巴氏距离与PCA结合的人脸识别

利用巴氏距离(Bhattacharyya Distance)和PCA(Principal Component Analysis)相结合进行人脸识别研究,提出了使用巴氏距离和PCA相合的算法对特征进行提取。当特征向量维数高时,首先对样本K-L(Karhunen-Loeve)变换进行降维,然后采用巴氏距离特征的迭代算法,得到最小错误率上界。基于ORL人脸数据库的实验表明该方法的识别性能优于LDA、HPCA、HLDA,采用文中的算法可以有效地提高识别率,减少巴氏距离特征计算时间,具有较强的实用性。

融合PCA与LDA变换的仿生人脸识别研究

就基于PCA与LDA变换的传统人脸识别方法识别率低但特征提取过程中维数低和基于K-L变换的仿生人脸识别方法识别率高但在特征提取过程中维数过高的的问题,将两者的优点相结合,提出了一种基于PCA与LDA变换的仿生人脸识别新方法。通过PCA与LDA变换对训练人脸样本进行特征提取,然后构建各类样本的覆盖区域。再通过判断待识别人脸特征在各覆盖区域的归属情况来识别人脸。实验收到了预期的效果,证明了方法的可行性。

机器学习中的PCA降维方法研究及其应用

机器学习中涉及大量以图像处理为代表的高维数据,PCA作为有效的数据降维方法常被用于数据预处理阶段。讨论了PCA的K-L数据转换原理、具体降维处理过程、高维样本协方差矩阵的求解技巧、维数选择方法,并在ORL人脸图样库上给出了基于PCA的人脸识别准确度分析。

基于PCA人脸识别系统设计与实现

基于PCA人脸识别算法设计考勤系统的核心部分——人脸识别,通过增加不同人脸姿态数,改进人脸识别算法,提高了人脸识别率.用户可通过本系统来采集人脸图像,定义不同姿态数以获得全姿态数据库.使用过程中若有不能识别情况出现,可改变或增加姿态数,重新学习训练以得到正确识别.经过测试,系统已达到设计要求,具有较高实用价值,可实际推广使用.

一种全局收敛的PCA神经网络学习算法

主元分析(PCA)也称为K-L变换是进行特征提取的一种重要方法。近年来,为了处理海量数据,许多基于Hebbian学习算法的PCA神经网络被提出来。传统的算法,通常不能保证其收敛性或者收敛速度较慢。基于CRLS神经网络,本文提出了一种新的确保权向量收敛的学习算法,本算法无须在计算中规格化权向量。同时也证明了该学习算法使得权向量收敛到最大特征值所对应的特征向量。实验表明,与传统的CRLS神经网络比较,本文算法准确性得到极大提高。

基于PCA和Fisher线性判别技术的人脸识别算法

人脸识别技术是生物特征识别技术的一种,它根据人脸来识别人的身份。人脸识别技术具有准确、经济、可扩展性良好等特点,更重要的是,它比其它生物特征识别技术更加简便、直观、可靠。现在应用于人脸识别的算法有3种:基于PCA的人脸识别算法、基于Fisher线性判别的人脸识别算法、基于LBP特征的人脸识别算法。对前两种算法进行了深入研究,在人脸数据库上进行识别,取得了预期效果。

基于PCA算法的人脸识别算法设计与实现

本文探讨了基于主成分分析(PCA)的人脸识别方法。首先阐述PCA算法实现人脸识别降维原理,其次讲述了特征脸空间的构建、特征值和特征向量的求取以及最邻近法的分类识别方法,最后利用AT&T人脸数据库上对此方法进行实验,结果表明该算法具有良好的识别性能。

基于PCA、LDA和DLDA算法的人脸识别

近年来,人脸识别的技术越来越成熟,但在复杂环境下准确识别人脸还需要进行研究。本文由浅入深,分别介绍了PCA、LDA和2LDA算法的人脸识别。并通过MATLAB对LDA和2LDA算法进行仿真,比较了它们的成功率和适用条件。

基于改进PCA与FLD算法的人脸识别

该文研究人工智能中人脸识别的问题,由于受到光照以及人脸表情等各种因素的影响,论文中我采用的是改进的主成分分析算法(PCA)和Fisher LDA(FLD)算法相结合,使PCA算法具有灰度归一化的能力。首先将训练样本的人脸图像进行预处理,将每一张图片转换成一个列向量,最后所有的列向量合成一个矩阵。利用K-L变换提取一个低位特征空间来表示人脸图像,得到特征脸空间。在Fisher鉴别准则下,求一个最佳鉴别方向,从高位特征向量投影到最佳鉴别方向上构成一个鉴别特征空间,训练样本获最佳描述特征,然后将特征脸空间降维,得到各类人脸特征库,接着将待识别的人脸进行PCA降维以及通过FLD分类器,在特征脸数据库中寻求与该人脸欧氏距离最近的人脸图像。该文算法是用人脸数据库进行测试。最终确定本论文的方案切实可行,能够将人脸的各种表情以及图片缺失或者重组等特殊情况均可识别并匹配。

主成分分析方法在遥感数字图像处理中的应用综述

本文首先简要介绍了主成分分析的基本概念和原理;阐述了主成分分析,即K-L变换在遥感数字图像中的应用——数据压缩、图像增强、分类前预处理;然后探讨了国内外对于主成分分析在遥感图像处理方面的应用技术和手段以及应用范围;最后在分析该方法局限性的基础上,提出对主成分分析方法在遥感数字图像处理上的展望。

一种基于主成分分析的钞票识别算法

提出一种基于PCA的钞票识别算法。通过对经预处理后的钞票图像作感兴趣区域(ROI)切割,获得ROI图像;然后对ROI图像做K-L变换提取钞票图像的主成分,构造钞票的特征空间;利用训练样本在特征空间中的投影向量构建特征模板。通过计算待识别目标与特征模板的最小距离来完成识别。以第五套人民币作为实验对象进行实验,实验结果表明本文提出方法的有效性。

基于岁月印记的人脸识别确认

21 世纪是信息技术、网络技术的世纪。信息化网络时代的一大特征就是身份的数字化和隐蔽化。如何精准鉴别某 人身份信息、维护信息安全,是当今时代亟待解决的关键性社会问题。对同一个人来说, 如果没有过改变面容的疾病、面部外 伤或外科手术等经历, 年轻和年老时的面容总有很大的相似性。人们在生活中也往往能够分辨出来两张不同年龄段的照片是不 是同一个人。当然, 年龄段相差越大, 识别起来也就越困难。但是,可以采用将人脸识别的辨识度提高,即模型改进来提高相 差较大的照片的识别度。可利用人脸识别确认的技术进行对比分析。本文针对给出的两张不同年龄段的,并且都是标准位置 和标准光线、相同的姿势和装饰下拍摄的、相同的背景和面部表情下拍摄的面部照片,按照图像预处理,人脸特征提取,人 脸识别确认的思路,结合 matlab 的图形处理工具箱,通过 PCA 特征算法和隐马尔科夫模型,利用最短欧式距离的相似度检验 方法来自动识别是不是同一个人。