基于HOG特征的人臉識別系統(tǒng)研究.pdf_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、人臉識別很久以來一直是計算機視覺和模式識別領域最關注的問題。近年來人臉識別技術取得了日新月異的發(fā)展,但在復雜環(huán)境下的人臉檢測和識別,如表情、姿態(tài)、復雜光照環(huán)境下仍有待進一步發(fā)展與完善。梯度方向直方圖(Histograms of Oriented Gradients,HOG)已被證實為在目標識別領域非常有效的特征提取算子。本文提出了一種基于HOG特征的人臉檢測方法,研究了一種基于HOG特征的人臉特征提取方法,并構建了人臉檢測和識別系統(tǒng)。<

2、br>  本文所做的主要研究工作如下:
  1.研究并實現(xiàn)了一種基于HOG特征結合支持向量機(Support Vector Machine, SVM)的人臉檢測算法,完成了人臉檢測分類器的訓練。提出了一種人臉檢測分類器設計方法,該方法先訓練出大量基于HOG特征的局部SVM分類器,然后從這些局部分類器中選出分類效果較好的。把選出的各個局部分類器對訓練樣本的分類結果組合成新的特征向量,最后對這些向量再次用SVM訓練出最終的分類器。同時

3、在訓練和檢測過程中運用HOG積分圖,從而顯著提高了訓練和檢測速度。
  2.研究了全局HOG特征和局部HOG特征融合的特征提取方法。為了去除全局HOG特征冗余信息和解決類內(nèi)離散矩陣奇異的問題,先將全局HOG特征用主成份分析(Principal Component Analysis, PCA)降維,再用線性判別分析方法(Linear Discriminant Analysis,LDA)降維,得到全局特征向量。另外,我們將人臉圖像做區(qū)

4、域劃分,再用Fisher線性準則降維各個區(qū)域HOG特征,得到局部特征向量。最后把局部特征和全局特征結合起來,通過把距離加權求和的方式來確定最終人臉分類器。該算法得到的特征向量保持人臉的只有性和穩(wěn)定性特點,對光照、姿態(tài)、表情、距離等因素造成的人臉多變性具有較強的魯棒性。
  3.為了克服光線不好情況下的暗度圖像和強光照射情況下的高亮度圖像中人臉檢測困難的問題,本文提出一種圖像預處理方法,該方法用灰度實現(xiàn)分段Gamma校正,實現(xiàn)了低灰

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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. 眾賞文庫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。
  • 6. 下載文件中如有侵權或不適當內(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