數字圖像處理-人臉識別課件_第1頁
數字圖像處理-人臉識別課件_第2頁
數字圖像處理-人臉識別課件_第3頁
數字圖像處理-人臉識別課件_第4頁
數字圖像處理-人臉識別課件_第5頁
已閱讀5頁，還剩15頁未讀， 繼續免費閱讀

下載本文檔

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、 Face Recognition數字圖像處理信息科學與技術學院 劉世偉2022年10月1日人臉識別目錄1.0 關于人臉識別人臉識別是人類視覺最杰出的能力之一，是一個活躍的研究領域。最容易被接受的生物特征識別方式。人臉識別用途細分為兩類：一 一類是回答“ 我是誰？”的問題，即身份識別。 另一類是回答“ 這個人是我嗎？”，即身份驗證。目錄2.0 人臉識別過程一個完整的人臉識別系統包括人臉檢測與定位、人臉圖像預處理、人臉特征提取、分類識別等人臉識別實現過程基本框圖目錄3.0 人臉識別技術難點 當前人們的研究主要集中在尋找識別率更高、穩定性更好、計算代價更低、實用性更強的人臉識別系統。但是由于各種客

2、觀條件的限制，目前尚沒有一種方法可以兼有上述所有性能。 影響人臉識別系統性能的客觀因素有很多，也很復雜，主要是以下這些：光照條件：光照條件的影響主要體現在實際條件下光照強度的未知變化以及光照不均勻對成像帶來的影響，這可以直接體現在圖像的灰度值上。人們解決光照影響的方法主要有獲取實時光照參數、對圖像做光照補償和灰度預處理等。獲取實時光照參數以及進行光照補償這兩種方法都比較復雜，因此大量應用并不現實。目錄4.0 基于PCA算法的人臉識別主成分分析簡介Principal Component Analysis（PCA）主成分分析(Principal Component Analysis, 簡稱PCA)

3、是一種常用的基于變量協方差矩陣對信息進行處理、壓縮和抽提的有效方法。PCA方法由于其在降維和特征提取方面的有效性，在人臉識別領域得到了廣泛 的應用。PCA方法的基本原理是:利用K-L變換抽取人臉的主要成分，構成特征臉空間，識別時將測試圖像投影到此空間，得到一組投影系數，通過與各個人臉圖像比較進行識別。4.0 基于PCA算法的人臉識別利用特征臉進行人臉識別的過程由訓練階段和識別階段兩個階段組成 ： 4.0 基于PCA算法的人臉識別在訓練階段，每個已知人臉映射到特征臉子空間，得到維向量：在識別階段，首先把待識別圖像映射到特征臉子空間，得到向量：4.0 基于PCA算法的人臉識別目錄5.0 總結 在Opencv中使用PCA算法非常簡單，只要幾條語句就可以了，這是我利用VS2010+Opencv做的人臉檢測程序。存在的問題：1.抗干擾能力較差。2.訓練的時間較長，執行效率不夠高。具有的優點：1.不需要對圖像進行過多的預處理，PCA本身就能實現降噪的功能；2. 能有效地識別人臉，且過程相對簡單，主要是圖像數據的處理和矩陣的運算；3.由于是通過低維子空間表示的，可以對圖像的數據進行一定地壓縮，從而減少了計算量，提高運行速度。5.0 總結 探索方向 人臉識別方法有很多種，每種人臉識別方法又都各有優缺點，如何充分利用現有的各種人臉識

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或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，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