人臉識別演示稿_第1頁
人臉識別演示稿_第2頁
人臉識別演示稿_第3頁
人臉識別演示稿_第4頁
人臉識別演示稿_第5頁
已閱讀5頁，還剩8頁未讀， 繼續(xù)免費閱讀

下載本文檔

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)行舉報或認(rèn)領(lǐng)

文檔簡介

1、基于TensorPCA的人臉識別方法的研究本科畢業(yè)論文答辯演示稿答辯人：周蒙1課題研究內(nèi)容一、研究目的（一）身份識別圖（一） 人的面部特征人臉數(shù)據(jù)庫反饋輸出身份信息2（二）論證當(dāng)前主流人臉識別算法二維：基于模板匹配的方法基于奇異值特征方法子空間分析方法主成分分析（PCA）方法三維：基于圖像特征方法基于模型可變參數(shù)的方法課題研究內(nèi)容3方案設(shè)計流程圖：訓(xùn)練樣本人臉檢測、定位、切割輸 入人臉圖像特征提取人臉圖像TPCA變換矩陣測試樣本人臉特征比對、匹配識別預(yù)處理身份確認(rèn)輸出身份信息圖（二） 系統(tǒng)流程圖4運行過程（一）人臉圖像的預(yù)處理人臉圖像分割：將背景和人臉圖區(qū)分開來。圖像分割5人臉圖像的去噪處理：

2、去除圖像編碼和傳輸中產(chǎn)生的噪聲。運行過程(a)有噪聲的人臉圖(b)去噪后的人臉圖圖像去噪（一）人臉圖像的預(yù)處理6人臉的區(qū)域標(biāo)定、選?。簷z測出人臉在圖像中的位置、大小信息。運行過程（一）人臉圖像的預(yù)處理人臉區(qū)域標(biāo)定、選取7運行過程（二）人臉特征的提取TensorPCA（張量主成分分析）:在傳統(tǒng)主成分分析(PCA)方法上的擴(kuò)展。1、傳統(tǒng)主成分分析方法2、張量主成分分析8運行過程（三）高階奇異值分解（HOSVD）奇異值分解是線性代數(shù)中一種重要的矩陣分解，可以用來求高階矩陣特征值時降階，有兩個重要應(yīng)用：1、求偽逆2、矩陣近似值9研究結(jié)果（一）基于TensorPCA算法 的人臉識別系統(tǒng)1、利用ORL人臉庫：避免因外界因素影響圖像質(zhì)量下降，直接使用ORL庫中已經(jīng)處理過的人臉圖像。2、MATLAB中實現(xiàn)人臉識別，利用MatLab中自帶強(qiáng)大的矩陣處理函數(shù)。10研究結(jié)果（一）基于TensorPCA算法 的人臉識別系統(tǒng)圖（三） 人臉識別檢測系統(tǒng)11研究結(jié)果（二）基于TensorPCA算法 的創(chuàng)新性1、張量主成分分析用于人臉數(shù)據(jù)結(jié)構(gòu)克服了數(shù)據(jù)向量化帶來的缺點。2、與常規(guī)的主成分分析算法相比，張量主成分分析算法

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. 人人文庫網(wǎng)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。

評論

0/150

提交評論