【正文】 ll hold off jogging for a while. But if I really want to get away from work, I39。 [2]。 在我們的例子中，它只需包括 p個單元，即是 p個主成分。 當(dāng) ?p? 時，則選擇前 p 個指標(biāo)向量 pyyy , 21 ? 作為 p 個主成分，代替原來的 m 個指標(biāo)變量，從而可對 p 個主成分進(jìn)行分析。這種方法魯棒性較好、對不同角度和不同光照條件的人臉圖像都可以取得較好的識別效果。 隱馬爾可夫模型的方法 隱馬爾科夫模型 (Hidden Markov Model， HMM)是用于描述信號概率統(tǒng)計特性的一組統(tǒng)計模型。彈性匹配方法提取了人臉圖像的局部特征，同時保留了人臉圖像的空間信息，可以在一定程度上容忍人臉從三維到二維投影引起的變形。在這種基于幾何特征的識別中，識別歸為特征矢量之間的匹配，其中基于歐氏距離的判決是最常用的識別方法。這一點對于模式的分類是非常有利的。變換得到對應(yīng)特征值依次遞減的特征向量，即特征臉。這種模板就是一種邊緣檢測器，它在數(shù)學(xué)上的涵義是一種基于梯度的濾波器，習(xí)慣上又稱邊緣算子。由于邊緣檢測方法不需要將圖像逐個像素地分割，因此更適合大圖像的分割。 上面 bx為水平方向上的梯度圖像， by為垂 直方向上的梯度圖像。 Sobel算子用了一個 3*3的濾波器來對圖像進(jìn)行濾波從而得到梯度圖像，這里面不再詳細(xì)描述怎樣進(jìn)行濾波及它們的意義等。 Soble邊緣檢測通常帶有方向性，可以只檢測豎直邊緣或垂直邊緣或都檢測。其它常用的邊緣檢測模板還有有 Laplacian 算子、 Roberts算子、 Sobel算子、 log(LaplacianGauss)算子、 Kirsch算子和 Prewitt算子等。閾值越低，能夠檢測出的 邊線 越多，結(jié)果也就越容易受到圖片噪聲的影響，并且越容易從圖像中挑出不相關(guān)的特性。 ④定位 :如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可在子像素分辨率上來估計，邊緣的方位也可以被估計出來。為了找到這些 邊線 ，我們可以在圖像亮度的二階導(dǎo)數(shù)中尋找過零點。使用這個信息我們能夠在圖像的亮度梯度中搜尋峰值。 檢測方法 有許多用于邊緣檢測的方法 , 他們大致可分為兩類 :基于搜索和基于零交叉。在 邊線 的每一邊都有一個邊緣。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。 低通濾波 從頻譜上看，噪聲是一種高頻信號。若 220是噪聲的尖峰，則會被濾除。局部區(qū)域大小既能夠固定的，也能夠是逐點隨灰度值大小變化而變化的。 圖 圖像灰度拉伸又叫對比度拉伸，它是最基本的一種灰度變換，是運用簡單的分段線性變換函數(shù)進(jìn)行灰度變化的一種方法。 這樣可以用于增強(qiáng) 局部的對比度而不影響整體，通過有效地擴(kuò)展常用的亮度來實現(xiàn)這種功能。 間接對比度增強(qiáng)最常見的兩種方法是直方圖拉伸和 直方圖均衡化 。點運算算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴(kuò)大圖像動態(tài)范圍，擴(kuò)展對比度。 從處理的作用域出發(fā)，圖像增強(qiáng)大體可分為兩大類 :頻率域法和空間域法。在預(yù)處理階段，對圖像 進(jìn)行優(yōu)化，盡可能去除或者減小外部環(huán)境對預(yù)處理圖像的干擾，為后續(xù)處理提高質(zhì)量。一幅原始照片灰度的數(shù)字化是空間變量（位置的連續(xù)值）的連續(xù)函數(shù)。實驗結(jié)果表明， LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現(xiàn)，但是它在大表情的情況下識別效果不好。