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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、人臉識別起源于模式識別,是圖像處理中的熱門研究方向,經(jīng)過幾十年的研究,取得了顯著的成就,在諸多領(lǐng)域都有重要的應(yīng)用。在現(xiàn)有的大多數(shù)人臉識別研究中,能否進(jìn)行有效的特征抽取并進(jìn)行線性變換是影響人臉圖像識別效率的一個重要因素。究竟哪種特征提取方法是最優(yōu)選擇尚未出現(xiàn)定論。而基于信號統(tǒng)計(jì)領(lǐng)域的稀疏描述方法(Sparse Representation Method, SRM)提供了一種新的思路,繞開線性特征抽取這一步驟,采用圖庫中的訓(xùn)練樣本的線性組合
2、來描述測試圖像,然后使用最近子空間(Nearest Subspace, NS)方法對測試圖像分類,以此完成對人臉圖像的識別。SRM認(rèn)為構(gòu)造魯棒的分類器比選擇何種特征抽取方法對于人臉識別系統(tǒng)更為重要。SRM方法有創(chuàng)新之處,也有其劣勢,它的算法需經(jīng)過多步迭代才能完成范數(shù)的求解,其計(jì)算復(fù)雜度高。本文將在稀疏描述方法的基礎(chǔ)上,提供幾種具有較低計(jì)算復(fù)雜度的改進(jìn)算法,并通過人臉識別實(shí)驗(yàn)以檢驗(yàn)改進(jìn)算法的識別率。
SRM方法的算法難度在于,如
3、何求解圖庫中訓(xùn)練樣本的線性表達(dá)式最稀疏的的分解系數(shù),亦即:對測試樣本進(jìn)行分類將產(chǎn)生大量的計(jì)算。在本文中,基于構(gòu)造簡化的分類器和考慮實(shí)際應(yīng)用中的因素,我們設(shè)計(jì)了四套稀疏描述方法的改進(jìn)算法。改進(jìn)算法包括:使用樣本均值建立稀疏表達(dá)式,在樣本中增加均值臉,引入其它識別方案作為預(yù)處理步驟,構(gòu)造虛擬訓(xùn)練樣本。我們在目前主流的人臉圖像數(shù)據(jù)庫(ORL, YALE, AR)上進(jìn)行實(shí)驗(yàn),并選用不同數(shù)量訓(xùn)練樣本和測試樣本來檢測新方法的可靠性。實(shí)驗(yàn)過程在MAT
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(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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于核方法的人臉識別.pdf
- 基于LDP的人臉識別方法研究.pdf
- 基于MMTD的人臉識別方法研究.pdf
- 基于統(tǒng)計(jì)的人臉識別方法.pdf
- 基于稀疏化方法的人臉識別.pdf
- 基于PCA的人臉識別方法.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
- 基于度量學(xué)習(xí)的人臉識別方法研究.pdf
- 基于集成學(xué)習(xí)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
- 基于機(jī)器學(xué)習(xí)方法的人臉識別研究.pdf
- 基于子空間方法的人臉識別算法研究.pdf
- 基于神經(jīng)樹的人臉識別方法研究.pdf
- 基于Gabor特征的人臉識別方法.pdf
評論
0/150
提交評論