人眼識別-wenkub
2024-09-30 19 本頁面
【正文】 = Train_Number + 1。)|strcmp(TrainFiles(i).name,39。從fisher線性空間中提取圖像三、 系統(tǒng)實現(xiàn)打開程序進(jìn)行人臉識別變化角度四、代碼實現(xiàn)A. 第一部分：function T = CreatDatabase(TrainDatabasePath)TrainFiles = dir(TrainDatabasePath)。(2) 計算樣品類內(nèi)離散度矩陣和總類間離散度矩陣(3) 計算樣品類間離散度矩陣 (4) 求向量我們希望投影后，在一維Y空間各類樣品盡可能地分開，也就是說我們希望兩類樣品均值之差（）越大越好，同時希望各類樣品內(nèi)部盡量密集，即希望類內(nèi)離散度越小越好，因此，我們可以定義Fisher準(zhǔn)則函數(shù)：使得取得最大值的為 (5) 將訓(xùn)練集內(nèi)所有樣品進(jìn)行投影(6) 計算在投影空間上的分割閾值在一維Y空間，各類樣品均值為樣品類內(nèi)離散度矩陣和總類間離散度矩陣【注】【閾值的選取可以由不同的方案：較常見的一種是 另一種是】 (7) 對于給定的X，計算出它在上的投影y (8) 根據(jù)決策規(guī)則分類 2) matlab編程 matlab程序分為三部分。樣品訓(xùn)練集以及待測樣品的特征數(shù)目為n。若把多維特征空間的點投影到一條直線上，就能把特征空間壓縮成一維。人臉識別技術(shù)無疑是最佳的選擇，采用快速人臉檢測技術(shù)可以從監(jiān)控視頻圖象中實時查找人臉，并與人臉數(shù)據(jù)庫進(jìn)行實時比對，從而實現(xiàn)快速身份識別二．系統(tǒng)設(shè)計1) 理論知識fisher概念引出 在應(yīng)用統(tǒng)計方法解決模式識別問題時，為了解決“維數(shù)災(zāi)難”的問題，壓縮特征空間的維數(shù)非常必要。廣義的人臉識別實際包括構(gòu)建人臉識別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識別預(yù)處理、身份確認(rèn)以及身份查找等；而狹義的人臉識別特指通過人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。開放性實驗報告《基于集成學(xué)習(xí)的圖像識別算法》小組成員：姓名 張宏胤 學(xué)號 1140299229 指導(dǎo)老師： 彭艷斌 2016 年 12 月 【實驗名稱】基于集成學(xué)習(xí)的圖像識別算法【實驗?zāi)康摹?； ； 。 人臉識別 生物特征識別技術(shù)所研究的生物特征包括臉、指紋、手掌紋、虹膜、視網(wǎng)膜、聲音（語音）、體形、個人習(xí)慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應(yīng)的識別技術(shù)就有人臉識別、指紋識別、掌紋識別、虹膜識別、視網(wǎng)膜識別、語音識別（用語音識別可以進(jìn)行身份識別，也可以進(jìn)行語音內(nèi)容的識別，只有前者屬于生物特征識別技術(shù)）、體形識別、鍵盤敲擊識別、簽字識別等。fisher方法實際上涉及到維數(shù)壓縮的問題。那么關(guān)鍵就是找到這條直線的方向，找得好，分得好，找不好，就混在一起。為了找到最佳投影方向，需要計算出各類均值、樣品類內(nèi)離散度矩陣和總類
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1