當前位置:網站首頁 應用行業動態 山東二維人臉識別算法的主要方法

    山東二維人臉識別算法的主要方法

    來源:車牌識別 作者:山東開門紅 發布日期:2020-06-12


    文章標題:山東二維人臉識別算法的主要方法

    文章地址:http://www.d-h-l.net/index/info/info/id/62

    文章提示:本文約有1338字符,大小約為1.31KB,預計閱讀時間3分鐘


      二維人臉識別算法的主要方法

      人臉識別法主要集中在二維圖像方面,二維人臉識別主要利用分布在人臉上從低到高80個節點或標點,通過測量眼睛、顴骨、下巴等之間的間距來進行身份。人臉識別算法主要有:

      1.基于模板匹配的方法:模板分為二維模板和三維模板,核心思想:利用人的臉部特征規律建立一個立體可調的模型框架,在定位出人的臉部位置后用模型框架定位和調整人的臉部特征部位,解決人臉識別過程中的觀察角度、遮擋和表情變化等因素影響。

      2.基于奇異值特征方法:人臉圖像矩陣的奇異值特征反映了圖像的本質屬性,可以利用它來進行分類識別。

      3.子空間分析法:因其具有描述性強、計算代價小、易實現及可分性好等特點,被廣泛地應用于人臉特征提取,成為了當前人臉識別的主流方法之一。

      4.局部保持投影是一種新的子空間分析方法,它是非線性方法LaplacianEigenmap的線性近似,既解決了PCA等傳統線性方法難以保持原始數據非線性流形的缺點,又解決了非線性方法難以獲得新樣本點低維投影的缺點。

      5.主成分分析(PCA)

      PCA模式識別領域一種重要的方法,已被廣泛地應用于人臉識別算法中,基于PCA人臉識別系統在應用中面臨著一個重要障礙:增量學習問題。增量PCA算法由新增樣本重構非常重要PCS,但該方法隨著樣本的增加,需要不斷舍棄一些不重要PC,以維持子空間維數不變,因而該方法精度稍差。

      6.其他方法:彈性匹配方法、特征臉法(基于KL變換)、人工神經網絡法、支持向量機法、基于積分圖像特征法(adaboost學習)、基于概率模型法。


    本頁關鍵詞:濰坊車牌識別
    行業應用動態
    国产精品66福利在线观看_国产亚洲视频在线观看_特黄特色大片免费播放器试看_一级毛片免费观看不卡视频