- 1、本文档共13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
基于TensorPCA的人脸识别方法的研究 课题研究内容 * ——本科毕业论文答辩演示稿 答辩人:周蒙 一、研究目的 (一)身份识别 图(一) 人的面部特征 人脸数据库 反馈输出 身份信息 (二)论证当前主流人脸识别算法 二维: 基于模板匹配的方法 基于奇异值特征方法 子空间分析方法 主成分分析(PCA)方法 三维: 基于图像特征方法 基于模型可变参数的方法 课题研究内容 方案设计 流程图: 训练样本 人脸检测、定位、切割 输 入 人脸图像特征提取 人脸图像 TPCA变换矩阵 测试样本 人脸特征比对、匹配识别 预处理 身份确认 输出身份信息 图(二) 系统流程图 运行过程 (一)人脸图像的预处理 人脸图像分割:将背景和人脸图区分开来。 图像 分割 人脸图像的去噪处理:去除图像编码和传输中产生的噪声。 运行过程 (a)有噪声的人脸图 (b)去噪后的人脸图 图像 去噪 (一)人脸图像的预处理 人脸的区域标定、选取:检测出人脸在图像中的位置、大小信息。 运行过程 (一)人脸图像的预处理 人脸区域 标定、 选取 运行过程 (二)人脸特征的提取 TensorPCA(张量主成分分析):在传统主成分分析(PCA)方法上的扩展。 1、传统主成分分析方法 2、张量主成分分析 运行过程 (三)高阶奇异值分解(HOSVD) 奇异值分解是线性代数中一种重要的矩阵分解,可以用来求高阶矩阵特征值时降阶,有两个重要应用: 1、求伪逆 2、矩阵近似值 研究结果 (一)基于TensorPCA算法 的人脸识别系统 1、利用ORL人脸库:避免因外界因素影响图像质量下降,直接使用ORL库中已经处理过的人脸图像。 2、MATLAB中实现人脸识别,利用MatLab中自带强大的矩阵处理函数。 研究结果 (一)基于TensorPCA算法 的人脸识别系统 图(三) 人脸识别检测系统 *
文档评论(0)