搜索资源列表
基于Gabor特征提取和人工智能的人脸检测系统源代码
- 使用步骤： 1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱) 2. 找到"main.m"文件 3. 命令行中运行它 4. 点击"Train Network"，等待程序训练好样本 5. 点击"Test on Photos"，选择一个.jpg图片，识别。 6. 等待程序检测出人脸区域
一个用matlab做的人脸识别系统
- 一个用matlab做的人脸识别系统，包含了一些人脸图像数据。
HMM_facerec
- 基于隐马尔科夫模型的人脸识别系统，包含完整的测试程序-Hidden Markov Model based face recognition system, including a complete test program
PCA_ORL
- Matlab环境下，实现用PCA方法提取EigenFace,之后通过SVM方法对人脸图像进行分类识别。-Face recognition via PCA and SVM method
face-recognize
- 人脸识别代码：图像工程中经常用到的一个实用算法。这里是matlab的实现。-Face recognition code: Image Engineering frequently used for a practical algorithm. Here is the realization of matlab.
FLDA
- 使用Fisher线性鉴别分析（FLDA）方法在ORL人脸数据库上进行人脸识别试验。ORL标准人脸库共包含40人，每人10幅共400幅BMP图像。-The use of Fisher linear discriminant analysis (FLDA) at Ways on ORL face database for face recognition test. Standard ORL face database contains a total of 40 people, 10 per pe
FLDbasedFaceRecognitionSystem_v2
- 基于fisherface的人脸图像识别，采用lda降维的方法来识别人脸图像-This package implements a well-known FLD-based face recognition method, which is called Fisherface [1]. All functions are easy to use, as they are heavy commented. Furtheremore, a sample scr ipt is incl
renlian
- matlab实现人脸识别系统！给定一张人脸图像，能在一堆图片中识别出来！-matlab to achieve face recognition system! Given a human face images, can be identified in a pile in the picture!
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
KPCA
- 在ORL或Yale标准人脸数据库上完成模式识别任务。用PCA与基于核的PCA（KPCA）方法完成人脸图像的重构与识别试验. -Or Yale in the ORL face database, complete the standard pattern recognition tasks. With the PCA and kernel-based PCA (KPCA) method to complete the reconstruction of face image and reco
face-recognition----matlab
- 实现了人脸识别的功能，特征提取，人脸图像预处理、K-L变换、特征提取及分类器设计，全自动的人脸自动识别系统-Face recognition, feature extraction, face image preprocessing, KL transform, feature extraction and classifier design, automatic automatic face recognition system
MATLAB图像与视频处理实用案例详解试读样章
- 详细讲解了25个MATLAB图像与视频处理实用案例（含可运行程序），涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识别、英文字符文本识别、眼前节组织提取、全景图像拼接、小波图像融合、基于语音识别的音频信号模拟灯控、路面裂缝检测识别、视频运动估计追踪、Simulink图像处理等多项重要技术(Explain in detail the 25 MATLAB image and video processing utility
人脸识别
- 可以识别人脸，当人脸进入指定区域后，软件会自动报警(You can recognize faces and enter the area to call the police)
人脸识别matlab 程序
- 人脸图像识别中所应用MATLAB 对图像进行预处理，应用该工具箱对图像进行经典图像处理,通过实例来应用matlab图像处理功能， 对某一特定的人脸图像处理， 进而应用到人脸识别系统。(In face recognition, MATLAB is applied to preprocess the image. The toolbox is applied to the classic image processing of the image. The MATLAB image processi
BP神经网络的预测与人脸识别
- 基于matlab平台的BP神经网络的预测与人脸识别。(BP neural network prediction and face recognition based on MATLAB platform.)
基于PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。
基于PCA和SVM的人脸识别系统
- 先通过图像处理提取人脸的各个特征，然后对人脸通过PCA进行降维，然后通过SVM进行人脸识别(Firstly, the features of human face are extracted by image processing, then the dimension of human face is reduced by PCA, and then the face is recognized by SVM)
Matlab火焰烟雾检测(GUI)
- Matlab火焰烟雾检测(GUI) 本设计为基于matlab的烟雾火焰火灾识别系统，可读取视频或者图象，检测出是否有烟雾火焰，具备一个人机交互式GUI界面，功能强大，识别准确，同时配备相对应的操作说明和运行效果图，直接运行GUI文件即可完美运行。另外，诸如车牌，人脸，图象去雾，压缩，水印，疲劳检测，人数统计，声音信号处理等均可做技术交琉，欢迎一起探讨。(Matlab flame smoke detection (GUI) This design is a smoke and flame fi
MATLAB课堂考勤（GUI）
- MATLAB课堂考勤（GUI） 该课题为基于MATLAB pca的人脸考勤系统。可以从一副图像中找出多人人脸，分割，计算人数，然后提前制作好这些人的人脸库，进行逐一识别是谁，是不是库内人脸，如是，具体是谁，如果不是，那提示库外人脸。具有友好的人机交互界面，还可以二次开发成摄像的，但是摄像头误差可能会有点。识别流程为：读取图像，人脸定位，人数统计，人脸分割，人脸识别，库内外判别。(The subject is face attendance system based on MATLAB PCA.
MATLAB人脸识别PCA[库外人连，报警，GUI，论wen]
- 该课题为基于MATLAB平台的PCA的人脸识别系统。原理为：从一副生活照中寻找到人脸，分割人脸区域图像，PCA算法进行降维，和库里图片进行对比，输出目标人脸以及相关个人信息。该课题还可以继续二次开发，做成库内外人脸的识别，如果是库外人脸则实现报警等。(This project is a PCA face recognition system based on MATLAB platform. The principle is: find the face from a life photo, s