TOP31【优秀毕业论文】基于地形特征和Cabor小波变换的人眼定位算法.doc文档免费在线阅读

所以，半边脸模板的构建如图所示。

此外，平均半脸模板可以根据平均全脸模板的原理来构建。

这样可以减低在全脸模板中密集度的对称冗余的问题。

方法如图所示。

沈阳理工大学学士学位论文图构建半脸模板的模型图半脸平均模板的构建在张完美的人脸模板中，左脸和右脸的密集度是对称的，也就是说，两半边脸是相似的对。

事实上，在张人脸图像中左脸和右脸存在些差异，两半边脸的器官密集度的分布也不是完全对称的，所以相似性就降低了。

就拿左半边脸为例，当利用平均的半脸模板搜索人脸图像时，左半边脸会先被识别出来，如图所示。

图中实线框内是被检测出的左脸，接着根据左脸模板来检测右半边脸的位置。

被检测到的可能是右半边脸的位置如图所示，这些位置由虚线框标记出来。

图被检测出来的可能是半边脸的位置判别函数在实验中，图像中半边脸被检测出来是运用了模板匹配的的，是以统计学为基础的，新的分类方法。

其原理大致如下运用核函数这工具，将待检测和分类的样本变换到设定的特征空间内，再对样本进行分类和处理。

这样就使其不但可以具有很好的非线性能力，也可以避免出现类似脸的特征以及潜在的规律，所以说其具有隐性，适应性强等优点。

而不足之处就是，要求作为训练的样本其数量必须是有相当的规模才可以，不然识别的效果并不是很理想。

支持向量机法。

其是近些年才刚刚兴起准则的线性判别分析，它的目的是要以生成的子空间最佳可分，所以我们可以认为相比法而言，特征脸法还是比较适用于脸部识别技术的脸部分析问题神经网络方法。

其通过自身的学习，学到了很多人时，其识别效果都会大打折扣基于线性判别分析的脸部识别方法。

其是借鉴了特这脸法中的相关方法，并且吸收了其中的可取之处，在此基础上得以形成和发展的，它的理论基础是分分析的特征脸法。

其是种十分简单，计算迅速，并且行之有效的面部识别算法，但是其没有考虑到不同类别的可分性是其最为欠缺的地方，并且其适应能力也是十分差的，比如在亮度，姿态以及拍摄角度发生变化模板匹配导致人脸识别的识别率，以及识别的准确率都处于个相对比较低的水平。

在进入世纪后的今天，人脸识别技术得到了长足的发展，研究它的优秀算法也是层出不穷，这其中较为典型的有如下几种基于主成且在样本图片分辨率不是很高的情况下，依然能够取得很好的识别效果缺点由于几何特性的特征提取受到光照，角度，姿态，表情等众多因素的影响，所以几何特性的变化比较大，而且不是十分稳定，因此最终导致的是使用些特定的几何特性，然后与已存的样本库中的样本数据进行对比，参照，最终给出身份信息。

但是这种技术也是有其优缺点的，优点其在进行人脸识别过程中所需要耗费的时间短，占用存储小，沈阳理工大学学士学位论文并法的不同，我们可以将其分为两大类个是统计方法另个是几何特征方法。

早在上个世纪年代末期时，人脸识别技术主要采用的是模板匹配方法，在获得张样本图片的基础上，对其进行技术处理，获得其中所包含的化。

人脸识别技术就是用计算机作为辅助，在视频动静态图片中认出人脸。

般可以把情况描述成在指定的个视频动静态图片中，通过已存的人脸库确定图片中的个人或者些人。

般，由于分类方法和提取特征的方，作为种基于生物特征的重要的身份识别技术，其早在世纪年代末期便得以兴起。

在世纪之后，由于计算机技术，模式识别技术，数字图像技术，人工智能等相关科学领域的飞速发展，人脸识别技术也在发生着根本性的变技术也自然而然的成为了当下研究者们的宠儿，热门中的热门。

本文的主要内容大致如下首先对不同种类的人脸识别方法进行个简单的比较，然后再介绍下由粗到精的人眼识别方法的实现过程。

面部识别技术人脸识别技术等特点。

而在面部识别之中，眼部识别有着比嘴巴和鼻子更为可靠的独特性，其独特性几乎不会受到面部表情和光照的变化而变化，所以具有极高的身份识别价值。

正是由于眼部识别具有上述如此众多的优势，所以当下眼部识别这些生物特性的独特性，所以生物特征识别技术在身份识别，金融安全以及警方侦缉等方面取得了广泛的应用。

在这些生物特征中最为推崇的则是面部识别和眼部识别，因为其具有其他身份识别方式所不具有的方便，友好，直接性以及生理特性与已经建立起来的生物数据库中的数据进行对比分析，然后对生物体的种类以及身份进行识别的技术。

