freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內容

基于matlab的人臉識別系統(tǒng)設計與仿真畢業(yè)論文-在線瀏覽

2024-10-30 15:22本頁面
  

【正文】 就給該項技術帶來了巨大挑戰(zhàn)。 本課題的主要內容 本次課題主要講述了人臉識別中應用 Matlab 對圖像進行預處理,通過人臉檢測、人臉跟蹤、人臉比對來實現基于 Matlab 的 人臉識別系統(tǒng)的仿真。 文中在研究人臉識別技術的仿真過程中, 主要涉及了 YCbCr 空間、灰度圖像轉換、噪聲消除、圖像填孔、圖像重構、人臉區(qū)域確定、邊緣檢測等 技術。 佳木斯大學學士學位論文 佳木斯大學信息電子技術學院 6 第 2 章 圖像處理的 Matlab 實現 識別系統(tǒng)構成 人臉 識別技術 系統(tǒng) 主要 可分為 四個組成部分,分別為:人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。當 目標 在采集設備 拍攝 的 范圍內時,采集設備會自動搜索并 采集目標 的人臉圖像 。人臉圖像中包含的模式特征 非常 豐富,如模板特征、結構特征 、 直方圖特征、顏色特征 等。 ( 2) 人臉圖像預處理 人臉圖像預處理: 所謂 人臉 圖像預處理 ,就 是基于人臉檢測結果, 并 對 人臉 圖像進行處理 , 最終服務于 人臉 特征提取的過程。 而 對于人臉圖像, 預處理 的 過程主要 涉及 灰度變換、 人臉圖像的光線 補償、幾何校正、 直方圖均衡化、歸一化、 濾波以及銳化等。 所謂 人臉特征提取 即 針對人臉的某些特征進行的 提取 。人臉特征提取的方法 總結 起來 人臉圖像采集及檢測 人臉圖像預處理 人臉圖像特征提取 匹配與識別 佳木斯大學學士學位論文 佳木斯大學信息電子技術學院 7 可以 分為兩大類: 一種是基于 統(tǒng)計學習 或 代數特征 的表征方法 ;另 一種是基于知識的表征方法 。人臉識別就是將待識別的人臉特征與已 存儲的 人臉特征模板進行比 對 , 依 據相似 度對 該 人臉 圖像 的身份信息進行判 別 。 人臉圖像 的讀取與顯示 人臉圖像的讀取和顯示可 通過 imread( )和 imshow( )指令 來實現 。另外還可以通過 imcrop( )、 imrisize( )、 imrotate( )等 函數來實現圖像的裁剪、縮放與旋轉等功能。 圖像處理工具箱包含 了不同圖像類型 之間 相互轉換的大量函數 ,如 rgb2gray()可以將 顏色映像表 或 RGB圖像 轉換 為灰度圖像 ,通過 mat2gray()函數能實現 矩陣轉換為灰度圖像 的功能。 因 為后續(xù) 的圖像增強 、 邊緣檢測 等 都是針對灰度圖像進行的 ,而 原圖 像 是 RGB圖像 ,所以 我們 首先 要對原圖 像 進行 類型 轉換。F:\39。j=rgb2gray(i)。imwrite(j,39。) 佳木斯大學學士學位論文 佳木斯大學信息電子技術學院 8 轉換后的灰度圖像如圖 所示: 圖 灰度圖像 圖像增強 圖像增強的目的是 改善圖像的視覺效果 ,或 者使圖像更適合于人或機器進行分析處理。例如,消除照片中的劃痕,改善光照不均勻圖像,突出目標的邊緣等。該種方法是使輸出圖像直方圖近似服從均勻分布的變換方法。 通過原圖與直方圖均衡化后 圖像 對比 可以發(fā)現 ,圖像變得更 加 清晰 ,并 且均衡化后的直方圖 相對于 原直方圖的形狀更 為理想。F:\39。 j=histeq(i)。 figure,subplot(1,2,1),imhist(i)。在本文案例 中 ,為 使濾波效果更 加 明顯 ,我們預先為人臉圖像人為增加 噪聲 ,然后用自適應濾波方法對圖像進行濾波 處理。 實現 過程 的代碼如下 : i=imread(39。)。gaussian39。 subplot(1,2,1),imshow(j)。subplot(1,2,2),imshow(j1)。gaussian39。j2=imfilter(i,h)。 佳木斯大學學士學位論文 佳木斯大學信息電子技術學院 11 邊緣檢測 數字圖像的邊緣檢測是 目標區(qū)域識別、 圖像分割、 區(qū)域形狀提取等圖像分析過程中 十分重要的基礎 步驟 ,也是 人臉 圖像識別中 用來實現提取圖像特征的一個重要步驟 。 常用的有 梯度 算子 , ,Roberts 算子 , canny算子 ,Log 算子等。 圖像處理工具箱 中 提供了 edge()函數 來 實現 圖像 邊緣檢測 ,還有各種方法算子供 我們 選擇 ,在本案例 中采用了 canny 算子來進行 圖像 邊緣檢測 ,程序代碼如下 : i=imread(39。)。canny39。 imshow(j) 執(zhí)行上述程序后得到如下圖像: 圖 原灰度圖像 圖 邊緣檢測效果圖 佳木斯大學學士學位論文 佳木斯大學信息電子技術學院 12 第 3 章 人臉識別計算機系統(tǒng) 系統(tǒng)基本構架 人臉識別是一個 十分復雜的過程,一般 人臉識別的 計算機 系統(tǒng) 流程如圖 所示。對 于人臉 定位 , 在輸入 的 是圖像序列時 ,一般也被稱為人臉跟蹤。 借助人臉描述 對提取出來的人臉 就可以進行 人臉識別,即通過提取 人臉 特征來確定其身份 ?;陲@式特征的方法是指通過 肉眼 的 觀察,總結 概括 出人臉 區(qū)域 區(qū)開 始 圖像采集 檢測定位 是否定位成功 是否處理成功 圖像預處理 人臉識別 是否識別成功 識別結果 結 束 是 是 是 佳木斯大學學士學位論文 佳木斯大學信息電子技術學院 13 別于“非人臉”區(qū)域的特征,根據與被檢測區(qū)域的對比,即是否滿足這些人臉特征,從而判定該區(qū)域 包含人臉 與否 。 