人脸识别经典算法
Suncicie
2017.12.10
特征脸(Eigenface)
-
获取M张人脸的图像集合,每张图片转换成一个N维度向量,组成集合
$S$
-
计算平均图像
- 计算每张图像和平均图像的差值Φ ,就是用S集合里的每个元素减去步骤二中的平均值。
-
找到M个正交的单位向量un,这些单位向量其实是用来描述Φ (步骤三中的差值)分布的。un里面的第k(k=1,2,3…M)个向量uk 是通过下式计算的,
-
识别人脸,先计算出要判别的人脸的特征脸
-
计算与对比脸的欧式距离
-
- 特点,简单易理解,作为不是专门研究人脸识别的论文,这个人脸识别方案经常被用,易收到光照遮挡物等影响
FishFace(LDA)
-
LDA
- 投影后类内方差最小,类间方差最
-
计算过程
-
计算每类数据的均值
- 数据投影到w向量后,每类的中心点
-
不同的类要尽量分开即
-
同类要尽量聚拢,聚合度计算如下,即到中心点的距离累积越小越好
-
目标函数(分子小分母大,目标函数越大)
-
今天的文章人脸识别算法调研_大数据分析及可视化[通俗易懂]分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/63875.html