最新推荐人脸识别步骤范文word版 15页.docx
- 文档编号:25805036
- 上传时间:2023-06-14
- 格式:DOCX
- 页数:16
- 大小:24.93KB
最新推荐人脸识别步骤范文word版 15页.docx
《最新推荐人脸识别步骤范文word版 15页.docx》由会员分享,可在线阅读,更多相关《最新推荐人脸识别步骤范文word版 15页.docx(16页珍藏版)》请在冰豆网上搜索。
最新推荐人脸识别步骤范文word版15页
本文部分内容来自网络整理,本司不为其真实性负责,如有异议或侵权请及时联系,本司将立即删除!
==本文为word格式,下载后可方便编辑和修改!
==
人脸识别步骤
篇一:
人脸识别过程和相关算法(201X)
人
脸
识
别
过
程
图1人脸识别流程图
1.人脸的检测和定位:
检测图中有没有人脸,将人脸从背景中分割出来,获
取人脸或人脸上的某些器官在图像上的位置。
2.特征提取:
提取特征点,构造特征矢量;多个样本图像的空间序列训练出
一个模型,它的参数就是特征值;模版匹配法用相关系数做特征;而大部分神经网络方法则直接使用归一化后的灰度图像作为输入,网络的输出就是识别结果,没有专门的特征提取过程。
3.识别:
将带识别的图像或特征与人脸数据库里的特征进行匹配,进而将给
出的人脸图像与数据库中的某一个人脸图像及其名字,相关性对应起来。
人脸检测方法
基于知识的方法
a)优点:
规则简单。
b)缺点:
难以将人类知识转化为明确的规则。
基于特征的方法
c)优点:
可以依据面部器官的几何关系进行人脸检测。
d)缺点:
光照、噪声和遮挡可能使得人脸的边界特征被弱化,从而使得算
法难以使用。
基于模版匹配的方法
e)优点:
简单高效。
f)缺点:
难以应对各种不同的成像条件;关于人脸模式和非人脸模式不存
在一个清晰的、明确的界限。
基于外观的方法
g)优点:
通过大量的样本训练使得人脸识别的精确度高。
h)缺点:
算法复杂。
基于肤色的系统
i)优点:
不受人脸姿态变化的影响。
j)缺点:
受光照等外在因素影响较大。
人脸识别方法
基于几何特征的识别方法
a)优点:
i.
ii.
iii.符合人类识别人脸的机理,易于理解。
对每幅图像只需存储一个特征矢量,存储量小。
对光照变化不太敏感。
b)缺点:
i.
ii.
iii.从图像中抽取稳定的几何特征比较困难,特别是特征受到遮挡时。
对强烈的表情变化和姿态变化的鲁棒性较差。
一般几何特征只描述了部件的基本形状与结构关系,忽略了局部细
微特征,造成部分信息丢失,该方法比较适合于人脸图像粗分类。
基于统计的识别方法:
隐马尔可夫法
c)优点:
人脸识别率高。
d)缺点:
算法实现复杂。
基于连接机制的方法
e)优点:
i.
ii.能够根据有代表性的样本自我学习,具有鲁棒性和自适应性。
以并行的方式处理信息,配以硬件实现,可以显著地提高速度。
f)缺点:
算法实现复杂。
人脸图像预处理与人脸检测
图像的灰度化与色彩空间变换
a)将彩色图像转化为黑白图像,以便后期处理:
Gray=0.229R+0.587G+0.11B
(R为红色分量,G为绿色分量,B为蓝色分量)
b)为了使人脸在LCD实时显示,对于经过视频解码输出的YCrCb4:
2:
2格式数字视频数据切换到RGB色彩空间数据格式才能在LCD或者CRT上显示。
YCrCh4:
2:
2视频数据到RGB色彩空间的转换公式如下:
R=1.164(Y-16)+1.596(Cr-128)
G=1.164(Y-16)-0.813(Cr-128)-0.392(Cb-128)
B=1.164(Y-16)+2.017(Cb-128)
灰度归一化
由于拍摄条件的不同,图像的亮度会有所不同,为了获取较稳定的标准图像,采用如下公式对图像做灰度归一化:
g(x,y)={[f(x,y)-m]×sv}/v+sm
(m,v是原图像f(x,y)的灰度均值和方差,sm,sv是设定的归一化后的灰度均值和方差,文中可取sm=0,sv=1)
图像去噪增强
c)领域平均法:
i.
