人脸识别实验报告_第1页
人脸识别实验报告_第2页
人脸识别实验报告_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

PCA

人脸识别实验报告PCA方法是由Turk和Pentlad提出来的，它的基础就是Karhunen-Loeve变换(简称KL变换)K_L变换的实质是建立了一个新的坐标系，将一个物从而有可能去掉那些带有较少信息的坐标系以达到降低特征空间维数的目的。完整的PCA读入人脸库n*m,N=n*mN维空间中的一个点，可K-L变换用一个低维子空间描述这个图像。K-L变换的生成矩阵计算一张图片X在特征空间上的投影系数（也可以理解为X在空间U中的坐标）识别投影系数进行识别。Eigenface算法在利用PCA(Eigenface)是其中的一个经典算法。特征脸方法是从主成分分析导出的一种人脸识别和描述技术图像区域看作是一种随机向量，因此可以采用K-L变换获得其正交K-L基底。对应其中较到由特征脸构成的子空间上，比较其与己知人脸在特征空间中的位置，具体步骤如下：(1)初始化，获得人脸图像的训练集并计算特征脸，定义为人脸空间，存储在模板库中，以便系统进行识别；(2)输入新的人脸图像，将其映射到特征脸空间，得到一组关于该人脸的特征数据；(3)通过检查图像与人脸空间的距离判断它是否是人脸；(4)若为人脸，根据权值模式判断它是否为数据库中的某个人，并做出具体的操作。实验步骤首先读入训练数据库，然后读入测试数据库输入要测试的人脸序号实验结果得到测试图像和识别后匹配的人脸图像人脸识别未来的发展人脸识别是一个跨学科富挑战性的前沿课题，人脸图像中姿态、光照、表情、饰物、背景、时间跨度等因素的变化对人脸识别算法的鲁棒性都有着负面的影响，单一的PCA方法识别率不高，今后的发展方向可以与其他方法(如：支持向量机、小波变化等)相结合来弥补单一方法的不足，让身份识别更准确。参考文献[1]R.O.Duda,P.E.Heart,andD.G.StorkPatternClassification,SecondedJohnWiley&Sons,2001[2]Sami Romdhami Face Image Analysis using a Multiple Feature Fitting thesis,UniversityofBasel,SwitzerlandJanuary2005[3]KyongChang,KevinW.Bowyer,PatrickJ.

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论