暂无评论
基于2D_PCA和2D_LDA的人脸识别方法
融合深度学习和最大间距准侧的人脸识别方法
提出一种改进的基于隐马尔可夫模型的人脸识别方法利用人脸隐马尔可夫模型的结构特征和Viterbi算法的特点，对特征观察序列进行分割，使用部分序列对所有隐马尔可夫模型递进地计算最大相似度，同时排除相似度最
传统的支持向量机（SupportVectorMachines，SVM）在面对大样本训练问题时，其样本数量会受到内存的限制。因此，提出一种基于级联SVM和分类器融合的人脸图像性别识别方法。级联SVM分类
针对传统人脸表情识别算法鲁棒性差，易受到人脸身份信息干扰的问题，在降噪自编码器的基础上，提出一种人脸表情识别算法。首先，从图片中检测出人脸部分，并进行尺度归一化处理；再构造堆栈式降噪自编码神经网络模型
针对ORL人脸数据库进行实验，选取每个人的前8张图像作为训练集，最后两张作为测试集，进行实验。最终80张测试图像，准确预测了50张，预测准确率为50/80*100%=62.5%
将非参数子空间分析方法（NSA）和模块化2DPCA方法相结合，提出了一种模块化2DPCANSA方法。NSA方法需将图像矩阵转化为向量后进行特征提取，导致数据维数很大，没有考虑到图像的局部特征，对图像矩
一种基于Gabor滤波器的人脸表情识别方法及系统.pdf
提出一种非约束条件下的人脸识别方法。利用Prewitte算子将人脸图像转换成特征图像以保护更多的局部信息，并将特征图像划分为多个区域特征向量表示人脸，通过调整二次直方图距离中的权系数矩阵以降低干扰因素
本文基于人脸图像分块和奇异值压缩,进行RBF 神经网络和贝叶斯分类器融合的设计。将人脸图像本身的灰度分布描述为矩阵,其奇异值特征具有转置不变性、旋转不变性、位移不变性、镜像不变性等诸多重要的性质,进行
摘要: 针对非参数特征分析(nonparametric feature analysis,NFA)方法需将图像矩阵转化为向量后进行特征提取,导致数据维数很大,计算复杂等缺点,提出M2DPCA+NFA
为了解决煤矿井下复杂光照条件导致人脸识别率低的问题, 提出了一种适用于煤矿井下复杂光照条件下的人脸识别方法。首先利用小波分解将人脸图像分解为低频和高频部分, 对低频部分利用直方图均衡化处理, 增强图像
结合指纹和声纹在识别环境中的优良互补性以及两种特征相关性不强的特点,提出一种基于指纹和声纹决策级融合识别方法。在对相应的指纹和声纹分别提取特征和识别之后,使用提出的二次比较选择模型(second co
引言 本文基于人脸图像分块和奇异值压缩,进行RBF 神经网络和贝叶斯分类器融合的设计。将人脸图像本身的灰度分布描述为矩阵,其奇异值特征具有转置不变性、旋转不变性、位移不变性、镜像不变性等诸多重要
本文设计了一种新颖的人脸识别方法,该方法主要基于一种新的特征提取方法和一种有效的分类器-随机权重网络(RWN)。 其特征提取的创新体现在原始图像的几何特征和代数特征的良好融合中。 这里的几何特征是通过
暂无评论