ii.优点:
算法简单,计算速度快。
缺点:
容易使图像产生模糊,特别是边缘细节处,邻域越大,模糊
的越厉害。
d)中值滤波:
(Med(…)表示取序中值)
优点:
克服了线性滤波器带来的图像细节模糊问题,在过滤噪声的同时,还能很好地保护边缘轮廓信息。
图像边缘检测算法
e)Roberts边缘检测算子:
利用局部差分算子寻找边缘的算子,由如下公式给出:
篇二:
人脸识别(带全部程序)
摘要
基于图象处理的机器视觉与智能识别技术是图象处理的前沿和人工智能研究领域的重要分支,机器识别的方法在于研究合适的计算模型,然后利用机器来实现简单的智能判决。
本文以“人”目标的检测为研究对象,采用归一化方案和主动轮廓算法提取采样图象中的目标信息,即图象特征,并利用一定的先验知识对该信息进行判断,达到检测和识别“人”目标的目的。
目标检测是识别的前提工作,本文通过加权灰度分析寻找一个可以逼近我们感兴趣目标的图象点(即目标点),并在此基础上建立直角坐标系,分割采样图,解决多个目标检测的问题。
目标匹配是目标跟踪,识别领域的基本思想,在本课题中鉴于采样图获取目标的位置,角度和形态差异,直接进行目标匹配显然是不可行的。
本文采用归一化的思想,通过角度修正,坐标平移和坐标伸缩,得到目标的标准尺寸和形态。
与传统归一化算法的区别在于,本文并不采用某个标准模板作为参考,因而可以防止非“人”目标在归一化之后具有和“人”目标相似的尺寸和形态。
轮廓检测一直是目标的识别算法中最基本也最困难的问题,传统的轮廓检测方案往往受采样图的实际效果影响较大,造成提取轮廓模糊或存在断点乃至严重的轮廓失真。
通常的解决方案是采用相应的后续修正算法,让目标轮廓尽量保持连续。
本文在目标归一化的基础上,采用主动轮廓算法,较好的解决了轮廓对目标的贴近及其本身连续性问题,避免了复杂的后续修正工作。
通常情况下的目标识别往往可以对识别过的目标进行标记或能很快提取其不变特征,不至于影响其他目标判断。
然而“人”目标的形态会随时间发生随机的改变,不容易提取其不变性特征,鉴于人数统计的客观要求,不能容许对同一个人重复计数。
本文通过对上一次目标检测和目标识别的结果以及当前目标检测结果进行综合验算的方法,来判断是否对当前采样图进行识别判断,在解决了重复计数问题的同时大大降低了系统的实时处理数据量。
关键词:
目标检测归一化主动轮廓计数
ABSTRACT
ThetechnologybasedonimageprocessingandmachinevisionisintheforefrontoftheIntelligentRecognitionofimageprocessinganditistheimportantresearchbranchofartificialintelligenceplant.Theidentificationalmethodistofindasuitablemodel,andthenusingmachinestoachievesimpleintelligentjudgment.Inthispaper,westudytherecognitionandjudgementofthetargetofhumanbeings.Weusethenormalizationprogramandanactivecontourtoextractalgorithminformationoftheobjectandimagecharacteristicsfromsamplingimage.Then,wemakeuseofsomepriorknowledgeofthisinformationtoreachthejudgementwhichcausetotheidentificationof"people"Goals.
