局部二值模式人臉識別調(diào)研報告_第1頁
局部二值模式人臉識別調(diào)研報告_第2頁
局部二值模式人臉識別調(diào)研報告_第3頁
局部二值模式人臉識別調(diào)研報告_第4頁
局部二值模式人臉識別調(diào)研報告_第5頁
已閱讀5頁，還剩8頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

內(nèi)容摘要每個人都有其獨特的生物特征，有天生的如：指紋、掌紋、臉像DNA等；有后天形成的如：簽名、語言、步態(tài)等。這些生物特征有人體所固有的不可復(fù)制的唯一性和穩(wěn)定性，不可能復(fù)制、失竊或被遺忘，在識別方面的研究都取得了一定的成功，而在各種生物特征識別方法中，人臉識別有其簡便、準確、經(jīng)濟和可擴展性等方面的優(yōu)勢，因而在生物識別中占有重要地位。經(jīng)過多年的開展，人臉識別技術(shù)取得了長足的進步，并在入口控制、平安檢驗與搜索犯罪等領(lǐng)域的應(yīng)用中取得了不錯的效果。本文主要介紹人臉識別的開展概況，應(yīng)用領(lǐng)域，涉及到得一些技術(shù)以及LBP算法在人臉識別中應(yīng)用。關(guān)鍵詞生物識別，人臉識別，局部二值模式目錄第一章前言：選取適宜的濾波器對圖像進行多尺度濾波分解，構(gòu)建圖像多尺度空間；采用LBP算子計算各多尺度圖像的LBP特征譜；將各LBP特征譜分別劃分為互不重疊的多個區(qū)域，并統(tǒng)計各區(qū)域的LBP模式直方圖；將各個區(qū)域的LBP模式直方圖分別進行投影變化得到各區(qū)域的LBP子模式；將所有區(qū)域的LBP模式直方圖特征連接起來，即得到所求的多尺度子模式序列，并將此作為人臉圖像的特征向量。圖3.5多尺度LBP子模式特征提取流程圖3.2.4基于級聯(lián)AdaBoost的LBP基于級聯(lián)LBP人臉識別方法采用級聯(lián)AdaBoost算法分別從人臉深度圖像和灰度圖像的LBP直方圖中選出最優(yōu)利于分量的少量特征，并連接成一個直方圖向量，用求和的規(guī)那么進行信息融合[12]葉劍華,[12]葉劍華,劉正光.基于局部二值模式和級聯(lián)AdaBoost的多模態(tài)人臉識別[J].計算機應(yīng)用,2023,28(11):2852~2856.總結(jié)人臉識別技術(shù)已取得了巨大的成就，隨著科技的開展，在實際應(yīng)用中仍然面臨困難，不僅要到達準確、快速的檢測并分割出人臉局部，而且要有效的變化補償、特征描述、準確的分類的效果。人臉識別是極富挑戰(zhàn)性的課題僅僅采用一種現(xiàn)有方法難以取得良好的識別效果，如何與其它技術(shù)相結(jié)合，如何提高識別率和識別速度、

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論