搜索资源列表
rldw
- 本文对几何模型匹配方法进行了研究，提出了一套完整的人脸定位算法。在预处理部分，采用了特别的增强人脸特征与脸部皮肤之间对比度的方法及局域取阈值二值化方法，改进了预处理的效果。在图像分割部分，实现了经典的分合算法，并且使用成组算法改进了分合的效果。在人脸匹配部分，实现了基于眼睛和嘴的几何模型匹配，并对评价函数的构造进行了研究-geometric model of this matching method for the study and submit a complete set of facia
A_New_Algorithm_ofFastFaceDetection_underComplexCo
- 使用一种新的假面变换和模板匹配的人脸检测算法，能够对复杂环境中大小不等的人脸 进行快速、准确的检测．算法首先通过假面变换来预测人脸位置上边沿的中心，然后对图像中的预 测位置进行模板匹配，设计了一类对照明变化、噪声干扰具有较强适应性的模板匹配方法，最后对 匹配结果进行验证，确定人脸准确位置．采用多种环境下的大量图片进行实验，结果显示该算法具 有较快的检测速度和较高的准确性及鲁棒性． -A novelalgorithm offacedetection based on mask
Desktop
- 人脸识别技术是计算机模式识别领域非常活跃的研究课题，在法律、商业等领域有 着广泛的应用前景。自动人脸识别系统一般由两个模块组成：定位与检测模块，特征提 取与识别模块。本文对两个子模块进行了详细讨论，通过实验仿真了一个基于静态图像 的人脸识别系统。为提高系统的识别率，本文对定位检测模块和特征提取模块进行了深 入研究。 针对复杂多变人脸检测和定位问题，实现了一种基于对称特征的人脸定位方法。该 算法首先基于肽色特征提取出人脸区域，根据眼睛的颜色和梯度特征在肤色区找到眼睛 可
Face-recognition-program
- 人脸识别，人脸识别的毕业论文，在网站上有相应的代码匹配，绝对真实可靠-Face recognition, face recognition thesis on the website code matching, absolutely true and reliable
renlianshibieMATLAB
- 本文针对复杂背景下的彩色正面人脸图像,将肤色分割、模板匹配与候选人脸图像块筛选结合起来,构建了人脸检测实验系统,并用自制的人脸图像数据库在该系统下进行了一系列的实验统计。-Color frontal face images under complex background, skin color segmentation, template matching candidates face image block screening combined to build a face detect
people-face-detection
- 用实验室项目中已提取的人脸模板，将被检图像与其进行模板匹配，判断其是否含有人脸，若含有则将脸部图像截出，并存入指定文件夹中，因此可实现人脸识别。-Extracted face with a lab project template, will be seized image template matching with, to determine whether they contain a human face, if they contain will face image is cut o
model-CANDIDE
- 在模型与人脸初步匹配后, 对模型局部进行网格优化,提高了模型的表征力同时并不影响匹配速度 -In the initial model and face after the match, the model for local mesh optimization to improve the characterization of the model at the same time does not affect the matching speed force
Scale-Rotation-Invariant-Features
- 一种新的尺度旋转不变特征，可以用于人脸识别或者图像匹配等领域-A new kind of scale and rotation invariant features, can be used for face recognition or image matching field
主流的人脸识别技术
- 主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。 3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。(The mainstream face recognition technology can
sift的人脸识别
- sift 特征匹配实现 人脸识别 特征点 匹配()