如果假設(shè)人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特征矢量，這就是特征臉方法的基本思想。人臉處理就是對圖像進(jìn)行降維處理。 20世紀(jì) 90年代以來，隨著高速高性能計算機(jī)的出現(xiàn)，人臉識別方法有了重 大突破，進(jìn)入了真正的機(jī)器自動識別階段。除了傳統(tǒng)的門禁，考勤外，安全問題也同樣重要。主要研究領(lǐng)域涉及計算機(jī)視覺、模式識別、機(jī)器學(xué)習(xí)等，尤其關(guān)注于人臉識別以及多模式人 機(jī)交互技術(shù)。Eigenfaces 和 Fisherfaces 在大量的數(shù)據(jù)庫中進(jìn)行的實驗取得了較為滿意的效果。七十年代中期以前，有少量文獻(xiàn)發(fā)表。但是由于人臉識別的復(fù)雜性，以及人臉本身存在這情緒，表情，光照，角度，是否化妝等影響，甚至帶飾品與否 都能夠?qū)ψR別的準(zhǔn)確性，效果及穩(wěn)定性產(chǎn)生影響。由于科技的進(jìn)步，犯罪分子偽造的技術(shù)也是層出不窮。對于識別身份證，駕駛證等上的照片這項工作則可以交由機(jī)器完成，高效又準(zhǔn)確。隨著技術(shù)的進(jìn)一步成熟和社會認(rèn)同度的提高，人臉識別技術(shù)將應(yīng)用在更多的領(lǐng)域。近幾十年，由于計算機(jī)技術(shù)的發(fā)展及大規(guī)模集成電路技術(shù)的高速發(fā)展，離散數(shù)學(xué)理論與人工神經(jīng)網(wǎng)絡(luò)的創(chuàng)建與完善，自動人臉識別的研究和應(yīng)用得到了極大的重視，并取得持久的進(jìn)步。對用戶沒有特別要求 ,采集一般可在數(shù)秒內(nèi)完成。人類有許多自身的特征與生俱來，不會丟失，遺忘，轉(zhuǎn)讓，防偽性好，便于攜帶并且具有唯一性等多項優(yōu)點。在 21世紀(jì)這樣科技高速發(fā)展的時代，安全問題問題不容忽視，這也為人臉自動識別開辟了一個應(yīng)用的前景。為了提高人臉識別系統(tǒng)的 準(zhǔn)確性，人們提出了許多方法來進(jìn)行識別。它同指紋識別、虹膜識別、視網(wǎng)膜識別、聲音識別、筆記識別相似，屬于六大生物識別技術(shù)識別 [1].。 。 自動識別人臉的研究有著極大的價值。 企業(yè)、住宅安全和管理。 公安、司法和刑偵。如計算機(jī)登錄、電子政務(wù)和電子商務(wù)的安全問題成為了我們考慮的重中之重。識別中常見的難題中主要包括的見下表 [3]：為了更好的識別出人臉，找到解決這些問題的方法 ,成功構(gòu)造出人臉檢測與跟蹤系統(tǒng) ,將為解決其它類似的復(fù)雜模式檢測問題提供重要的啟示。直到 20世紀(jì) 70年代，從 Kanade和 Kelly開始，才算的上對于人臉識別真正的研究。但是依然存在著光線，角度影響準(zhǔn)確度的問題，人臉定位不夠敏感。他們關(guān)注的核心技術(shù)主要包括：實時精確的人臉檢測與跟蹤，快速精確的面部特征定位，準(zhǔn)確快速的人臉識別 /確認(rèn)方法等。如果可以在監(jiān)控視頻中識別出人的身份，能夠極大的保護(hù)人民的人身以及財產(chǎn)的安全。國外許多大學(xué)在人臉識別方面取得了巨大進(jìn)展，他們研究涉及的領(lǐng)域廣 泛，其中有從感知和心理學(xué)角度探索人類識別人臉機(jī)理的，如美國 Texas at Dallas大學(xué)的 Abdi和 Toole小組，主要研究人類感知人臉的規(guī)律；由 Stirling大學(xué)的Bruce 教授和 Glasgow大學(xué)的 Burton 教授合作領(lǐng)導(dǎo)的小組，主要是研究在人類大腦在人臉認(rèn)知中的作用，并在此基礎(chǔ)上建立了人臉認(rèn)知的兩大功能模型，他們對熟悉和陌生人臉的識別規(guī)律以及圖像序列的人臉識別規(guī)律也進(jìn)行了研究；也有從視覺機(jī)理角度進(jìn)行研究的，英國Aberdeen大學(xué)的 Craw小組，主要研究人臉視覺表征方法，他們對空間頻率在人臉識別 中的作用也進(jìn)行了分析；荷蘭 Groningen 大學(xué)的 Petkov小組，主要研究人類視覺系統(tǒng)的神經(jīng)生理學(xué)機(jī)理并在此基礎(chǔ)上發(fā)展了并行模式識別方法。 