本文首先简要回顾了人脸识别技术的研究背景及发展历程,对目前人脸特征提取与识别 的主要方法进行了分类总结。通过对各种特征提取与识别方法的分析与比较,总结了当前存在的技术困难,并展望了今后的研究趋势。
上传时间： 2017-04-21
上传用户：gengxiaochao
一种很好的基于SIFT算子的人脸识别方法的介绍，文章有很不错。
上传时间： 2013-12-28
上传用户：teddysha
视频人脸检测与识别方法研究:人脸识别参考资料
上传时间： 2014-01-20
上传用户：zhaiye
常用电子元器件应用要点及识别方法 pdf版
上传时间： 2013-06-26
上传用户：eeworm
专辑类-器件数据手册专辑-120册-2.15G 常用电子元器件应用要点及识别方法-4页-0.1M-pdf版.pdf
上传时间： 2013-06-28
上传用户：xoxoliguozhi
·详细说明：人脸特征识别运用VC++编程实现，包括图像提取，预处理和特征提取等，最终实现人脸识别的功能。
上传时间： 2013-05-31
上传用户：建建设设
为了使计算机能更好的识别人脸表情，对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理，包括对确定的人脸表情区域进行尺寸和灰度归一化，然后利用二维Gabor小波变换提取脸部表情特征，使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中，利用Fisher准则提取那些有利于分类的特征，最后用SVM分类器进行分类。实验结果表明，上述提出的方法比传统的方法识别速度更快，能达到实时性的要求，并且具有很好的鲁棒性，识别率高。
上传时间： 2013-11-08
上传用户：小眼睛LSL
提出了一种基于相关分析的飞机目标识别方法。该方法利用飞机图像低频和高频部分合成滤波器模板，能达到很高识别率与很低的等错率。该研究旨在提高飞机识别的准确率和降低出错率，采用一种基于相关分析的飞机目标识别方法。该方法通过对采集的飞机图像做去除背景、降噪、图像增强、二值化和归一化处理，将飞机图像低频和高频部分合成滤波器模板，通过特征比对达到识别飞机的目的。利用Matlab 7.0做10种飞机的识别实验，得出了95.47%识别率和0.04%等错率的结论，识别率和等错率均优于不变矩法、三维识别方法、基于小波分析和矩不变量的方法，印证了笔者提出的基于相关分析的飞机目标识别方法的优越性。在飞机图像数据库上的实验结果表明，该方法是可行的。
上传时间： 2013-11-03
上传用户：manlian
按键识别方法之一
上传时间： 2013-11-05
上传用户：ccclll
提出了一种改进的LSM-ALSM子空间模式识别方法，将LSM的旋转策略引入ALSM，使子空间之间互不关联的情况得到改善，提高了ALSM对相似样本的区分能力。讨论中以性能函数代替经验函数来确定拒识规则的参数，实现了识别率、误识率与拒识率之间的最佳平衡；通过对有限字符集的实验结果表明，LSM-ALSM算法有效地改善了分类器的识别率和可靠性。关 键 词 学习子空间; 性能函数; 散布矩阵; 最小描述长度在子空间模式识别方法中，一个线性子空间代表一个模式类别，该子空间由反映类别本质的一组特征矢量张成，分类器根据输入样本在各子空间上的投影长度将其归为相应的类别。典型的子空间算法有以下三种[1, 2]：CLAFIC(Class-feature Information Compression)算法以相关矩阵的部分特征向量来构造子空间，实现了特征信息的压缩，但对样本的利用为一次性，不能根据分类结果进行调整和学习，对样本信息的利用不充分；学习子空间方法(Leaning Subspace Method, LSM)通过旋转子空间来拉大样本所属类别与最近邻类别的距离，以此提高分类能力，但对样本的训练顺序敏感，同一样本训练的顺序不同对子空间构造的影响就不同；平均学习子空间算法(Averaged Learning Subspace Method, ALSM)是在迭代训练过程中，用错误分类的样本去调整散布矩阵，训练结果与样本输入顺序无关，所有样本平均参与训练，其不足之处是各模式的子空间之间相互独立。针对以上问题，本文提出一种改进的子空间模式识别方法。子空间模式识别的基本原理1.1 子空间的分类规则子空间模式识别方法的每一类别由一个子空间表示，子空间分类器的基本分类规则是按矢量在各子空间上的投影长度大小，将样本归类到最大长度所对应的类别，在类x()iω的子空间上投影长度的平方为()211,2,,()argmax()jMTkkjpg===Σx (1)式中 函数称为分类函数；为子空间基矢量。两类的分类情况如图1所示。
上传时间： 2013-12-25
上传用户：熊少锋
