智能門(mén)禁安防報警系統的仿真應用
加入技術(shù)交流群
利用訓練學(xué)習過(guò)程獲得的人臉圖像數據庫中的整幅圖像或子圖像特征空間的數據，與測試人臉圖像之間進(jìn)行計算獲得圖像差。
人臉數據庫模塊
人臉數據庫模塊的兩個(gè)選項分別鏈接著(zhù)人臉圖像庫中整幅人臉圖像特征空間和子圖像特征空間的數據，供測試時(shí)與待測人臉圖像對應的特征空間進(jìn)行對比識別。
將YALE人臉圖像庫中選定的圖像進(jìn)行訓練后，得到人臉圖像矩陣、整幅人臉圖像的特征臉空間、子圖像的特征臉空間等數據，存儲在人臉數據庫中，以備實(shí)時(shí)調用。加入新的人臉圖像的類(lèi)別樣本時(shí)，需要重新針對所有樣本圖像進(jìn)行訓練，更新人臉數據庫。
人臉圖像識別模塊
人臉圖像識別模塊鏈接著(zhù)基于貝葉斯估計的分類(lèi)識別方法、基于RBF網(wǎng)絡(luò )和貝葉斯分類(lèi)器融合的人臉識別方法兩個(gè)選項。
貝葉斯估計識別模塊
人臉圖像分塊后應用奇異值分解方法進(jìn)行數據壓縮，對每個(gè)特征分塊設計一個(gè)貝葉斯分類(lèi)器，最后將這些分類(lèi)器融合(如圖3所示)。
本文采取加權求和的方法：
其中，S(Ii，Ij)表示兩幅圖像Ii與Ij的相似度，L是貝葉斯分類(lèi)器(FBBC)的總數，是Ii與Ij的第b個(gè)特征塊之間的差值。是由第b個(gè)貝葉斯分類(lèi)器計算出的類(lèi)條件概率密度。wb是第b個(gè)貝葉斯分類(lèi)器對應的權值。
RBF神經(jīng)網(wǎng)絡(luò )識別模塊
評論