搜索资源列表
ULPP-ICCS
- ULPP-ICCS算法在人脸识别上的应用源代码，基于UMIST人脸库训练与识别，包括源码及相应人脸库-ULPP-ICCS algorithm in the application of face recognition source code, based on the UMIST face database training and recognition, including the source and the corresponding face database
ar_dct_lda
- AR人脸库进行DCT变换，然后使用Fisher discriminant analysis 进行特征提取，使用cos分类器进行人脸分类。-AR Face Database for DCT transform, and then use the Fisher discriminant analysis feature extraction, using cos classifier for human face classification.
ar_dcv
- 在ar人脸库上使用鉴别公共向量方法（discriminant common vector）方法实现人脸图像鉴别分析-In the ar face database using the identification of public-vector method (discriminant common vector) method of achieving facial image discriminant analysis
yalefaces
- Yale人脸库（美国）： 耶鲁大学，15人，每人11张照片，主要包括光照条件的变化，表情的变化等。-Yale Face Database (U.S.): Yale University, 15 people, each 11 photos, mainly including changes in lighting conditions, expressions of the change.
face
- Comparison of face verification results on the XM2VTS database
ANewMethodofFusionofICAandLDAforFaceRecognition.ra
- 特征提取是模式识别研究领域的一个热点.本文提出了一种基于独立成分分析和线性鉴别分析的特征提取方法.谊方法中引入了零空间的概念,指出了前人算法中的不足之,并且给出了一个完整的独立成分分析和线性鉴别分析的组合算法.在ORL和Yale人脸数据库上的实验表明了该方法的有效性.-Feature extraction is a hot field of pattern recognition research. In this paper, which is based on independent com
2DLDAwiththeSVM-basedfacerecognitionalgorithm
- 二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的“小样本”效应，支持向量机 (SVM)具有结构风险最小化的特点，将两者结合起来用于人脸识别。首先，利用小波变换获取人脸图像的低频分量，忽 略高频分量：然后，用2DLDA算法提取人脸图像低频分量的线性鉴别特征，用“一对多”的SVM 多类分类算法完成人脸 识别。基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效性。-”Small sample size”problem
20064817924orl_faces_112x92
- ORL人脸图像库，共40人，每人10幅图像，其中每人的前5幅作为训练样本，后5幅作为测试分类样本，统计正确分类率。分类准则为最近邻规则。 真实的图像尺寸为112x92，列向量堆积对应人脸库矩阵的每一列。 -ORL face image database, a total of 40 per 10 images, each of which the first five as training samples, after the 5 categories as a test sampl
KPCA
- 在ORL或Yale标准人脸数据库上完成模式识别任务。用PCA与基于核的PCA（KPCA）方法完成人脸图像的重构与识别试验. -Or Yale in the ORL face database, complete the standard pattern recognition tasks. With the PCA and kernel-based PCA (KPCA) method to complete the reconstruction of face image and reco
Sparse_ar
- sparsity preserving projections (SPP)方法，根据论文《sparsity preserving projections with applications to face recognition》使用AR人脸数据库-sparsity preserving projections (SPP)method, according to the paper "sparsity preserving projections with applications t
orl_faces
- ORL人脸库，可以用于人脸检测识别用，在 ORL 人脸库中，有 400 幅分辨率为92*112，具有不同表情、不同姿势、稍许倾斜(不超过20度)、稍许遮掩的图像-ORL face database, face detection and recognition can be used for the ORL face database, there are 400 92* 112 resolution, with different expressions, different posture,
FACE-RECOGNITION
- 此文的目的有三个：第一，当地连续均值量化变换特征是提出照明和传感器敏感操作在目标识别上。其次，注册稀疏Winnows网络分割，提出了加快原分类。最后，特点和分类相结合对于正面人脸检测任务。检测结果列 为MIT + CMU系统和BioID数据库。关于这人脸检测器，接收器操作特征曲线BioID数据库产生最好的结果公布。对于结果麻省理工学院的中央结算系统+数据库相当于国家的最先进的脸探测器。一个人脸检测算法的MATLAB版本可以从http://www.mathworks.com/matlabce
Face-Recognition
- 人脸识别的经典程序，可以多多借鉴，人脸库是AAT-Recognition of the classic program, you can learn a lot, face database is AAT
2D-PCA
- FACE RECOGNITION USING K-L TRANSFORM on ORL face database
gabor-pca
- 本程序是先用gabor小波变换对人脸图像处理，然后在用pca进行降维，最后用svm分类器进行多分类分类识别，包扩完整的orl人脸库，需注意的是，svm工具箱是用的libsvm工具箱，运行前先配置好libsvm。版本号：libsvm-mat-2[1].89-3[FarutoUltimate3.0]-This procedure is to use the human face gabor wavelet transform image processing, and then to reduce
Face-recognition
- 把黎曼流形用于人脸识别，人脸库是ORL和YALE，希望对大家有帮助。-The manifold for face recognition, is the ORL face database and YALE, we want to help.
ORL
- 人脸库，一共40个脸，每个脸10张图片，.pgm格式，可以用matlab直接处理-Face database, a total of 40 faces, each face 10 pictures,. Pgm format, you can deal directly with matlab
Face-recognition--on-a-DSP
- 本文介绍了 DSP6711的硬件特性 分析了人脸检测、 识别的原理及算法的选型 运用基于 DCT变换域的 LDA的特征提取方法 ,实现了人脸的自动识别。在 Yale人脸库上的实验结果表明本算法识别率要比直接用 PCA进行特征提取的方 法要好-This article describes the DSP6711 hardware features analysis of face detection, recognition of the principle and algorithm se
SVM-face-recognition
- SVM face recognition 程序源代码 s1-s40 --------- 人脸数据库 face.m --------- 人脸识别主程序 load_database.m------载入数据函数 其他-------------LIBSVM工具箱函数 注意：LIBSVM需要手动安装，先安装编译器，再执行make.m-Source code S1-s40-----face database Face. M-----face recognition t
Face-detection-LBP
- 针对LBP的人脸检测算法的文章3篇，区别于adaboost的人脸检测算法，opencv有相应的训练数据库。-For three of the articles of the LBP face detection algorithm, the face detection algorithm is different from adaboost, opencv training database.