2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩74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、人臉識別是許多包括考勤、視頻監(jiān)控以及基于內(nèi)容的圖像檢索等應(yīng)用的基礎(chǔ)。人臉識別又可以分為兩個子問題:人臉認證和人臉辨別,前者的應(yīng)用更加廣泛。但受到人臉姿態(tài)、光照以及遮擋物的影響,使得人臉認證問題更加復雜、更具有挑戰(zhàn)性。本文提出采用構(gòu)建人臉的高維特征(超過10萬維度)的方法來克服這些困難,高維特征具有更多的人臉信息,并通過支持向量機和Adaboost算法實現(xiàn)人臉認證并應(yīng)用在了煤礦環(huán)境下。
  人臉的低維特征往往只包含了人臉的一部分信息

2、,用作人臉認證效果并不理想。而且某種特征只提取人臉的特定信息,比如方向梯度直方圖特征適合行人檢測,局部二值模式特征對光照強度不敏感。高維人臉特征雖然能改善這些問題,但勢必會給算法訓練、計算以及儲存帶來困難。針對這些問題,本文做了以下工作:
  (1)構(gòu)建人臉高維特征,描述盡可能多的人臉信息。對人臉圖像作多尺度變換,在每個尺度上,分別基于人臉關(guān)鍵點位置提取不同的人臉特征,最后將所提取的特征聯(lián)合起來構(gòu)建成人臉的高維度特征用于人臉認證。

3、
  (2)使用支持向量機以及Adaboost算法實現(xiàn)人臉認證。經(jīng)過PCA降維后的高維特征使用支持向量機分類器實現(xiàn)人臉認證,并通過基于FERET人臉庫的實驗驗證了高維度特征具有更好的人臉認證效果。由于PCA降維運算復雜,故采取Adaboost算法選取最具可分性的人臉特征實現(xiàn)降維的同時構(gòu)建級聯(lián)人臉認證分類器,快速實現(xiàn)人臉認證。兩種方法均在 FERET人臉庫上取得了超過97%的人臉認證成功率。
  (3)在煤礦考勤系統(tǒng)上實現(xiàn)了人

4、臉認證系統(tǒng)并完成了煤礦礦工人臉庫的采集。該人臉庫包括了實際場景下共2753位礦工的不同姿態(tài)、表情和煤灰污染的“黑臉”圖像,具有很大的使用研究價值。特別地,針對礦工被煤灰污染的人臉圖像進行了人臉認證的研究,通過本文中的人臉認證方法達到了86.95%的一次性認證成功率。
  本文主要研究了基于圖像多尺度變換和人臉關(guān)鍵點的高維特征對于人臉認證的積極影響。并且基于高維特征采用支持向量機和Adaboost算法實現(xiàn)了人臉認證,在FERET人臉

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