基于PCA的人脸识别算法报告,PCA算法与Opencv实现
基于PCA的人脸识别算法报告,PCA算法与Opencv实现
2021-12-28 14:56:52
206KB
1
为了对坐姿下的几种行为进行识别，在分析常有坐姿的基础上，提出了通过PCA对八种不同姿势进行分类识别的方法。结合背景帧信息通过背景轮廓消减法提取运动目标区域，利用肤色在YCbCr空间聚集在一片固定区域且在CbCr平面上投影为一个近似椭圆的特性，在运动目标区域提取肤色区域，并对检测出的肤色灰度图进行PCA运算，实现了姿势识别。实验结果表明，所提出的利用PCA进行姿势识别的方法正确率达到84.92%，能够准确地识别坐姿行为，并且对运动阴影、光线变化具有良好的鲁棒性。
2021-12-20 13:42:10
330KB
1
基于主成分分析（PCA）和反向传播神经网络，建立库存预测模型，以云南白药（000538）为例，从库存技术分析中选择29个指标，降维后输入神经网络。通过对不同参数数据实验中均方误差（MSE）和均方绝对误差（MAE）的比较和分析，进一步确定网络的隐层节点数量，学习速率，激活功能和训练功能。 最后，获得了具有稳定性和准确性的模型。
2021-12-19 20:07:44
618KB
1
系统优缺点分析
系统存在的问题：
1. 抗干扰能力较差。环境光照，遮挡物，人的表情和位置都对识别结果造成较强的干扰。
2. 训练的时间较长，执行效率不够高。只能对小样本的图像进行识别，如果图像库太大，则运行效率会比较低。
系统的优点：
1. 不需要对图像进行过多的预处理，PCA本身就能实现降噪的功能；
2. 能有效地识别人脸，且过程相对简单，主要是图像数据的处理和
矩阵的运算；
3. 由于是通过低维子空间表示的，可以对图像的数据进行一定地压
缩，从而减少了计算量，提高运行速度；
2021-12-15 00:30:09
1.22MB
1
为解决PSO-FCM聚类算法针对多聚类问题，性能不足，容易陷入局部最优解，影响多聚类结果的准确度.提出一种基于PCA优化的PSO-FCM聚类算法，通过引入PCA分析方法，在粒子的各维度上设定不同的移动权重，降低粒子的敏感度，合理的控制粒子各维度上移动的速度，有效的降低粒子各维度上粒子无约束，位于多个聚类群交界处的粒子过分敏感，移动到错误的聚类的可能性增加.本文简要介绍了PSO-FCM算法的相关情况，详细介绍了本文的优化算法，最后通过实验证明，本文提出的优化算法在多个数据集上结果总体优于其他算法.
2021-12-06 20:19:45
886KB
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码
2021-11-29 12:49:48
97KB
1
该系统是基于OpenCV3.4+VS2015来实现在视频流中检测出人脸，并对人脸进行识别（已经存在的人脸库），从而得出身份。
利用CascadeClassifier类来进行人脸检测，利用特征脸识别EigenFaceRecognizer来进行人脸识别分类器的训练，特征脸识别采用了PCA算法，每一幅图中采集80维的高维向量。最终得到的识别率在百分80%。
2021-11-25 04:34:01
54.26MB
1