- 1、本文档共60页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
多姿态人脸图像脸部特征提取和整体法识别
海^学颀}学位论支 多姿态九验鹜豫熬麓郭特援糖壤与整体洼谖鬟
摘要
本论文研究多姿态环境下的人验识列和黢鄢特征提取阔题。
酋先,根掘多姿态二德图像的特性,提出了一个新的脸部特征提取方法。第
一步用水平投影和垂甑投影定位脸部特征,得到几个矩形框;笫二步建立一个几
何模型去校准翦耍的输出。
篱二,在多姿态训练溺像帮溺试蚕豫哥鲻鹣清况下,溺试了滔秘整体识巍法:
相关熙配、特征脸、二维主分量分析和奇异德分解。我们把二维主分量分析法分
为两种,列.二维主分量分析法和行.二维主分黛分析法。我们比较了这几种方法
的特点和性能。
麓三,在j=l有正瑟溪试霭缘可爱懿‘藩凝下,我翻鬟蹬了瑟耱方法寝改善主分
量分析(PCA)的性能。一种方法是在用欧凡璺德距离分类前调节pCA分量,另一
种方法是用相关匹配代替欧几里德距离用以分裟。我们深入分析了PCA分量在
正ffi_i特征空间的分布,揭示了PcA分量与姿念变化间的恒定关系。实验结果显
示我们鲢方法优于纯PeA方法。
羧焉,给出了结合滁灞特征提取帮入猃识翻的一个垂动纯系统豹体系结构。
所有的方法都用uMIST人脸库做实验验证过。
关键锤:人验谈剐,姿态交纯,验酃特征挺取,主分爨分撰
V
多娄恋人脸蚓像的脸部特征提墩咭蹙体洼识别
ABSTRACT
{hjsthes{s a|ld with
ad妞sses扭ce糟co黔越onfaeial怒a拙端裁妇etio珏probl黜s
Variation.
pose
anewfacialfeatureexlractionmethodwas utihzesthe
FirstlM proposed,which
of faces.Atthe6rst are
ofmulti-view st印,facial纯atures
pmpertiesbinaryimages
locatedho矗zomaIa玎dVenical ands岳VeraI boxes,at也e
by p咧ectionsget rectallgular
see。nd eons甑letedtofc蠡nel魏e岛趱erouteo黼es+
ste乳鑫geom式垂e蕊odel群o
severalholistic
SecondlM methods,correlation
andSVD驸etestedwhennluhi—viewface for andtestareavailable.
imagestraining
t0 renamethe as
we 2DPCAanother 2DPCA
generate kind,row一2DPCA,andori西nal
of重量臻se
co{umll2妇pCA。Th巍aracl旗娥es臻d
p艇蠡搬鑫赫勰s me疆lo叁a持勰a净zed
and
compared.
we twomemodst
文档评论(0)