智能門禁安防報警系統的仿真應用
加入技術交流群
利用訓練學習過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選項分別鏈接著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，供測試時與待測人臉圖像對應的特征空間進行對比識別。
將YALE人臉圖像庫中選定的圖像進行訓練后，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，以備實時調用。加入新的人臉圖像的類別樣本時，需要重新針對所有樣本圖像進行訓練，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基于貝葉斯估計的分類識別方法、基于RBF網絡和貝葉斯分類器融合的人臉識別方法兩個選項。
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行數據壓縮，對每個特征分塊設計一個貝葉斯分類器，最后將這些分類器融合(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是貝葉斯分類器(FBBC)的總數，是Ii與Ij的第b個特征塊之間的差值。是由第b個貝葉斯分類器計算出的類條件概率密度。wb是第b個貝葉斯分類器對應的權值。
RBF神經網絡識別模塊
評論