这个包实现了一种著名的基于 PCA 的人脸识别方法，称为“特征脸”。 该程序易于使用。 此外，还添加了一个示例项目文件 demo_PCA.m' 来演示如何使用，还包括 ORL 训练和测试数据库，以通过随机选择图像来显示不同大小的测试和训练数据集上执行时间和识别百分比的性能比较。 用于 LOOCV（留一法交叉验证）测试的附加文件 LOOCV.m。 用于比较 PCA 与均值、众数和中值修改的附加文件 Comparision.m。 附加文件 PRR.m 被添加到子函数中，用于计算单个类的精度和召回率。 为了更好地理解 PCA 和所涉及的测试，您可以使用给出的教程： http : //www.cs.otago.ac.nz/cosc453/student_tutorials/principal_components.pdf http://www.creighton.edu/fileadmin/use
2021-11-21 23:20:20
7.37MB
1
本设计可以找到源码，可以为您做设计，请看个人简介信息获取，资源免费，希望您给个关注，后续会上传源码，关注后第一时间会通知到您。感谢！
2021-10-29 04:22:28
467KB
1
发展历史及国内外发展现状
当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等。方法主要集中在模板匹配、示例学习、神经网络、基于隐马尔可夫模型的方法等方面。
国内的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸正面自动识别方法、基于代数特征的人脸正面自动识别方法和基于连接机制的人脸正面自动识别方法。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。
2021-09-28 21:48:23
10.66MB
1