人臉識別就是將進(jìn)行過處理后準(zhǔn)備識別的圖像進(jìn)行對比，通過閾值來判別是否是同一張人臉。這些方法需要較多的訓(xùn)練樣本，而且完全是基于圖像灰度的統(tǒng)計特性的。 支 持 向 量 機(jī)(SVM) 支持向量機(jī)主要解決的是一個 2 分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉(zhuǎn)化成一個高維的線性可分的問題。在 NM* 點陣上對圖像灰度進(jìn)行采樣并加以量化（歸為 2個灰度等級之一），能夠得到計算機(jī)可以處理的數(shù)字圖像。 RGB轉(zhuǎn)化為 256級灰度 彩色圖像包含了人臉的許多特征，但處理起來非常復(fù)雜。頻率域法是把圖像看作一種二維信號，并對其進(jìn)行基于二維傅里葉變換的信號增強(qiáng)。鄰域增強(qiáng)算法分為圖像平滑和銳化兩種。為了達(dá)到增強(qiáng)對比度的目的， 直方圖 拉伸是利用對比度拉伸對直方圖進(jìn)行調(diào)整，進(jìn)而“擴(kuò)大”前景和背景灰度的差別，這種方法可以利用線性或者非線性的方法來實現(xiàn) 。 通過圖像變換進(jìn)行直方圖調(diào)整，獲得較好的視覺效果，增強(qiáng)圖像的視覺效果。該方法將原圖像亮度值動態(tài)范圍按線性關(guān)系擴(kuò)展到指定的范圍或整個動態(tài)范圍，提高了圖像在處理過程中灰度級的動態(tài)變化，適用于低對比度圖像的處理。 中值濾波是一種基于排序理論中的一種非線性處理技術(shù)，是抑制圖像噪聲的主要方法之一。但是，若它是一個信號，則濾波之后會被消除，降低了分辨率。 低通濾波是一種 過濾 方式 ， 可以簡單的認(rèn)為：設(shè)定一個頻率點，當(dāng)信號頻率高于這個 頻率 時不能通過，在數(shù)字信號中，這個頻率點也就是 截止頻率 ，當(dāng)頻域高于這個截止頻率時，則全部賦值為 0。 這些包括 (i)深度上的不連續(xù)、 (ii)表面方向不連續(xù)、 (iii)物質(zhì)屬性變化和 (iv)場景照明變化。在許多圖像處理的應(yīng)用中邊緣都起著非常重要的作用。 基于搜索的邊緣檢測方法首先計算邊緣強(qiáng)度， 通常用一階導(dǎo)數(shù)表示， 例如梯度模，然后，用計算估計邊緣的局部方向， 通常采用梯度的方向，并利用此方向找到局部梯度模的最大值。如果 I(x) 表示點 x 的亮度， I′ (x) 表示點 x 的一階導(dǎo)數(shù) (亮度梯度 )，這樣我們就會發(fā)現(xiàn) : 對于更高性能的圖像處理來說， 一階導(dǎo)數(shù) 能夠通過帶有 掩碼 的原始數(shù)據(jù) (1維 )卷積 計算得到。如果 I(x) 表示點 x 的 亮度， I′′ (x) 表示點 x 亮度的二階導(dǎo)數(shù)，那么 : 同樣許多算法也使用 卷積 掩碼 快速處理圖 像數(shù)據(jù) : 步驟 : ①濾波 :邊緣檢測 算法 主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。在邊緣檢測算法中，前三個步驟用得十分普遍。與此相反，一個高的閾值將會遺失細(xì)的或者短的線 段。 Canny 設(shè)計了用于邊緣檢測最優(yōu)預(yù) 平滑 的能夠很好地被一階高斯導(dǎo)數(shù)核優(yōu)化的濾波器。 所以我們先定義兩個梯度方向的系數(shù) : kx=0。 豎起方向的濾波器 :y_mask=op = [1 2 1。為了更清楚的說明算法過程，下面給出一張示例圖像的梯度圖像。 