人脸识别.ppt_第1页
人脸识别.ppt_第2页
人脸识别.ppt_第3页
人脸识别.ppt_第4页
人脸识别.ppt_第5页
已阅读5页，还剩11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

人脸识别,ArtificialIntelligencehigh_in,low_out;high_out,gamma),几何变换,目的：通过适当的几何变换，消除几何因素（视角，方位等）造成的图像外观变化。,图像平移,图像转置,图像旋转,图像缩放,定义：图像空间变化，将一幅图的坐标位置映射到另一幅图像中的新坐标上。,图像增强,原理：对数变换可以将图像的低灰度值部分扩展，显示出低灰度部分更多的细节，将其高灰度值部分压缩，减少高灰度值部分。,原理：主要用于图像的校正，将灰度过高或者灰度过低的图片进行修正，增强对比度。,原理：将原始图像的灰度图从比较集中的某个灰度区间均匀分布在整个灰度空间中，实现对图像的非线性拉伸，重新分配像素值。,原理：利用图像的二次微分对图像进行蜕化，在图像领域中微分是锐化，积分是模糊，即利用邻域像素提高对比度。,直方图均衡化,拉普拉斯算子,Log变换,伽马变换,归一化,所谓图像归一化,就是通过一系列变换,将待处理的原始图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性)。,什么是归一化？,使不同成像条件（光照强度，方向，距离，姿势等）下拍摄的同一个人的照片具有一致性。图像可以抵抗几何变换的攻击，也就是转换成唯一的标准形式以抵抗仿射变换。,为什么归一化？,线性归一化,归一化的方法有哪些？,也称min-max标准化；是对原始数据的线性变换，使得结果值映射到0,1之间。缺点：如果max和min不稳定的时候，很容易使得归一化的结果不稳定，影响后续使用效果。,标准差归一化,非线性归一化,03,人脸图像.特征检测,获得好的特征是识别成功的关键,特征检测算法,尺度不变特征提取（SIFT）,方向梯度直方图（HOG）,神经网络特征提取,Haar-like特征,CNN特征提取,04,人脸图像.匹配与识别,提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认（1：1）另一类是辨认（1：N）。,人脸识别,主流的人脸识别技术基本上可以归结为三类：,基于几何特征的方法,基于模板的方法,基于模型的方法,特征脸方法,线性判
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