人脸识别演示稿课件优质PPT.ppt
《人脸识别演示稿课件优质PPT.ppt》由会员分享,可在线阅读,更多相关《人脸识别演示稿课件优质PPT.ppt(13页珍藏版)》请在冰豆网上搜索。
基于模板匹配的方法基于奇异值特征方法子空间分析方法主成分分析(PCA)方法,三维:
基于图像特征方法基于模型可变参数的方法,课题研究内容,4,方案设计,流程图:
训练样本,图
(二)系统流程图,5,运行过程,
(一)人脸图像的预处理,人脸图像分割:
将背景和人脸图区分开来。
6,人脸图像的去噪处理:
去除图像编码和传输中产生的噪声。
运行过程,(a)有噪声的人脸图,
(一)人脸图像的预处理,7,人脸的区域标定、选取:
检测出人脸在图像中的位置、大小信息。
运行过程,
(一)人脸图像的预处理,8,运行过程,
(二)人脸特征的提取,TensorPCA(张量主成分分析):
在传统主成分分析(PCA)方法上的扩展。
1、传统主成分分析方法,2、张量主成分分析,9,运行过程,(三)高阶奇异值分解(HOSVD),奇异值分解是线性代数中一种重要的矩阵分解,可以用来求高阶矩阵特征值时降阶,有两个重要应用:
1、求伪逆,2、矩阵近似值,10,研究结果,
(一)基于TensorPCA算法的人脸识别系统,1、利用ORL人脸库:
避免因外界因素影响图像质量下降,直接使用ORL库中已经处理过的人脸图像。
2、MATLAB中实现人脸识别,利用MatLab中自带强大的矩阵处理函数。
11,研究结果,
(一)基于TensorPCA算法的人脸识别系统,图(三)人脸识别检测系统,12,研究结果,
(二)基于TensorPCA算法的创新性,1、张量主成分分析用于人脸数据结构克服了数据向量化带来的缺点。
2、与常规的主成分分析算法相比,张量主成分分析算法在同样的压缩比水平上能够实现更优的重构图像。
13,谢谢!
姓名:
周蒙指导老师:
刘亚楠,