人臉識別中基于核的方法的研究.pdf_第1頁
已閱讀1頁,還剩57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),請進行舉報或認領(lǐng)

文檔簡介

1、人臉是人們社會交流中所關(guān)注的焦點,在辨別身份和傳遞感情方面起著重要的作用。盡管人們能夠毫不費力地識別出人臉及其表情變化,然而利用計算機對人臉圖像進行自動識別卻是一個相當困難的問題。另一方面,由于人臉識別技術(shù)在視頻監(jiān)控、訪問控制、信用卡驗證、多媒體數(shù)據(jù)庫檢索以及安全等領(lǐng)域有著廣闊的發(fā)展前景,因此在過去的20多年里,人臉識別一直是模式識別和計算機視覺領(lǐng)域研究的熱點。 特征提取和分類器設(shè)計是人臉識別中兩個關(guān)鍵性的問題,本論文針對這

2、兩方面的問題,嘗試將近年來模式識別領(lǐng)域中的新方法一核方法應(yīng)用于人臉識別問題研究中,取得了一些有意義的結(jié)果。 本文的主要工作包括: 1、提出了一種小指數(shù)點積核函數(shù)。我們討論了基于距離和點積的兩種核函數(shù),以及為了達到更好的分類效果,核函數(shù)應(yīng)能夠具有:(1)在原始空間中相關(guān)性很強的樣本映射到高維空間后,其相關(guān)性變?nèi)酰?2)原始空間中相關(guān)性很弱的樣本映射到高維空間后其相關(guān)性不能減弱的太快,仍需要有微弱的相關(guān)性。在此基礎(chǔ)上,提

3、出了更好的滿足這些性能的小指數(shù)點積核函數(shù),并將應(yīng)用到主分量分析中。在AR和ORL人臉庫上的實驗結(jié)果表明:相對于多項式核函數(shù),應(yīng)用小指數(shù)點積核函數(shù)的核主分量分析的人臉識別有較低的誤識率,且對光照、姿態(tài)及面部表情變化有更好的魯棒性。 2、結(jié)合小指數(shù)點積KPCA方法,本文提出小指數(shù)點積KPCA+零空間的人臉識別方法。首先利用小指數(shù)點積核主分量分析(KPCA)提取人臉樣本的非線性特征,提高對光照、姿態(tài)及面部表情變化的魯棒性,然后構(gòu)造訓

4、練樣本的類內(nèi)散布矩陣零空間,在此零空間內(nèi)找到令類間離散度最大的投影方向,往此方向投影得到人臉樣本的最優(yōu)分類特征矢量。應(yīng)用此方法在AR人臉庫和ORL人臉庫上實驗結(jié)果表明:這種方法的識別率和對光照、姿態(tài)及面部表情變化的魯棒性對比Fisher臉方法有顯著提高。 3、本文提出了一種快速的wm-支持向量機人臉分類方法。構(gòu)造一個支持向量機,將訓練的人臉樣本分為男人和女人兩類訓練集,然后在兩類訓練樣本集中再分別構(gòu)造兩個一對多策略的多類支持向量

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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。
  • 6. 下載文件中如有侵權(quán)或不適當內(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