

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、人臉是人類一出生就具有的,可以作為人類在網絡時代的信息交互的一種憑證,它具有獨立性、唯一性與不被復制性,而且還具有各種立體信息,包括視覺和多維度識別信息。因此人臉識別技術逐漸應用于互聯(lián)網時代,與虹膜識別、指紋識別等生物獨有的特征識別相比,其具有獨特的優(yōu)點,主要表現(xiàn)為隱蔽性高、并發(fā)性好、非接觸性、對硬件設備要求低等。
在將現(xiàn)有人臉識別相關文獻大量閱讀之后,在前人研究的理論基礎之上,研究了基于局部方向模式(LDP)的人臉識別方法,
2、主要工作敘述如下:
?。?)針對現(xiàn)有方法僅利用了圖像自身的LDP特征,并沒有使用面部圖像的先驗信息的缺點,提出基于LDP和貝葉斯模型的識別方法。首先在互相獨立的訓練集上,學習同類樣本圖像和異類樣本圖像的LDP直方圖特征相似度的先驗信息,并估計類條件概率密度函數(shù)(同類與異類樣本分別計算);其次利用面部圖像的LDP直方圖比較該圖像是否為某一類型圖像的概率數(shù)值大小;最后使用貝葉斯規(guī)則進行分類。此方法在ORL與Yale面部圖像庫上進行識
3、別實驗,與傳統(tǒng)PCA、LBP和LDP方法相比較,面部識別率均有了顯著提升。
?。?)為了進一步提高LDP方法的人臉識別率,結合整體特征、局部特征以及集成分類器的優(yōu)勢,提出一種基于DCT和LDP特征的集成分類器識別方法。該方法首先選擇包含面部主要信息的低頻DCT系數(shù)作為面部的頻域特征,然后求取LDP特征直方圖,得到LDP面部特征,然后將提取的這兩種特征分別用SVM、最近鄰分類器進行首次分類,最后構造一個基于神經網絡的集成分類器模型
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 基于改進LDP特征的人臉識別方法.pdf
- 基于統(tǒng)計的人臉識別方法.pdf
- 基于MMTD的人臉識別方法研究.pdf
- 基于PCA的人臉識別方法.pdf
- 基于SVM的人臉識別方法研究.pdf
- 基于PCA的人臉識別方法研究.pdf
- 基于融合的人臉識別方法研究.pdf
- 基于DCT的人臉識別方法研究.pdf
- 基于部分的人臉識別方法研究.pdf
- 基于視頻的人臉識別方法研究.pdf
- 基于畫像的人臉識別方法研究.pdf
- 基于度量學習的人臉識別方法研究.pdf
- 基于集成學習的人臉識別方法研究.pdf
- 基于Curvelet變換的人臉識別方法研究.pdf
- 基于Gabor特征的人臉識別方法.pdf
- 基于仿生特征的人臉識別方法.pdf
- 基于神經樹的人臉識別方法研究.pdf
- 基于局部匹配的人臉識別方法.pdf
- 基于模糊規(guī)則的人臉識別方法.pdf
- 基于臉紋的人臉識別方法.pdf
評論
0/150
提交評論