以上三類方法的優(yōu)缺點概括見 表 31: 表 31 優(yōu)缺點對比 基于隱式特征的方法 就是 將人臉區(qū)域看成一類模式, 通過 “人臉”、“非人臉”樣本、構造分類器的使用,判別圖像中全部可能區(qū)域是否符合 “人臉模式”的 一類 方法來實現人臉 的 檢 測。 以上四種方法的優(yōu)缺點比較見表 32: 表 32 優(yōu)缺點對比表 檢測方法 優(yōu) 點 缺 點 神 經網絡法 效率較高,錯誤報警數較少,網絡監(jiān)測速度較快 多樣本訓練所耗的 費時間多,網絡監(jiān)測錯誤報警數較 多 本征臉法 能抽象人臉全部信息, 運算 時間 相 通過模板 測效率 較低,多模板雖然增加了檢測方法 優(yōu) 點 缺 點 模板匹配 具有較強的直觀性和較好的適應性 對面部表情的變換敏感;對于模板的選擇、參數的 確定很困難 膚色模型 檢測速度相對較快 陽光、背景光線等會使人臉區(qū)域被分割,導致被漏檢 先驗 知識的方法 對于 復雜圖像中的人臉檢測 有較大優(yōu)勢 依賴 于先驗知識; 工作量 較 大,運算時間 較長 佳木斯大學學士學位論文 佳木斯大學信息電子技術學院 14 對較 短 效率,但是 檢測時間 較長 積分圖像分析法 檢測速度 較快, 滿足實時檢測 的 要求,檢測效率 相對較高 錯誤報警數 與 檢測率 成反比 支撐向量法 具有更好的泛化能力 “非人臉”的復雜 造成支持向量數目 較多, 導致 運算復雜度 變 大 運用 matlab 軟件 仿真進行人臉檢測定位實例: 人臉檢測定位程序: %%%%% Reading of a RGB image原始圖像 i=imread(39。)。 BW=im2bw(I)。 r=floor(n1/10)。 x1=1。 s=r*c。y2=c。 佳木斯大學學士學位論文 佳木斯大學信息電子技術學院 15 [o p]=size(loc)。 if pr=100 BW(x1:x2, y1:y2)=0。r2=x2。s2=y2。 end imshow(BW)。 y2=y2+c。 x2=x2+r。 BB = regionprops(L, 39。)。 BB2=cell2mat(BB1)。 mx=0。 if pmx amp。 j=k。 hold on。Position39。EdgeColor39。r39。人臉識別,即通過 對所采集到的人臉圖像進行一系列處理,提取待識別人臉圖像的特征信息,通過與已存人臉數據庫信息進行 匹配 識別,確定待識別人臉圖像的基本信息。CALLBACK39。Property39。Value39。s Tools menu. Choose GUI allows only one % instance to run (singleton). % % See also: GUIDE, GUIDATA, GUIHANDLES % Copyright 20202020 The MathWorks, Inc. % Edit the above text to modify the response to help faceCore % Last Modified by GUIDE 28May2020 10:21:26 % Begin initialization code DO NOT EDIT gui_Singleton = 1。gui_Name39。gui_Singleton39。gui_OpeningF39。gui_OutputF39。gui_LayoutF39。gui_Callback39。 if nargin amp。 ischar(varargin{1}) = str2func(varargin{1})。 else gui_mainf(gui_State, varargin{:})。 % Update handles structure guidata(hObject, handles)。 % Outputs from this function are returned to the mand line. function varargout = faceCore_OutputF(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT)。 % Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global TrainDatabasePath 。\work39。訓練庫路徑選擇 ...39。 % Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global TestDatabasePath。\work39。測試庫路徑選擇 ...39。 % Executes on button press in pushbutton3. %function pushbutton3_Callback(hObject, eventdata, handles) % hObject handle to pushbutton3 (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %[filename,pathname]=uigetfile({39。39。},39。)。 %im=imread(st
點擊復制文檔內容
環(huán)評公示相關推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1