搜索资源列表
jiyutezhengronghehemohuhepanbian
- 提出了基于特征融合和模糊核判别分析(FKDA)的面部表情识别方法。首先，从每幅人脸图像中手工定 位34个基准点，作为面部表情图像的几何特征，同时采用Gabor小波变换方法对每幅表情图像进行变换，并提取基 准点处的Gabor小波系数值作为表情图像的Gabor特征；其次，利用典型相关分析技术对几何特征和Gabor特征进 行特征融合，作为表情识别的输人特征；然后，利用模糊核判别分析方法进一步提取表情的鉴别特征；最后，采用最 近邻分类器完成表情的分类识别。通过在JAFFE国际表情数据库和
Facedetect
- 计算机人脸识别技术( Face Reocgnition)就利用计算机分析人脸图像,从中提取出有效的识别信息,用来辨认身份的一门技术。[ 1 ]即对已知人脸进行标准化处理后,通过某种方法和数据库中的人脸样本进行匹配,寻找库中对应人脸及该人脸相关信息。人脸自动识别系统有两个主要技术环节,一是人脸定位,即从输入图像中找到人脸存在的位置,将人脸从背景中分割出来,二是对标准化后的人脸图像进行特征提取和识别。本文中介绍的PCA (特征脸)方法就是一种常用的人脸 特征提取方法。-Computer Fac
matlab
- ) 使用分块的主成分分析方法(PCA)对人脸图像进行压缩编码。针对PCA方法计算量大的缺点,首先把问题转化成奇异值分解(SVD)问题,然后设计了特征空间的更新算法,通过递推,简化每一步计算的计算量,达到了实时编码的要求。 4) 在Windows平台下基于Video for Windows(VFW)接口开发了人脸视频图像编码和解码的实验系统,该系统实现了图像采集、图像显示、编码、解码等功能。-) The use of sub-blocks of principal component analys
shibie
- 基于奇异值分解的人脸识别方法 梁毅雄 龚卫国 潘英俊 李伟红 刘嘉敏 张红梅 提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法.首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征.其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征.然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别.采用ORL
ren
- 本课题的主要内容是图像预处理,它主要从摄像头中获取人脸图像然后进行处理,以便提高定位和识别的准确率.该模块主要包含光线补偿、图像灰度化、高斯平滑、均衡直方图、图像对比度增强，图像预处理模块在整个系统中起着极其关键的作用，图像处理的好坏直接影响着后面的定位和识别工作。-The main content of this issue is image preprocessing, it is mainly to get from the camera face images and then proc
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
imageProcess_10.8.24
- 一个自己编写的综合图像处理平台，可以打开和现实各种格式的图片，包括了一些常用的图像处理算法，利用了opencv，主要功能提供了一个人脸图像检测和归一化的模块，用于人脸识别的前端处理，非常实用，好用，本人在不断更新和使用，吐血奉献出来给大家-I have written a comprehensive image processing platform, can open and realistic images of various formats, including some commonl
renlianbiaoqingshibie
- 人脸表情识别是模式识别领域中一个重要的研究方向。人脸表情识别包括：从背景图像中检测人脸、图像采集、对人脸图像进行预处理、PCA提取表情特征、表情识别。-Face recognition is an important research direction in the field of pattern recognition. Face recognition is made up of the following parts: face detection from the backgrou
facial_image_quality
- 人脸图像质量评价体系介绍，非常全面，此方面研究的不错入门资料-Face image quality assessment system introduced, very comprehensive study in this regard a good introductory information
quality_asseesment
- 图像质量评价方法综述，从基本图像到具体的人脸图像质量评价的区别-Image Quality Evaluation Methods
eye
- 在给定的人脸图像上自动的定位人眼的位置，并且在图像上标出。-Face in a given image automatically locate the position of the eye, and marked on the image.
Harris
- 研究一种红外医学图像处理与分析方法,实现红外人脸图像中特征区域的自动定位。方法 针对红外正面脸部图像,采用一种无监督的局部和全局的特征提取方法,首先通过阈值法区分出前景和 背景,并根据面部特征对称性在前景中确定鼻区 然后在面部确定一个包含所有特征的矩形区域,利用 Harris算子在该区域检测出角点,并找出这些点的局部最大值点 最后用K-means方法对这些点进行 聚类 -To develop an mi age analyzing procedure forautomatic
fsvmPpca-face-Recognition
- 首先用PCA对ORA人脸图像降维，然后用模糊支持向量机对提取的特征向量进行分类，识别率较高。-First using PCA for dimensionality reduction ORA face image, and then use fuzzy support vector machine to classify the extracted feature vectors, the recognition rate is higher.
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
VCPP-face-recognition
- 这是一个用vc++编写的人脸识别系统，输入一张普通的人脸图像，通过对人脸进行预处理，特征提取，以及模板匹配等操作，最后作出识别结果-This is a written by vc++ face recognition system, input a regular face image preprocessing, through to the face, feature extraction, and template matching operation, and finally make
eyedetecting
- 在android手机上使用opencv库识别静态人脸图像的眼睛位置-In use opencv library on android phone identifying the location of eyes in static facial images
卷积神经网络人脸识别程序
- 深度学习中用卷积神经网络来训练模型，输入人脸图像到模型中从而进一步识别
滤波人脸识别
- 利用orl图像数据集，进行图像滤波，人脸检测。
第1章
- 不同颜色空间下的人脸图像分割，彩色图像处理中有许多彩色空间坐标系，最常见的是RGB空间。其余的还有HSV空间、YCrCb空间、YIQ空间和YUV空间等，这些都可以从RGB空间转换而来。在大多数情况下，图像信息是以RGB的颜色体系保存，然而在人脸肤色分析中，由于RGB颜色的R、G、B三个颜色分量都包含亮度信息，存在极强的相关性，一般不适合肤色处理。所以一般情况下在进行肤色区域检测之前，要将RGB颜色体系转换到其他颜色体系中，而不直接利用RGB彩色空间。(There are many color s
人脸识别
- 包含人脸识别所用的图像库，程序以及GUI界面(Contains the image library used for face recognition, procedures, and GUI interface)