共查询到20条相似文献,搜索用时 78 毫秒
1.
基于统计学习理论的人脸识别方法研究 总被引:1,自引:1,他引:1
人脸识别过程中,待识别人脸图像的预处理、特征选择与提取以及分类器的选择是非常重要的。利用核主成分分析方法提取的人脸图像特征信息能较好地反映人脸特征的非线性结构信息,然后将此特征数据作为支持向量机的输入数据、结合二叉树判别策略,能够实现对多类人脸图像的分类识别。实验结果表明该方法能够取得较好的识别效果。 相似文献
2.
3.
作为传统Gabor小波的一种改进,Log-Gabor滤波器在机器视觉领域已经得到广泛的应用,利用Log-Gabor滤波器的特性结合主成分分析(PCA)与支持向量机(SVM)对织物起球的等级进行客观评价。针对Log-Gabor特征的高维问题,改进了传统的特征提取方法,提高了实验的计算效率,减少了运行时间。通过与Gabor小波的实验结果比较,该方法可以有效捕捉起球信息,最高正确识别率达到了95%。 相似文献
4.
针对人脸结构过于复杂,导致识别精度低的问题,提出基于支持向量机(Support Vector Machine,SVM)的人脸识别方法。首先,选取Gabor小波变换算法,利用高斯函数表示短时傅里叶变换的窗函数,通过对人脸图像的卷积运算,提取人脸图像的幅值特征以及相位特征。其次,选取主成分分析方法,对所提取的人脸图像特征进行特征降维处理。最后,设置完成降维处理的人脸特征值,作为SVM的输入,利用SVM输出人脸识别结果。实验结果表明,该方法在强光等复杂环境下,仍然可以精准识别人脸,人脸识别精度高于97%。 相似文献
5.
基于Top-hat变换与主成分分析的人脸识别方法 总被引:2,自引:2,他引:0
针对光照条件对人脸识别性能的影响,提出了一种利用Top-hat变换对特征提取前的人脸图像进行预处理的方法,减弱了外界光照对人脸特征提取的影响,并将该方法与基于主成分分析的特征提取方法和基于多类别分类器支持向量机的分类策略相结合,形成完整的人脸辨识算法.最后在ORL人脸库和YALE_B人脸库上,对该方法的识别率进行了测试,并与传统的基于主成分分析和最小近邻分类方法结合的人脸辨识方法进行了比较,得到了较好的结果. 相似文献
6.
7.
针对人脸识别中,利用粒子群算法训练支持向量机进行分类识别时存在易陷入局部最优和收敛速度慢的问题,提出一种基于雁群优化算法的人脸识别方法。将主成分分析与独立成分分析相结合提取人脸特征,利用支持向量机进行分类,在分类识别的过程中,引入雁群优化算法以提高速度和效率。实验结果表明,与标准粒子群算法相比,改进的粒子群算法提高了人脸识别率,具有较快的识别速度。 相似文献
8.
9.
人脸识别系统包括人脸特征检测与分割、人脸特征规范化、人脸袁征和人脸识别4部分。根据表征方式的不同,人脸识别方法有:基于层次聚类的几何特征矢量模式识别法、基于代数特征矢量的特征矢量识别法、基于神经网络的人脸特征提取法和支持向量机分类法。 相似文献
10.
11.
12.
针对传统人脸识别算法运行效率低的问题,提出一种采用图像梯度补偿模式(IGC)的人脸快速识别算法.首先,提取人脸图像四个方位的梯度;其次,将所获的四个梯度进行多方式融合,产生两个梯度算子;再次,使用新产生的梯度算子对原图像进行适度补偿,形成人脸图像的IGC特征图;然后将所获IGC特征图分块统计直方图,并将各个分块的直方图串联成用于人脸图像描述的特征向量;最后使用PCA方式对特征向量进行降维处理,利用SVM分类器进行识别.在ORL和CMUPIE数据库上完成测试,结果表明本文算法在具有较高识别率的同时,其算法的运行效率具有卓越的表现. 相似文献
13.
人脸识别中PCA方法的推广 总被引:4,自引:0,他引:4
主成分分析(PrincipalComponentAnalysis,PCA)是公认的特征抽取的最为重要的工具之一,目前仍然被广泛地应用在人脸等图像识别领域。基于PCA,该文提出了分块PCA的人脸识别方法。分块PCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵利用PCA进行鉴别分析。其特点是能有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出。与PCA方法相比,由于使用子图像矩阵,分块PCA可以避免使用奇异值分解理论,过程简便。此外,PCA是分块PCA的特殊情况。在Yale和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上明显优于经典的PCA方法,识别率可以分别提高6.7和4个百分点。 相似文献
14.
为了提高人脸识别效率,提出了一种基于PCA、LDA和SVM算法融合的人脸识别方法。使用主成分分析(PCA)将人脸图像变换到新的特征空间中,消除图像特征间的相关性和噪声,提取人脸全局特征,在实验阶段取较多的投影方向使其尽可能多的保持原始信息;使用线性判别分析(LDA)算法进一步投影变换降低数据维度;使用支持向量机(SVM)分类识别。将PCA、LDA和SVM三种算法的优点结合起来,在ORL数据库上进行仿真实验,结果表明该方法的识别率可达99.0%。 相似文献
15.
16.
17.
提出一种具有较强光照鲁棒性的人脸识别方法。通过Gamma校正、高斯差分(DoG)滤波和对比度均衡化算法对图像进行光照预处理,降低光照敏感度;利用局部二值模式(LBP)算子提取局部纹理特征,将图像划分为若干个不重叠的子区域,提取每个子区域LBP直方图,形成人脸图像特征,用主成分分析(PCA)进行降维处理;使用支持向量机(SVM)进行分类识别。在Yale-B数据库进行实验的结果表明,该算法的平均识别率可达99.68%,其性能优于目前该领域的典型算法。 相似文献
18.
19.