- 1、本文档共21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
会计学; OpenCV基本介绍
人脸识别概要
PCA原理介绍
用PCA算法人脸识别的优缺点
;OpenCV(Open Source Computer Vision Library)是一个基于(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV 对非商业应用和商业应用都是免费的,源代码公开,具备强大的图像和矩阵运算能力,具有丰富的函数处理函数,减少开发者的工作??,有效提高开发效率和程序运行的可靠性。
应用:人机互动?、物体识别 、图象分割 、人脸识别 、
动作识别、运动跟踪 、机器人
;人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。
;PCA方法由于其在降维和特征提取方面的有效性,在人脸识别领域得到了广泛的应用。
PCA方法的基本原理是:利用K-L变换抽取人脸的主要成分,构成特征脸空间,识别时将测试图像投影到此空间,得到一组投影系数,通过与各个人脸图像比较进行识别。
主要包括两个阶段:训练阶段+识别阶段;训练阶段; 如:第i个图像矩阵为
则xi为
; 第二步:计算平均脸
计算训练图片的平均脸:
; 第三步:计算差值脸
计算每一张人脸与平均脸的差值
;第四步:构建协方差矩阵
;
第五步:求协方差矩阵的特征值和特征向量,构造特征脸空间
若协方差矩阵的维数为MN*MN,当其维数较大,计算量比较大,所以采用奇异值分解(SingularValue Decomposition ,SVD)定理,通过求解 的特征值和特征向量来获得 的特征值和特征向量。
;
求出C的特征值 及其正交归一化特征向量
根据特征值的贡献率选取前p个最大特征向量及其对应的特征向量
贡献率是指选取的特征值的和与占所有特征值的和比,即:
;
一般取 即使训练样本在前p个特征向量集上的投影有99%的能量
求出原协方差矩阵的特征向量
则“特征脸”空间为:
;第六步
将每一幅人脸与平均脸的差值脸矢量投影到“特征脸”空间,即
;
第一步:将待识别的人脸图像 与平均脸的差值脸投影到特征空间,得到其特征向量表示:
;;;系统优缺点分析;Thank you!;;
文档评论(0)