智能門禁安防報警系統(tǒng)的仿真應(yīng)用
加入技術(shù)交流群
利用訓練學習過程獲得的人臉圖像數(shù)據(jù)庫中的整幅圖像或子圖像特征空間的數(shù)據(jù)，與測試人臉圖像之間進行計算獲得圖像差。
人臉數(shù)據(jù)庫模塊
人臉數(shù)據(jù)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(shù)據(jù)，供測試時與待測人臉圖像對應(yīng)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(shù)據(jù)，存儲在人臉數(shù)據(jù)庫中，以備實時調(diào)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(shù)據(jù)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(wǎng)絡(luò)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(yīng)用奇異值分解方法進行數(shù)據(jù)壓縮，對每個特征分塊設(shè)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(quán)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(shù)，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(yīng)的權(quán)值。
RBF神經(jīng)網(wǎng)絡(luò)識別模塊
評論