图像处理报告人脸识别.ppt_第1页
图像处理报告人脸识别.ppt_第2页
图像处理报告人脸识别.ppt_第3页
图像处理报告人脸识别.ppt_第4页
图像处理报告人脸识别.ppt_第5页
已阅读5页，还剩5页未读， 继续免费阅读

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

1、,基于PCA的人脸识别,1,3,2,2020/8/20,主要内容,PCA基本原理,主成分分析法（PCA）:,11,主成分分析法（即PCA，也称K-L变换）是一种常用的基于变量协方差矩阵对信息进行处理的有效方法。 PCA用于统计特征提取构成了子空间法模式识别的基础。它从图像整体代数特征出发,基于图像的总体信息进行分类识别。 PCA方法由于在特征提取方面的有效性，在人脸识别方面得到了广泛的应用。,PCA,数据降维的一种方法 基本思想：设法将原来众多的具有一定相关性的指标X1，X2，XP（比如p个指标），重新组合成一组较少个数的互不相关的综合指标（Fm）来代替原来指标 综合指标：其既能最大程度的反映

2、原变量Xp所代表的信息，又能保证新指标之间保持相互无关（信息不重叠）,设F1表示原变量的第一个线性组合所形成的主成分指标 每一个主成分所提取的信息量可用其方差来度量，其方差Var(F1)越大，表示F1包含的信息越多。第一主成分F1所含的信息量最大，因此在所有的线性组合中选取的F1应该是X1，X2，XP的所有线性组合中方差最大的，故称F1为第一主成分 如果第一主成分不足以代表原来p个指标的信息，再考虑选取第二个主成分指标F2,设依此类推构造出的F1、F2、Fm为原变量指标X1、X2XP第一、第二、第m个主成分。 性质： Fi与Fj互不相关，即Cov(Fi，Fj) = 0，并有Var(Fi)=ai

3、ai，其中为X的协方差阵 F1是X1，X2，Xp的一切线性组合（系数满足上述要求）中方差最大的，,即Fm是与F1，F2，Fm1都不相关的X1，X2，XP的所有线性组合中方差最大者 【第i个主成分Fi =aiX:在ai*ai=1和cov(Fi,Fj)=0的条件下使得voa（fi）最大】,PCA人脸识别步骤,PCA方法用于人脸识别,其实是假设所有的人脸都处于一个低维线形空间,而且不同的人脸在这个空间中具有可分性。其具体做法是由高维图像空间经KL变换后得到一组新的正交基,对这些正交基作一定的取舍,保留其中的一部分生成低维的人脸空间,也即人脸的特征子空间。完整的PCA人脸识别算法步骤包括: (1)人脸图像预处理。 (2)读入人脸库,训练形成特征子空间。 (3)把训练图像和测试图像投影到上一步骤中得到的子空间上。 (4)选择一定的距离函数进行识别。,(3)于计算协方差矩阵的特征值和特征向量,构造子空间。 (4)把训练图像和测试图像投影到特征空间中:每一幅人脸图像投影到子空间以后,就对应于子空间中的一个点。同样,子空间中的任一点也对应于一幅图像。这些子空间中的点在重构以后的图像很像“人脸”,所以它们被称为

人人文库> 全部分类> 教育资料 > 课件下载

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