人臉識(shí)別主要算法原理-免費(fèi)閱讀
【正文】 另外，針對(duì)每個(gè)待識(shí)別個(gè)體只有單一訓(xùn)練樣本的人臉識(shí)別問題，提出了一種基于單一樣本生成多個(gè)訓(xùn)練樣本的技術(shù)，從而使得需要多個(gè)訓(xùn)練樣本的個(gè)體人臉子空間方法可以適用于單訓(xùn)練樣本人臉識(shí)別問題。本征臉法將圖像看做矩陣3）其它方法：除了以上幾種方法，人臉識(shí)別還有其它若干思路和方法，包括一下一些：1）Component神經(jīng)網(wǎng)絡(luò)方法在人臉識(shí)別上的應(yīng)用比起前述幾類方法來有一定的優(yōu)勢(shì)，因?yàn)閷?duì)人臉識(shí)別的許多規(guī)律或規(guī)則進(jìn)行顯性的描述是相當(dāng)困難的，而神經(jīng)網(wǎng)絡(luò)方法則可以通過學(xué)習(xí)的過程獲得對(duì)這些規(guī)律和規(guī)則的隱性表達(dá)，它的適應(yīng)性更強(qiáng)，一般也比較容易實(shí)現(xiàn)。(PDBNN),其主要思想是采用虛擬5.這種方法的特點(diǎn)在于將空間)300幅人臉圖像和另外4.(子空間95%的正確識(shí)別率，在ＦＥＲＥＴ數(shù)據(jù)庫上對(duì)Turk和Pentland提出特征臉的方法，它根據(jù)一組人臉訓(xùn)練圖像構(gòu)造主元子空間，由于主元具有臉的形狀，也稱為特征臉特征子臉在相應(yīng)的圖像空間中生成子空間，稱為子臉空間。ponentAnalysis）這種方法思想很好，但是存在兩個(gè)問題，一是能量函數(shù)中各種代價(jià)的加權(quán)系數(shù)只能由經(jīng)驗(yàn)確定，難以推廣，二是能量函數(shù)優(yōu)化過程十分耗時(shí)，難以實(shí)際應(yīng)用?；谀０宓姆椒梢苑譃榛谙嚓P(guān)匹配的方法、特征臉方法、線性判別分析方法、奇異值分解方法、神經(jīng)網(wǎng)絡(luò)方法、動(dòng)態(tài)連接匹配方法等。3.analysis,簡稱PCA)的人臉識(shí)別方法。計(jì)算出測(cè)試圖像窗口在子臉空間的投影距離，若窗口圖像滿足閾值比較條件，則判斷其為人臉。150幅正面人臉象只有一個(gè)誤識(shí)別。)選擇方法，如Peng的雙子空間方法、Weng的線性歧義分析方法、Belhumeur的FisherFace方法等?；趶椥阅Ｐ偷姆椒?00幅圖像作比較，準(zhǔn)確率達(dá)到(ｘ，ｙ)建模為可變形的(ｘ，ｙ)和灰度Ｉ(ｘ,ｙ)放在了一個(gè)神經(jīng)網(wǎng)絡(luò)方法（Neural(正反例因此人工神經(jīng)網(wǎng)絡(luò)識(shí)別速度快，但識(shí)別率低Analysis,簡稱隱馬爾可夫模型方法（Hidden人臉等密度線分析匹配方法（1）,計(jì)算本征值和對(duì)應(yīng)的本征向量作為代數(shù)特征進(jìn)行識(shí)別（5）奇異值分解(singular特征臉方法中所有人共有一個(gè)人臉子空間，而該方法則為每一個(gè)體人臉建立一個(gè)該個(gè)體對(duì)象所私有的人臉子空間，從而不但能夠更好的描述不同個(gè)體人臉之間的差異性，而且最大可能地?cái)P棄了對(duì)識(shí)別不利的類內(nèi)差異性和噪聲，因而比傳統(tǒng)的特征臉?biāo)惴ň哂懈玫呐袆e能力。（3）但該算法的識(shí)別速度很慢，
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1