簡(jiǎn)述幾種人臉識(shí)別的主要方法:
基于特征臉(PCA)的人臉識(shí)別方法:特征臉?lè)椒ㄊ腔贙L變換的人臉識(shí)別方法,KL變換是圖像壓縮的一種1優(yōu)正交變換。高維的圖像空間經(jīng)過(guò)KL變換后得到一組新的正交基,保留其中重要的正交基,由這些基可以張成低維線性空間。如果假設(shè)人臉在這些低維線性空間的投影具有可分性,就可以將這些投影用作識(shí)別的特征矢量,這就是特征臉?lè)椒ǖ幕舅枷?。這些方法需要較多的訓(xùn)練樣本,而且完全是基于圖像灰度的統(tǒng)計(jì)特性的。目前有一些改進(jìn)型的特征臉?lè)椒ā?/p>
簡(jiǎn)述幾種人臉識(shí)別的主要方法:
彈性1圖匹配的人臉識(shí)別方法:彈性1圖匹配法在二維的空間中定義了一種對(duì)于通常的人臉變形具有一定的不變性的距離,并采用屬性拓?fù)鋱D來(lái)代表人臉,拓?fù)鋱D的任一頂點(diǎn)均包含一特征向量,用來(lái)記錄人臉在該頂點(diǎn)位置附近的信息。該方法結(jié)合了灰度特性和幾何因素,電梯人臉識(shí)別儀多少錢,在比對(duì)時(shí)可以允許圖像存在彈性形變,在克服表情變化對(duì)識(shí)別的影響方面收到了較好的效果,電梯人臉識(shí)別,同時(shí)對(duì)于單個(gè)人也不再需要多個(gè)樣本進(jìn)行訓(xùn)練。
簡(jiǎn)述幾種人臉識(shí)別的主要方法:
支持向量機(jī)(SVM) 的人臉識(shí)別方法:支持向量機(jī)是統(tǒng)計(jì)模式識(shí)別領(lǐng)域的一個(gè)新的熱點(diǎn),它試圖使得學(xué)習(xí)機(jī)在經(jīng)驗(yàn)風(fēng)險(xiǎn)和泛化能力上達(dá)到一種妥協(xié),從而提高學(xué)習(xí)機(jī)的性能。支持向量機(jī)主要解決的是一個(gè)2分類問(wèn)題,它的基本思想是試圖把一個(gè)低維的線性不可分的問(wèn)題轉(zhuǎn)化成一個(gè)高維的線性可分的問(wèn)題。通常的實(shí)驗(yàn)結(jié)果表明SVM有較好的識(shí)別率,但是它需要大量的訓(xùn)練樣本(每類300個(gè)),施工電梯人臉識(shí)別系統(tǒng),這在實(shí)際應(yīng)用中往往是不現(xiàn)實(shí)的。而且支持向量機(jī)訓(xùn)練時(shí)間長(zhǎng),方法實(shí)現(xiàn)復(fù)雜,該函數(shù)的取法沒(méi)有統(tǒng)一的理論。
您好,歡迎蒞臨合肥綠能,歡迎咨詢...
![]() 觸屏版二維碼 |