搜索资源列表
Hand.rar
- ASM,主动形状模型，PCA，可变形模型。以人手变形为例，内涵18个人手图形，每个有72个landmarks，程序对人手形状进行了procrutes align然后进行了PCA,ASM, take the initiative to shape model, PCA, deformable model. Manual deformation as an example, the connotation of the 18 individual hand graphics, each has 72
Researchontheshapefeatureextractionandrecognition.
- 主分量分析(PCA ) 是统计学中分析数据的一种有效的方法, 可以将数据从高维数据空间变换到低维特征空间, 因而 可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中, 用PCA 法提取图像的形状特征, 能够较好地满足识别 层的输入要求。在识别层研究了3 种识别方法: 最近邻法则、BP 网络及协同神经网络方法, 均取得了满意的实验效果。-Principal component analysis (PCA) is a statistical analysis of data in a
FaceDetection_Based_on_a_New_Nonlinear_Color_Space
- 提出一种新的非线性变换的彩色空间 ″″, 利用次高斯概率分布函数拟合皮肤色度信息, 得到候选区 YC C r b 域。为了排除候选区域中的非人脸, 首先根据均值和方差信息分割出候选区域中的纹理特征信息, 再通过多尺度 ) ( 信息定位眼睛, 然后根据人脸特征的几 形态边缘检测算子检测候选区域的边缘, 利用 边缘方向 PCA PCAED ( ) 何形状信息定位其他特征 鼻、嘴 , 通过这些几何特征信息对肤色分割得到的候选区域进行验证, 最终得到正确 的人
ASM_version1b
- ASM是由Cootes和泰勒推出的多分辨率方法的一个例子。 基本思想： 在ASM模型训练，训练从手工绘制的图像轮廓。发现的ASM模型在训练使用主成分分析（PCA），使该模型自动识别数据的主要变化是，如果可能的轮廓/好的对象的轮廓。还包含了ASM模型的协方差矩阵描述行垂直纹理口岸时，在正确的位置。 -Descr iption This is an example of the basic Active Shape Model (ASM) as introduced by Coot
pca
- 自动人脸识别系统具有如图所示的一半框架并完成相应功能的任务。 （1）人脸图像的获取：一般来说，图像的获取都是通过摄像头摄取，氮摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像，而是直接给定要识别的图像。 （2）人脸的检测：人脸检测的任务是判断静态图像中是否存在人脸。若存在人脸，给出其在图像中的坐标位置，人脸区域大小等信息。而人脸跟踪需要进一步输出所检测到的人脸位置，大小等状态随时间的连续变化情况。 （3）特征提取通过人脸特征点的检测与标定可以确
extract_features2.tar
- 各种图像描述符算法,图像特征提取用的是SIFT特征检测子-computes steerable filters, SIFT descr iptor, moments, differential invariants, complex filters, shape context, spin images, PCA-SIFT.