人臉識別算法中的特征臉
人臉識別經過這些(xie)年的(de)發展,取得了很大的(de)發展,涌現出了大量的(de)識別算(suan)法(fa)。這些(xie)算(suan)法(fa)的(de)涉及面非(fei)常廣泛,包括模式(shi)識別、圖像處理、計(ji)算(suan)機視覺、人工(gong)智能、統計(ji)學習、神經網絡、小波分析、子(zi)空間理論(lun)和(he)流行(xing)學習等眾多學科。
在人臉識別系統中,由一組特征臉基圖象張成一個特征臉子空間,任何一幅人臉圖象(減去平均人臉后)都可投影到該子空間,得到一個權值向量。計算此向量和訓練集中每個人的權值向量之間的歐式距離,取最小距離所對應的人臉圖像的身份作為測試人臉圖像的身份。
主分量分析是一種無監督學習方法,主分量是指向數據能量分布更大的軸線方向,因此可以從最小均方誤差意義下對數據進行更優的表達。但是就分類任務而言,由主分量分析得到的特征卻不能保證可以將各個類別更好地區分開來。
線性鑒別分析是一種的模式識別方法,通過將樣本線性變換到一個新的空間,使樣本的類內散布程度達到最小,同時類間散布程度達到更大,即的Fisher準則。
發表評論
發表評論: