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、人臉識別作為現(xiàn)代生物特征識別技術(shù)在生活中的一項重要應(yīng)用,能夠利用人臉圖片的視覺特征進行身份識別,具有廣闊的應(yīng)用前景。與傳統(tǒng)的身份識別方法相比,人臉信息很難被他人模仿或者偽造且隨身攜帶,其較強的安全性、保密性、易操作性使人臉識別廣泛應(yīng)用于實際生活中。另外,人臉識別方法的研究涉及到機器學(xué)習(xí)、模式識別、數(shù)據(jù)挖掘等學(xué)科領(lǐng)域,作為交叉學(xué)科在生活中的一個實際應(yīng)用,具有重要的理論研究意義。
基于稀疏表示的方法是近些年比較流行的人臉識別方法。
2、該方法將測試樣本線性表示成字典原子的權(quán)值系數(shù),根據(jù)該系數(shù)判斷測試樣本類別信息能夠獲得較高的識別率,并且具有較強的魯棒性。稀疏表示理論表明,任意一幅圖片可以用過完備字典原子(可由樣本向量表示)進行稀疏重構(gòu)。理想狀態(tài)下,異類樣本重構(gòu)表示系數(shù)為零,而同類樣本為非零值,可由此判斷樣本類別。為了提高算法的性能,增強字典的表達能力,訓(xùn)練有效的字典已成為人們研究的熱點。
本文結(jié)合特征臉提取與低秩表示理論,對稀疏表示字典進行了改進,提出了基于
3、低秩表示與特征臉的稀疏表示人臉識別算法。具體工作如下:
(1)分別使用Robust PCA算法(用于處理單類人臉圖片)以及LRR算法(用于處理多類人臉圖片)提取原始圖片的低秩圖片。通過低秩表示算法抑制光照、表情變化甚至阻擋塊以及隨機噪聲等不利影響,使所提取的特征更加真實。
(2)在所提取的低秩圖片上提取梯度直方圖(HOG)特征,該特征能夠很好的捕獲人臉輪廓和紋理信息,具有很強的區(qū)分性。
(3)在HOG特征矩
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(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
- 基于特征融合的低秩恢復(fù)稀疏表示人臉識別.pdf
- 基于Gabor特征的稀疏表示人臉識別研究.pdf
- 基于稀疏和低秩表示的人臉識別研究.pdf
- 基于局部特征的協(xié)同稀疏表示人臉識別算法研究.pdf
- 基于稀疏表示人臉識別算法的研究與實現(xiàn).pdf
- 基于低秩分解和稀疏表示的人臉識別研究.pdf
- 基于多子空間的稀疏表示人臉識別算法.pdf
- 基于字典學(xué)習(xí)的稀疏表示人臉表情識別.pdf
- 基于單演特征和遮擋字典的稀疏表示人臉識別研究.pdf
- 基于SMOTE的稀疏表示人臉識別方法.pdf
- 基于Gabor和HOG特征的稀疏表示人臉識別方法.pdf
- 基于改進低秩恢復(fù)稀疏表示的人臉識別方法的研究.pdf
- 基于低秩恢復(fù)和稀疏表示的人臉識別方法研究.pdf
- 基于Fisher判別字典的稀疏表示人臉識別研究.pdf
- 基于共同--特別字典的稀疏表示人臉識別研究.pdf
- 基于稀疏表示和低秩矩陣分解的人臉識別與圖像對齊方法研究.pdf
- 基于低秩表示的人臉識別方法研究.pdf
- 基于字典學(xué)習(xí)的稀疏表示人臉魯棒識別方法.pdf
- 基于核子空間低秩表示的人臉識別算法研究.pdf
- 欠完備采樣環(huán)境下面向數(shù)據(jù)的稀疏表示人臉識別研究.pdf
評論
0/150
提交評論