结合Bi-2DPCA和多权值神经网络的人脸识别方法

由于采用主成分分析方法进行人脸识别容易受光照、脸部变形和旋转等因素的影响,对此提出了一种基于双向二维主成分分析(Bi-2DPCA,bilateral two-dimensional principal component analysis)和多权值函数神经网络的人脸识别方法.该人脸识别方法首先采用Bi-2DPCA方法对人脸图像进行压缩并提取其特征向量,然后将提取到的特征向量作为多权值函数神经网络的输入对神经网络进行训练,通过训练进而得到人脸图像的类间判别信息,最后进行人脸识别.在ORL标准人脸库上与其它识别算法进行比较,实验结果表明该算法的识别率高于其他识别方法.

人脸识别算法在智能手机上的实现

人脸识别技术是近几年在全球范围内迅速发展起来的计算机安全技术。该文以高端智能手机的安全应用为载体,结合主元分析法和多权值函数神经网络在人脸识别中的优势,利用非线性多权值函数神经网络实现多主元提取,以及多权值函数神经网络识别。给出了完成人脸图像的检测、特征向量提取、人脸图像识别相对应的硬件系统架构、人脸识别算法流程和算法实现类图。

在智能手机平台上实现PCA人脸识别算法

人脸识别技术,是近几年在全球范围内迅速发展起来的计算机安全技术。以高端智能手机的安全应用为载体,结合主元分析(PCA Principle Component Analysis)法和多权值函数神经网络在人脸识别中的优势,利用非线性多权值函数神经网络实现多主元提取,以及多权值函数神经网络识别。给出了完成人脸图像的检测、特征向量提取、人脸图像识别相对应的硬件系统架构、人脸识别算法流程和算法实现类图。

在智能手机上实现人脸识别算法

人脸识别技术,是近几年在全球范围内迅速发展起来的计算机安全技术.以高端智能手机的安全应用为载体,结合主元分析(PCA,Principle Component Analysis)法和多权值函数神经网络在人脸识别中的优势,利用非线性多权值函数神经网络实现多主元提取,以及多权值函数神经网络识别.给出了完成人脸图像的检测、特征向量提取、人脸图像识别相对应的硬件系统架构、人脸识别算法流程和算法实现类图.