- 1、本文档共34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
华南理工大学数学实验实验六
实验六 增量人脸识别
地 点: 4 号楼 4104 房; 实验台号: 66,79
2017 06 05
实验日期与时间: 年 月 日 评 分:
预习检查纪录: 实验教师: 刘小兰
电子文档存放位置:
-66 79-
电子文档文件名: 卓越班 , 陈艺荣何晨晖实验六
批改意见:
摘要:人脸识别是当今十分热门的话题,关于人脸识别的算法层出不穷。但是,
大多数算法随着样本数目的增加,或者样本数目的更新,运行时间成倍地增加。
要将算法设计为适用于实际应用,则要考虑样本数目很大和样本需要经常更新。
针对人脸识别算法随着训练样本数目增大的问题,我们小组提出一种基于主成分
分析(PCA)的增量人脸识别算法。传统的增量主成分分析(IPCA)包括CCIPCA
算法和I2DCA 算法。本实验报告在CCIPCA 的基础上作出进一步改进,提出了
自己的IPCA 模型,并通过matlab 编程对Yale_32x32,Yale_64x64,ORL_32x32,
ORL_64x64 这四个数据集进行了测试,对它们的识别精度和运行时间进行了比
较。最终得到良好的工程代码文件和比较适合推广使用的函数接口。
关键词:人脸识别、主成分分析、特征匹配、增量算法
1
目 录
目 录2
1 实验目的3
2 问题描述3
2.1 问题描述3
2.2 问题背景4
3 文献调研4
3.1 国内外研究现状5
3.2 常用人脸识别算法6
3.2.1 基于回归模型的人脸识别方法6
3.2.2 基于神经网络的人脸识别方法6
3.2.3 基于特征脸的人脸识别方法7
3.3 利用增量学习改进的人脸识别9
4 算法与编程10
4.1 编程流程 10
4.2 文件结构 12
4.3 编程细节 14
4.4 实现代码 15
5 实验结果27
5.1 命令行输出27
5.2 结果分析30
6 实验总结和实验感悟33
6.1 实验总结33
6.2 实验感悟33
7 参考文献34
2
1 实验目的
了解数字图像的基本概念,了解人脸识别的基本含义;
掌握常见的人脸识别算法的基本原理;
了解数字图像的基本概念,了解人脸识别的基本含义;
掌握基于回归模型的增量人脸识别算法的基本原理;
了解Matlab 中基本的文件和图像处理命令;
掌握文献检索和各大期刊数据库的使用;
掌握数学建模的基本步骤,利用数学知识将问题抽象为数学模型;
加强与队友之间的合作,提高团队合作精神。
2 问题描述
2.1 问题描述
利用各种增量人脸识别算法:基于回归模型的增量人脸识别算法,最远子空
间增量分类算法、最近最远子空间增量分类算法或其他快速算法,选择其中的一
种或几种算法,对给定的人脸数据库进行识别测试,得出识别正确率和 (或)运
行时间。并与第5节不采用增量学习的算法进行比较,分析实验结果。在实验过
程中,可以察看原始的人脸图片,哪些人脸识别错误?该算法有哪些优缺点?改
进方向是什么?如果有新的样本加入训练集合中,如何处理?
当训练集的样本数较多时,如何处理?
(1) 传统的处理方法是,将新增加的训练样本和原来的训练样本放在一起,
重新训练模型,将会造成时间和存储空间的巨大开销,严重影响计算的效率。
(2) 这会使得训练数据库的样本不断增多
给定的数据库为:Yale_32x32,Yale_64x64,ORL_32 x32,ORL_64 x64,
YaleB_32x32。例如Yale_32x32.mat,包含两个变量,一个是fea:
文档评论(0)