《人脸识别演示稿》PPT课件.ppt

《《人脸识别演示稿》PPT课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于TensorPCA的人脸识别方法的研究——本科毕业论文答辩演示稿答辩人：周蒙1课题研究内容一、研究目的（一）身份识别图（一）人的面部特征人脸数据库反馈输出身份信息2（二）论证当前主流人脸识别算法二维：基于模板匹配的方法基于奇异值特征方法子空间分析方法主成分分析（PCA）方法三维：基于图像特征方法基于模型可变参数的方法课题研究内容3方案设计流程图：训练样本人脸检测、定位、切割输入人脸图像特征提取人脸图像TPCA变换矩阵测试样本人脸特征比对、匹配识别预处理身份确认输出身份信息图（二）系统流程图4运行过程（一）人脸图像的预处理人脸图像分割：将背景和人脸图区分开来。图像分割5人脸图像的去噪处理：去

2、除图像编码和传输中产生的噪声。运行过程(a)有噪声的人脸图(b)去噪后的人脸图图像去噪（一）人脸图像的预处理6人脸的区域标定、选取：检测出人脸在图像中的位置、大小信息。运行过程（一）人脸图像的预处理人脸区域标定、选取7运行过程（二）人脸特征的提取TensorPCA（张量主成分分析）:在传统主成分分析(PCA)方法上的扩展。1、传统主成分分析方法2、张量主成分分析8运行过程（三）高阶奇异值分解（HOSVD）奇异值分解是线性代数中一种重要的矩阵分解，可以用来求高阶矩阵特征值时降阶，有两个重要应用：1、求伪逆2、矩阵近似值9研究结果（一）基于TensorPCA算法的人脸识别系统1、利用ORL人脸库：

3、避免因外界因素影响图像质量下降，直接使用ORL库中已经处理过的人脸图像。2、MATLAB中实现人脸识别，利用MatLab中自带强大的矩阵处理函数。10研究结果（一）基于TensorPCA算法的人脸识别系统图（三）人脸识别检测系统11研究结果（二）基于TensorPCA算法的创新性1、张量主成分分析用于人脸数据结构克服了数据向量化带来的缺点。2、与常规的主成分分析算法相比，张量主成分分析算法在同样的压缩比水平上能够实现更优的重构图像。12谢谢！姓名：周蒙指导老师：刘亚楠13