所谓的生物特征，具有固定性和特有性等特点，其主要包括肤色，声音，指纹，虹膜，面部等等。

正是因为有噪情况下的对比实验眼部识别的效果及其分析小结结论致谢参考文献附录英文原文附录中文翻译沈阳理工大学学士学位论文引言简介我们常说的生物特征识别技术，其实就是将计算机技术应用其中，用检测到的生物行为特大学学士学位论文在有噪情况下的仿真实验小结种由粗到精的人眼定位算法人眼精确定位之人眼方差滤波器人眼方差滤波器进行人眼精确定位眼部识别实现的基本流程图实验结果以及结果分析在无噪情况下的对比实验在有大学学士学位论文在有噪情况下的仿真实验小结种由粗到精的人眼定位算法人眼精确定位之人眼方差滤波器人眼方差滤波器进行人眼精确定位眼部识别实现的基本流程图实验结果以及结果分析在无噪情况下的对比实验在有噪情况下的对比实验眼部识别的效果及其分析小结结论致谢参考文献附录英文原文附录中文翻译沈阳理工大学学士学位论文引言简介我们常说的生物特征识别技术，其实就是将计算机技术应用其中，用检测到的生物行为特性以及生理特性与已经建立起来的生物数据库中的数据进行对比分析，然后对生物体的种类以及身份进行识别的技术。

所谓的生物特征，具有固定性和特有性等特点，其主要包括肤色，声音，指纹，虹膜，面部等等。

正是因为这些生物特性的独特性，所以生物特征识别技术在身份识别，金融安全以及警方侦缉等方面取得了广泛的应用。

在这些生物特征中最为推崇的则是面部识别和眼部识别，因为其具有其他身份识别方式所不具有的方便，友好，直接等特点。

而在面部识别之中，眼部识别有着比嘴巴和鼻子更为可靠的独特性，其独特性几乎不会受到面部表情和光照的变化而变化，所以具有极高的身份识别价值。

正是由于眼部识别具有上述如此众多的优势，所以当下眼部识别技术也自然而然的成为了当下研究者们的宠儿，热门中的热门。

本文的主要内容大致如下首先对不同种类的人脸识别方法进行个简单的比较，然后再介绍下由粗到精的人眼识别方法的实现过程。

面部识别技术人脸识别技术，作为种基于生物特征的重要的身份识别技术，其早在世纪年代末期便得以兴起。

在世纪之后，由于计算机技术，模式识别技术，数字图像技术，人工智能等相关科学领域的飞速发展，人脸识别技术也在发生着根本性的变化。

人脸识别技术就是用计算机作为辅助，在视频动静态图片中认出人脸。

般可以把情况描述成在指定的个视频动静态图片中，通过已存的人脸库确定图片中的个人或者些人。

般，由于分类方法和提取特征的方法的不同，我们可以将其分为两大类个是统计方法另个是几何特征方法。

早在上个世纪年代末期时，人脸识别技术主要采用的是模板匹配方法，在获得张样本图片的基础上，对其进行技术处理，获得其中所包含的些特定的几何特性，然后与已存的样本库中的样本数据进行对比，参照，最终给出身份信息。

但是这种技术也是有其优缺点的，优点其在进行人脸识别过程中所需要耗费的时间短，占用存储小，沈阳理工大学学士学位论文并且在样本图片分辨率不是很高的情况下，依然能够取得很好的识别效果缺点由于几何特性的特征提取受到光照，角度，姿态，表情等众多因素的影响，所以几何特性的变化比较大，而且不是十分稳定，因此最终导致的是使用模板匹配导致人脸识别的识别率，以及识别的准确率都处于个相对比较低的水平。

在进入世纪后的今天，人脸识别技术得到了长足的发展，研究它的优秀算法也是层出不穷，这其中较为典型的有如下几种基于主成分分析的特征脸法。

其是种十分简单，计算迅速，并且行之有效的面部识别算法，但是其没有考虑到不同类别的可分性是其最为欠缺的地方，并且其适应能力也是十分差的，比如在亮度，姿态以及拍摄角度发生变化时，其识别效果都会大打折扣基于线性判别分析的脸部识别方法。

其是借鉴了特这脸法中的相关方法，并且吸收了其中的可取之处，在此基础上得以形成和发展的，它的理论基础是准则的线性判别分析，它的目的是要以生成的子空间最佳可分，所以我们可以认为相比法而言，特征脸法还是比较适用于脸部识别技术的脸部分析问题神经网络方法。

其通过自身的学习，学到了很多人脸的特征以及潜在的规律，所以说其具有隐性，适应性强等优点。

而不足之处就是，要求作为训练的样本其数量必须是有相当的规模才可以，不然识别的效果并不是很理想。

支持向量机法。

其是近些年才刚刚兴起的，是以统计学为基础的，新的分类方法。

其原理大致如下运用核函数这工具，将待检测和分类的样本变换到设定的特征空间内，再对样本进行分类和处理。

这样就使其不但可以具有很好的非线性能力，也可以避免出现类似神经网络那样过学习或者学习不足的情况。

但是由于其自身是二类的分类方法，所以在进行多类分类时，必须得多个将多类分为两大类的步骤，然后才能进行下步的处理。

关于上述四种算法，哪种的实际效果比较好呢那么在接下来的论文部分，将会逐对比。

眼部识别技术人眼的定位方法以及检测部分，在过去的若干年了，得到了长足的发展。

比如，红外照明的检测方法，在驾驶员疲劳监测系统之中得到了极大的应用。

红外照明的检测方沈阳理工大学学士学位论文法就是使用了不同波段的红外线在人的视网膜上反射的位置不同这基本的生理特点，然后实现定位的。

其以鲁棒性，准确性好而著称，但是其缺点也是十分明显的，它要求摄像机必须带有红外摄像功能，而且对拍摄的角度，背景，光照的要求也是十分严格的，若是在外界复杂环境之下，其识别效果会比较差。

目前，研究者们主要关注的方向是识别在常规光照或者是正常光照环境下的灰度图像和彩色图