Targetdetectionisthepremiseofrecognition.AccordingtoGrayweightedanalysiswecanfindaninterestingtargetwhichisclosetoustheimagepoint(thatmaybethegoalpoints).Onbasisofthis,wecanestablishmenaCartesiancoordinatesandsegmentfromthesamplingimagetosolvethenumbersoftargetsdetectionproblem.Targetmatchingandtargettrackingisthebasicideologyofidentificationarea,inthelightoftheissueofuncertainedsamplingimage.Itishardtogaintheposition,Morphologicaldifferencesinperspective.Somatchingthetargetdirectlyisobviouslynotfeasible.Inthispaper,incordingtotheideaofnormalizationprogram,suchasanglecorrection,coordinatetranslationandtelescopiccoordinates,wecanobtainstandardsizesandshapesofobjects.Inadifferentwithtraditionalalgorithm,itdoesn’tusestandardtemplatesasareference.thuswecanpreventtheothertargetsfromgettingsimilarsizeandmorphologyof“people”targets.
Contourdetectionisalwaysbetheisthemostfundamentalandmostdifficultproblemofobjectiverecognitionalgorithm,traditionalcontourdetectionprogramoftensuffersfromtheinactualresultsofsamplingmapgreatly,whichcausesFuzzyresultofcontourextractionandbreakpointsincontourorevenseriousdistortionofthecontours.Theusualsolutionistoadoptcorrespondingamendmentstothefollow-upalgorithmsforobjectcontourstomaintaincontinuous.Basedonthegoalofnormalizationandactivecontouralgorithmissueinthispaper,wocansolvetheproblemtogetprofileofthetargetclosetohisowncontinuityandvoidthecomplexfollow-uprectificationworks.
Undernormalcircumstances,thetargetrecognitioncanoftenbesolvedby
identifingthetargetorextractingitsinvariantfeatureassoonaspossible.Thus,itwillnotaffectjudgmentofothergoals.However,"people"targetpatternswillhaverandomchangesovertime.Soitisnoteasytoextractitsinvariantfeatures.Givingthestatisticalnumberofobjectivesisnotallowedtorepeatthesameindividualcounts.Basedonresultofprevioustargetdetectionandtheidentificationofgoalsincurrent,wecanusetheintegratedcalculationmethodtodeterminethenecessityofidentifingandjudgingofthecurrentsamplingplan.Inaresult,wesolvetheproblemofcountingrepeatlyandreducetheamountofdateinareal-timeprocessing.
Keywords:
targetdetecting,normalization,activecontour,count.
中文摘要..........................................................................................................................................I英文摘要.........................................................................................................................................II1绪论..............................................................................................................................................1
1.1研究背景...................................................................................................................................1
1.2研究现状...................................................................................................................................2
1.3论文结构安排...........................................................................................................................32计数系统的目标检测.........................................................................................................4
2.1引言...........................................................................................................................................4
2.2基于图象的成象系统存在的技术瓶颈...................................................................................4
2.3图象采集方案...........................................................................................................................5
2.4目标检测...................................................................................................................................63图象目标的归一化处理.................................................................................................10
3.1引言.........................................................................................................................................10
3.2图象归一化的基本问题.........................................................................................................10
3.3归一化转动角参数的确定.....................................................................................................12
3.4轮廓平面上目标区域的确定.................................................................................................14
3.5参照尺度的确定和比例调整.................................................................................................174主动轮廓算法.......................................................................................................................23
4.1引言.........................................................................................................................................23
4.2主动轮廓算法的优势.............................................................................................................22
4.3主动轮廓算法的图象模型.....................................................................................................24
4.4模型工作机制.........................................................................................................................26
4.5轮廓的初步检测……………………………………………………………………………..27
4.6基于SUSAN算子的角点检测………………………………………………………………28
4.7提取带凹陷特征的目标轮廓……………………………………………………..................315仿真实现.................................................................................................................................34
5.1目标检测仿真.........................................................................................................................34
5.2归一化的仿真.........................................................................................................................38
5.3主动轮廓仿真.........................................................................................................................41
5.4计数部分仿真.........................................................................................................................44
5.5实时性分析.............................................................................................................................46
6硬件实现.................................................................................................................................48
6.1引言....................................................................................................
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 最新推荐人脸识别步骤范文word版 15页 最新 推荐人 识别 步骤 范文 word 15
![提示](https://static.bdocx.com/images/bang_tan.gif)