江苏龙网

  1. 主页 > 生活百科 > >

人脸检测和识别技术的文献综述 人脸检测综述( 三 )


主成分分析如下:
基于线性sub 空分析方法的人脸识别实际上是存储实际的人脸图像
表情、姿势、光照等等复杂的变化都是线性简化的，不可能得到完整的描述 。内核技术的思想是用一个非线性映射，把原来空之间的数据映射到一个隐藏特征空F::x & isin；Rn & rarrf & isinf，然后对隐藏特征空区间内的数据进行分析，这样可以有效地分析原始数据的非线性关系 。在计算中，不需要显式计算这个非线性变换，只需要计算F中两个向量在隐特征之间的点积空 (3.1) 。特征之间的f空用这样的点积来描述 。
k ( x，y)= ((x)*(y)) (3.1)
常用的点积核函数有三种:多项式点积核函数、径向基点核函数和
Sigmoid点积核函数[14-16] 。
主成分分析(PCA)最早是由Scholkopf等人[17]提出的，其思想是把核技术
和主成分分析 。首先，通过内核技术将原始数据投影到隐藏特征空之间的F中，
在线性主成分分析之后，获得相对于原始空的非线性主成分
空 。根据主成分分析原理，求解隐特征空之间F中的主成分等价于求解 。
下面是特征值问题:
w=Sw (3.2)
其中s代表样本在F中的投影在隐藏特征空之间的分散矩阵 。
因为隐藏特征之间的线性变换空，所以有这样的关系:对应& ne0
的特征向量w一定存在于(x1)，(x2)构成的空空间中，...，(xN) 。数学
w可以由等式(3.3)表示:
(3.3)
如果把(3.3)代入(3.2)，求解特征值的问题就变了 。
理解下面的特征值问题:
N =K (3.4)
其中矩阵k是N×N；n，Ki，j= k(xi，xj)=((xi)，(xj))的矩阵，
=(1 ,2,...(名词)T .
类似地，可以选择前m个大特征值的特征向量作为隐藏特征之间的f空 。
在主分量中，那么原始空空间中数据X在W上的投影是:
(3.5)
4.总结与展望 。
随着社会的不断发展，传统的身份识别技术已经不能满足人们的需求 。与其他生物识别技术相比，人脸识别在易用性上有着独特的技术优势，主要体现在以下几个方面:可以隐蔽操作，尤其适用于安全监控；非接触式采集，无创，易于接受，不会对用户造成生理伤害，容易被大多数用户接受；具有方便、快捷、强大的事后跟踪能力；图像采集设备成本低；更符合人类的识别习惯，交互性强[18] 。
人脸检测是人脸信息处理领域的重要课题，也是计算机视觉和人机交互领域的研究热点 。该问题的突破将极大地推动人脸识别、表情识别、视频监控、身份验证等相关领域的研究[19] 。人脸检测和识别是一个具有挑战性的研究课题，还有许多问题需要进一步研究和解决 。很难检测和识别人脸 。经过几十年的研究，在信息资源可控的网络环境下，人脸识别技术已经达到了实用化的水平 。然而，当考虑到光照、姿态和表情的影响时，它的应用范围受到了很大的限制 。
近年来，为了进一步解决人脸表情和姿态的问题，三维人脸识别技术得到了很大的发展，三维人脸模型重建方法也越来越多 。然而，如何将3D识别的结果整合到2D识别中以建立有效的识别标准还需要进一步的讨论，人脸特征的选择和提取算法也需要进一步的优化[20] 。
【人脸检测和识别技术的文献综述 人脸检测综述】


推荐阅读


上一篇：氨茶碱片的作用及功效

下一篇：教你快速学习摩托车驾照怎么考 摩托车学习