数字图像处理-人脸识别课件_第1页
数字图像处理-人脸识别课件_第2页
数字图像处理-人脸识别课件_第3页
数字图像处理-人脸识别课件_第4页
数字图像处理-人脸识别课件_第5页
已阅读5页，还剩15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

1、 Face Recognition数字图像处理信息科学与技术学院 刘世伟2022年10月1日人脸识别目录1.0 关于人脸识别人脸识别是人类视觉最杰出的能力之一，是一个活跃的研究领域。最容易被接受的生物特征识别方式。人脸识别用途细分为两类：一 一类是回答“ 我是谁？”的问题，即身份识别。 另一类是回答“ 这个人是我吗？”，即身份验证。目录2.0 人脸识别过程一个完整的人脸识别系统包括人脸检测与定位、人脸图像预处理、人脸特征提取、分类识别等人脸识别实现过程基本框图目录3.0 人脸识别技术难点 当前人们的研究主要集中在寻找识别率更高、稳定性更好、计算代价更低、实用性更强的人脸识别系统。但是由于各种客

2、观条件的限制，目前尚没有一种方法可以兼有上述所有性能。 影响人脸识别系统性能的客观因素有很多，也很复杂，主要是以下这些：光照条件：光照条件的影响主要体现在实际条件下光照强度的未知变化以及光照不均匀对成像带来的影响，这可以直接体现在图像的灰度值上。人们解决光照影响的方法主要有获取实时光照参数、对图像做光照补偿和灰度预处理等。获取实时光照参数以及进行光照补偿这两种方法都比较复杂，因此大量应用并不现实。目录4.0 基于PCA算法的人脸识别主成分分析简介Principal Component Analysis（PCA）主成分分析(Principal Component Analysis, 简称PCA)

3、是一种常用的基于变量协方差矩阵对信息进行处理、压缩和抽提的有效方法。PCA方法由于其在降维和特征提取方面的有效性，在人脸识别领域得到了广泛 的应用。PCA方法的基本原理是:利用K-L变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。4.0 基于PCA算法的人脸识别利用特征脸进行人脸识别的过程由训练阶段和识别阶段两个阶段组成 ： 4.0 基于PCA算法的人脸识别在训练阶段，每个已知人脸映射到特征脸子空间，得到维向量：在识别阶段，首先把待识别图像映射到特征脸子空间，得到向量：4.0 基于PCA算法的人脸识别目录5.0 总结 在Opencv中使用PCA算法非常简单，只要几条语句就可以了，这是我利用VS2010+Opencv做的人脸检测程序。存在的问题：1.抗干扰能力较差。2.训练的时间较长，执行效率不够高。具有的优点：1.不需要对图像进行过多的预处理，PCA本身就能实现降噪的功能；2. 能有效地识别人脸，且过程相对简单，主要是图像数据的处理和矩阵的运算；3.由于是通过低维子空间表示的，可以对图像的数据进行一定地压缩，从而减少了计算量，提高运行速度。5.0 总结 探索方向 人脸识别方法有很多种，每种人脸识别方法又都各有优缺点，如何充分利用现有的各种人脸识

人人文库> 全部分类> 行业资料 > 医学制药

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