李岩-基于RVM算法的人脸识别技术研究.ppt

1、基于RVM算法的人脸识别技术研究，学院：电子电气工程专业：信号与信息处理引导者：慕香永副引导者：柳长源硕士研究生：李岩，报告内容，绪论，一、人脸识别技术概要，二、脸部识别的价值、脸部识别的优点，不易丢失，比伪造手机直接友好的使用者没有任何心理负担， 图片处理模式识别自动智能校正器视觉感知、证书验证刑事出入控制信息安全工作，学术价值：应用价值：一，绪论人脸识别的发展过程出现了SVM的人脸识别算法，面部识别系统的商业公司也出现了许多，实现了人与人的交互，产生了许多代表性的人脸识别算法. 着重确定人脸的几何特征，进展缓慢，重要成果少。、初级阶段、服务阶段、快速发展阶段、二、人脸识别技术概要-基本步骤

2、、人脸识别的基本步骤、二、图像预处理、特征提取、分类识别国内对RVM的研究星空卫视很慢，关于RVM算法的理论研究很少，主要集中在RVM的应用上。 目前，RVM算法初步应用于故障检测、电能质量声干扰分类和入侵检测等领域，而在人脸识别技术中的应用尚未见报道。三、相关运载体机器rvm的概述，以及相关运载体机器是基于贝叶斯概率理论的机器学习算法。 在贝叶斯信息帧工作下，采用自相关性判定理论去除不相关点，得到稀疏化模型. 与目前广泛使用的SVM相比，RVM克服了内核函数必须满足Mercer条件的缺点，由于RVM对解的稀疏度要求高，所以保证了精度，同时缩短了运算时间。、三、相关运载体机-RVM分类模型的步

3、骤、RVM分类函数：统一误差：权重运载体：三、相关运载体机-RVM分类模型的步骤、四、基于RVM的人脸识别特征提取、原始图像、一次小波包分解、压缩后的图像、四、基于RVM的人脸识别特征提取、PCA ORL面部库部分原图像，对应于上图的面部图像的特征面部，压缩后的图像，四，即改进的多分类方法，五，基于实验结果-“一对一”多分类的RVM人脸识别，训练样本：各个体的前3张图像测试样本：各个体的最后7张图像即120个训练样本280个测试样本280个测试样本，第二组实验，ORL文库，“一对一”多分类方法，RVM训练识别，基于实验一和“一对一”多分类的SVM人脸识别对照表，选择第一组实验结果进行算法的鲁棒

4、性分析，基于RVM的人脸识别率。 自制面部库，“一对一”多分类方法，RVM训练识别，训练样本：每个个体的前5张图像测试样本：每个个体的最后5张图像即200个训练样本，200个测试样本，基于ORL和自制面部库的r ORL颜库改进的多分类方法rl，训练样本：每个个体的前5张图像测试样本：每个个体的最后5张图像即200个训练样本，200个测试样本，库内的80个个体为10、20、30、40、50、60个培训样本：每个个体的前5张图像测试样本：每个个体的后5张图像，5，实验结果-改良的多分类RVM人脸识别，2种多分类方法的RVM人脸识别对照表，个体数RVM人脸识别对照表，个体数RVM人脸识别率，个体数RVM，一对一的多分类方法的改善成功了成功建构了自己的面部图像库，进一步验证了该库中RVM人脸识别的可行性。 结论：展望rvm人脸识别技术，改进rvm培训流程，缩