基于稀疏表示的人脸识别.ppt_第1页
基于稀疏表示的人脸识别.ppt_第2页
基于稀疏表示的人脸识别.ppt_第3页
基于稀疏表示的人脸识别.ppt_第4页
基于稀疏表示的人脸识别.ppt_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于稀疏表示的人脸识别,汇报大纲,一、人脸识别的简介和背景,二、基于稀疏表示的人脸识别,四、个人安排,三、人脸识别实验步骤,一、人脸识别的简介和背景,人脸识别本质上是使计算机具有区分不同人类个体的能力，相当于计算机视觉中“看”的能力。 人脸识别技术是基于生物特征的识别方式，利用人类自身所拥有的、并且能够用来标示其身份的生理特征进行身份验证的技术。,目前的人脸识别技术主要分为三大类： 几何特征法、基于子空间方法和基于学习的方法。 几何特征法包括模板匹配法等。 基于子空间的方法包括主成分分析、独立分量分析、线性判别分析等。 基于学习的方法有稀疏表示方法、神经网络方法等。,传统的信号表示方法是将信号分解为一组正交基函数的线性组合。 稀疏表示是利用字典，将信号表示成少数原子的线性组合的过程。稀疏表示使信号能量只集中于少数原子，对应于非零系数的少量原子揭示了信号的主要特征与内在结构。,二、基于稀疏表示的人脸识别,稀疏表示理论的核心问题包括稀疏表示算法设计以及字典的构建等。 传统的字典构造方法主要是根据指定的线性变化的函数集构建的字典，如短时傅里叶变换、过完备小波、曲波、轮廓波、Gabor变换等。 另一种截然不同的线路是样本学习的基础上训练字典的方法。包括K均值算法、最优方向法、K-SVD算法、监督学习方法、最大似然法以及最大后验概率法等。,当给定第i类中有效的训练样本集 测试样本y： 全部的训练样本集为,基于稀疏表示的分类方法：,1: Input: a matrix of training samples for k classes, a test sample y , (and an optional error tolerance 0 .) 2: Normalize the columns of A to have unit -norm. 3: Solve the -minimization problem: (Or alternatively, solve ) 4: Compute the residuals for i=1, .,k . 5: Output:,可信度（sparsity concentration index(SCI)）：,如果 ,测试图像能用单一的一幅图像表示。 如果 ，稀疏系数遍布所有类中。 选取一个阈值 ，当 ，则判定一幅测试图像有效。否则判定为无效。,小密集噪声：,遮挡和损坏问题：,当错误 关于 有稀疏表示，则 当 关于自然的像素坐标稀疏，则选择 如果 关于其他（Forier or Haar）稀疏，则把 添加到A中，代替I来寻找稀疏解： extended -minimization：,的稀疏解：,除掉遮挡或损坏后的干净图像： 判别类：,三、实验步骤：,1、读入图像，构造字典。-公式（1）（3） 2、输入测试图像。 3、用最小化 范数
人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论