- 1、本文档共186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
山世光——人脸识别技术概述
人脸识别技术概述;引子;提纲;无处不在的身份验证;传统方法有什么问题?;一种新的技术手段;Biometrics;生物特征识别技术(Biometrics);Biometrics孰优孰劣?;Biometrics比较;为什么要做人脸识别?;应用模式;人脸识别相关研究内容;与其他生物特征识别的比较;技术挑战;;没有想象的那么简单!;没有想象的那么简单!;
人脸识别的基本原理及其计算模型探讨;我们人类靠什么识别?;人类视觉识别系统特性简介及其借鉴意义 ;局部特征 vs 全局特征;平均脸;局部特征 vs 全局特征;人类视觉识别系统特性简介及其借鉴意义;Mark;人类视觉识别系统特性简介及其借鉴意义;人脸识别的分类;基于可见光的人脸识别;简化的人脸成像模型;人脸图像的生成要素;理想的识别模型;退而求其次…;从“图像”中识别的道理何在?;问题分解;Face Detection;自动人脸识别系统;Face Recognition;基于几何特征的例子;;国内外研究现状——研究机构;人脸识别的最高学术水平;人脸识别的最高学术水平;从评测看当前人脸识别技术的研究水平;从评测看当前人脸识别技术的研究水平;从评测看当前人脸识别技术的研究水平;从评测看当前人脸识别技术的研究水平;从评测看当前人脸识别技术的研究水平;国际研究现状;Who is who in FR community;人脸图像数据库;文献来源;国际商业系统;人脸检测典型方法介绍;人脸检测方法;基于肤色特征的检测;多种肤色模型;颜色空间;高斯肤色模型;高斯肤色模型;;提取肤色区域 ;肤色模型的缺点;基于Appearance的方法;基于AdaBoost的快速人脸检测;AdaBoost算法简介;人脸的特征表示方法;Haar-like特征的表示;问题;需要一幅辅助图像(积分图)如下图所示:;从左到右、从上到下扫描一遍图像,对图像进行如下操作,得到每个像素位置的积分图像ii(x,y)
ii(x,y)=ii(x,y-1)+s(x,y)
s(x,y)=s(x-1,y)+I(x,y) ;Haar-Like特征的快速计算;输入图像;何以快速?;AdaBoost分类器;AdaBoost用于人脸模式分类;AdaBoost用于人脸模式分类;Adaboost学习算法流程;AdaBoost学习算法;AdaBoost学习算法;AdaBoost学习算法;人脸检测器;检测系统的构建——遍历所有位置;检测系统的构建——遍历不同大小;如何进一步加速?;类比一下;基于AdaBoost的快速人脸检测;分级分类器的构建;检测过程流程图;分级分类器的训练算法;一些检测结果;Project 2;;发展
阶段;典型方法;重点介绍的几个方法;基于可变形模板的面部特征自动定位;面部特征提取;用可变形模板进行面部特征定位;特征形状模板;可变形模板——以下巴检测为例;搜索流程;检测结果;;主成分分析PCA方法;主成分分析PCA概况;如何去相关?;PCA:协方差矩阵的特征值分解;PCA:协方差矩阵计算;PCA:计算方法;PCA:用于降维;PCA降维: Theory;PCA降维: Practice;数据约减:理想情况图示;数据约减:非理想情况图示;PCA降维: 数据损失分析;PCA : 小结;主动统计模型;主动形状模型ASM;主动形状模型ASM;ASM: 搜索过程图示;特征点局部纹理模型匹配;统计形状模型约束(PCA);ASM评价;ASM结果示例;Face Alignment;主动表观模型AAM;AAM: 训练数据准备(续); AAM : 形状模型;AAM : 纹理模型;主动表观模型AAM;AAM : 示例;AAM: 用于图像分析;AAM及其搜索策略;AAM: 搜索算法 ;AAM:基于合成的图像分析;AAM 优化搜索过程实例;AAM总结与评价;基于面部几何结构的人脸识别
基于模板匹配的人脸识别方法;基于几何特征的例子;基于模板匹配的例子;Eigenface;Eigenface人脸识别方法;Eigenfaces—Eigenvectors of the Covariance matrix;EigenFace-based face recognition method;Fisherface:子空间线性判别分析;Fisher判??分析——Fisherface;基本思想;FDA的计算;Bayesian方法;基于双子空间分析的Bayesian方法;类内差别与类间差别(3);类条件概率密度的计算;类条件概率密度的计算;类条件概率密度的计算;Bayesian方法的实现;若干值得关注的技术趋势;局部特征与全局特征的融合;基于3D变形模型的人脸建模:Analysis-by-Synthesis技术的一个应用;基于3D变形模型的人脸建模;基于3D变形模型的人脸建模;3
您可能关注的文档
最近下载
- 《基于核心素养的初中语文“活动·探究”单元整体教学设计研究》课题研究方案.doc
- 四年级上册数学第二单元《练习三》教学课件(苏教版).pptx
- (最新)24年秋统编四年级语文上册习作:我的家人(精品课件).pptx
- 货币政策与财政政策配合的中国实践及经验.docx VIP
- 三年高考2024-2025高考地理真题分项汇编地球上的大气含解析.pdf VIP
- 经典诗文诵读技巧.ppt
- 五星级酒店功能区与面积配置(推荐保存).pdf
- 2024年山东省济南市莱芜区中考一模语文试卷(含解析).pdf VIP
- 2023版建筑三类人员a证题库含答案全考点.docx
- (人教版2024)物理八年级上册第二单元 声现象 大单元教学设计.docx
文档评论(0)