现在的位置: 首页 > 论文检测样例 > 正文

gocheck5月28日检测样例:人脸识别技术的研究与实现

2014年05月28日 论文检测样例 ⁄ 共 881字 ⁄ 字号 暂无评论 ⁄ 阅读 557 views 次

gocheck检测前原文:

基于MATLAB的人脸识别 摘要: 人脸识别技术的研究是模式识别和机器视觉领域最富挑战性的课题之一,虽然人脸识别技术面临许多条件的限制,但基于人识别技术的应用已经深入到我们的生活。本文首先介绍了人脸识别技术的发展概况和常用的人脸识别方法,在此基础上研究了人脸图像处理方法、人脸特征提取、特征选择和分类识别等问题。本文采用主成分分析(PCA)方法和线性判别法(LDA)相结合进行人脸特征提取,并用BP神经元网络实现了人脸识别。本文用ORL人脸数据库中的20人共100幅人脸图像对算法进行验,首先对所选的人脸图像进行了预处理,然后采用主成分分析方法和线性判别法,将数据从原来的高维空间降到低维空间,降维

gocheck检测后相似论文片段:

摘要基于BP神经网络的人脸识别技术的研究与实现摘 要人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,电是近年来研究的一个热点问题,但是到目前为止,理论研究和实际应用还有相当长的距离。本文首先介绍了人脸识别技术的发展概况和常用的人脸识别方法,在此基础上研究了人脸图像处理方法、人脸特征提取、特征选择和分类识别等问题。本文采用主成分分析(PCA)方法进行人脸特征提取,并用BP神经元网络实现了人脸识别。本文用ORL人脸数据库中的20人共100幅人脸图像对算法进行验汪,首先对所选的人脸图像进行了预处理,利用直方图修正进行光照补偿;采用小波变换降维

摘要基于BP神经网络的人脸识别技术的研究与实现摘 要人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,电是近年来研究的一个热点问题,但是到目前为止,理论研究和实际应用还有相当长的距离。本文首先介绍了人脸识别技术的发展概况和常用的人脸识别方法,在此基础上研究了人脸图像处理方法、人脸特征提取、特征选择和分类识别等问题。本文采用主成分分析(PCA)方法进行人脸特征提取,并用BP神经元网络实现了人脸识别。本文用ORL人脸数据库中的20人共100幅人脸图像对算法进行验汪,首先对所选的人脸图像进行了预处理,利用直方图修正进行光照补偿;采用小波变换降维

Gocheck论文检测系统文章欢迎转载,转载请以链接形式标明本文地址。

本文地址: https://www.gocheck.org.cn/wp/760.html

给我留言

留言无头像?


×