是一個亟待解決的問題。本論文主要研究了核Fisher判別分析方法(KFDA,Kernel Fisher Discriminant Analysis),重點是線性Fisher判別算法到非線性方法的拓展。在此基礎(chǔ)上,針對某些環(huán)節(jié)提出了改進算法,主要工作總結(jié)如下: 1.由于線性子空間方法不足以描述實際人臉圖像中的表情、光照、姿態(tài)等復雜的非線性變化。核Fisher判別分析既具有核技巧的非線性描述能力,又繼承了Fisher線性判別分

3、析的優(yōu)點。本文在總結(jié)基于核Fisher判別分析人臉識別方法的基礎(chǔ)上,提出引入了核樣本集(Kernel Sample Set)的概念。將KFDA算法等價于對核樣本集做Fisher線性判別(FDA)。這樣非線性的算法又轉(zhuǎn)化到了線性算法。實驗結(jié)果表明它能比線性子空間分析和核主分量分析取得更好的識別性能。 2.基于對核Fisher判別方法的分析,提出兩種增強型核Fisher判別分析模型(EKDA-1和EKDA-2)。該算法將兩種增強型F

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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(quán)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。

評論

0/150

提交評論