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、人臉識別最終實現(xiàn)的目標是無論在非現(xiàn)實或現(xiàn)實的環(huán)境中都能達到百分之百的識別率,從而實現(xiàn)安全防衛(wèi)系統(tǒng)的要求。隨著人工智能領(lǐng)域的發(fā)展,人臉識別技術(shù)仍然存在許多問題,其中包含了在現(xiàn)實環(huán)境中人臉識別對陰影方向、光照方向、精確的人臉方位、面部表情和人的心情等因素的敏感性。這些敏感因素阻礙了人臉識別技術(shù)的快速推廣和使用,所以提高在復雜情況下的人臉識別的速率和效率具有重要的研究價值。
目前大多數(shù)的人臉識別算法都有自己的局限性,本文研究了現(xiàn)有的
2、人臉識別算法,并在此基礎(chǔ)上,針對傳統(tǒng)的人臉識別算法中的缺陷,提出了自己的創(chuàng)新性改進方法。內(nèi)容如下:
第一,為了解決因拍攝時造成的圖像模糊、二維Gabor算法的高維度和LDA算法在求解時存在的小樣本問題,在文中的第四部分研究出了相應的解決辦法即最小二乘方下的改進Gabor與LSSVM的人臉識別法。首先用約束最小二乘方對模糊的圖像進行恢復處理,然后用二維Gabor算法分別從5尺度、8方向進行特征提取,其次利用DLDA把矩陣中多余的
3、數(shù)據(jù)剔除,最后利用LSSVM分類器把目標人臉圖片識別出來。由仿真數(shù)據(jù)可得,本方法可以有效的解決上述問題,從而使人臉識別的精準度得到了提高。
第二,針對在人臉分類器中BP神經(jīng)網(wǎng)絡算法具有在訓練時易陷入局部極小值、易震蕩的缺點和人臉面部圖像發(fā)生幾何歪曲的現(xiàn)象。在文中的第五部分研究出了相應的解決辦法即圖片旋轉(zhuǎn)變換下的改進PCA與LVQ的算法。該方法運用各級輻射模板對發(fā)生歪曲的圖像實行標準化,利用結(jié)構(gòu)簡單、魯棒性強的LVQ神經(jīng)網(wǎng)絡進行
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。
最新文檔
- 基于核方法的2DLDA人臉識別算法研究.pdf
- 復數(shù)矩陣LDA與2DLDA人臉識別算法研究.pdf
- 基于改進的Adaboost人臉檢測與識別算法研究.pdf
- 基于改進LBP的人臉識別算法研究.pdf
- 人臉識別算法的改進.pdf
- 人臉圖像變形算法的研究與改進.pdf
- 人臉圖像的復原與識別算法研究.pdf
- 基于紅外的人臉識別與跟蹤算法改進研究.pdf
- 基于改進GLRAM算法的人臉識別研究.pdf
- 基于LBP特征的人臉識別算法改進研究.pdf
- 基于多尺度圖像分析的人臉識別與性別識別算法研究.pdf
- 基于ATM視頻的人臉圖像預處理及識別算法.pdf
- 基于靜態(tài)灰度圖像人臉識別算法的研究.pdf
- 人臉識別算法及其改進研究.pdf
- 人臉識別中新算法的實現(xiàn)與改進.pdf
- 人臉圖像檢測識別算法研究.pdf
- 基于改進的稀疏表示的人臉識別算法研究.pdf
- 人臉圖像識別算法研究.pdf
- 基于改進局部保持投影算法的人臉識別研究與實現(xiàn).pdf
- 基于Adaboost和LDP改進算法的人臉檢測與識別研究.pdf
評論
0/150
提交評論