邊緣大致可以分為兩種，一種是階躍狀邊緣，邊緣兩邊像素的灰度值明顯不同 。我們知道，梯度是有方向的，和邊緣的方向總是垂直的。 特征臉方法的基本思想是將圖像經(jīng)過 KL 變換后由高維向量轉(zhuǎn)換為低維向量，并形成低維線性向量空間，利用人臉投影到這個低維空間所得到的投影系數(shù)作為識別的特征矢量。 (4) 經(jīng)過變換矩陣的映射，隨著空間維數(shù) 的降低，模式之間的距離也得以縮小，從而避免了在高維空間中進(jìn)行分類的復(fù)雜性 由于 PCA 方法主要是利用了 KL 變換，因此它具有良好的穩(wěn)定性、位移不變性、特征向量與圖像的高度成比例變化以及轉(zhuǎn)置不變性，且 KL 變換是統(tǒng)計最優(yōu)的、具有速度快，實現(xiàn)方便、對正面圖像識別率高等特點，但是特征臉的不足之處是容易受人臉姿態(tài)和表情，光照改變及位移改變等因素的影響。 基于幾何特征的識別方法具有如下優(yōu)點：符合人類識別人臉的機(jī)理，易于理解；存儲量小，對每幅圖像只需存儲一個特征矢量；具有光照不變性；模板匹配高識別率等。由于 Gabor 變換具有局部性、帶通性以及方向選擇性，能夠很好地提取目標(biāo)的本質(zhì)特征，對于目標(biāo)局部變換、小的旋轉(zhuǎn)、以及光照改變等情況都能得到較好的識別。 HMM 使用馬爾科夫鏈來模擬信號統(tǒng)計特性的變化，而這種變化又是間接地通過觀察序列來描述的，因此，隱馬爾科夫過程是一個雙重的隨機(jī)過程。該方法實現(xiàn)的復(fù)雜度高 ，且識別效果主要取決于特征定位的準(zhǔn)確性。 BP 神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最靈活最廣泛的網(wǎng)絡(luò)結(jié)構(gòu)，它不僅可以識別訓(xùn)練過的樣本，還可以識別未經(jīng)處理的樣本。中間一層稱為處理層或隱單元層，單元個數(shù)適當(dāng)選取，對于它的選取方法，通過試驗來決定，或許是最好的途徑。周激流，張嘩。ll wear a mask, or just ignore the smog and go on jogging, she said. For those who are not so athletic, jogging also has its attractions. Wu Houbin started roughly two years ago, when he was severely obese. Within two months, his weight dropped from 82 kilograms to 64 kilograms. The success helped him recover health, and he has made friends. Jogging does not require speed, but stamina. If you want to stick to the game, you need to take it as a mission, a habit, and then eventually a hobby, Wu said. But persevering with jogging is not always easy. Jogging is beneficial for heartlung function, and the skeletal system, but doctors say improper technique damages the joints, especially the knees and ankles. Excessive jogging wears down the body, and harms one39。s smoggy days. If the smog is severe, I39。對于任何一組確定的輸入 ? ?spss III , 21 ? ，網(wǎng)絡(luò)中所有單