<ol id="u01a6"><output id="u01a6"><div id="u01a6"></div></output></ol>
  • <acronym id="u01a6"></acronym>

    <track id="u01a6"><i id="u01a6"><del id="u01a6"></del></i></track><span id="u01a6"></span>

    1. 當前位置:艾米科技 > 技術知識 >

      監控攝像頭人臉識別的百分比

          提出了一種基于監控干擾器混合學習算法(HLA)的徑向基函數(RBF)神經網絡的二維數字圖像人臉識別方法。所提出的特征提取方法包括使用距離度量作為人臉候選閾值(FCT)和偽Zernike不變矩(PZMI)以及新定義的參數正確信息比(CIR)從形狀信息中提取人臉定位用于忽略人臉圖像的無關信息的圖像。本文研究了這些參數在忽略無關信息提高識別率中的作用。

          此外,我們還評估了PZMI階數對所提出技術的識別率和學習速度的影響。在Olivetti研究實驗室(ORL)人臉數據庫上的仿真結果表明,高階PZMI結合衍生的人臉定位技術提取特征數據,識別率達到99.3%。本文提出了一種高效的自配置脈動結構,用于人臉識別系統的大規模集成實現。該攝像頭屏蔽器系統采用具有廣義Hebbian學習的主成分神經網絡(PCNN)從人臉數據庫中提取特征人臉。

          在包含不同照明和表情圖像的基準Yale和FRGC數據庫上進行評估時,它的識別性能超過85%。與現有的人臉識別系統不同,該方法不僅使用計算出的特征臉識別人臉,而且攝像頭干擾器在人臉數據庫發生變化時自動更新特征臉。然而,挑戰在于基于PCNN的人臉識別系統的硬件實現。在存在各種性質的計算密集型步驟的情況下,將整個計算映射到單個脈動結構并不容易。從體系結構的角度來看,本文的主要貢獻是通過適當合并與不同SFG的不同節點相關的計算,將算法每個單獨步驟的細粒度系統化信號流圖(SFG)優化映射到單個自配置線性脈動陣列。
      女性生殖真人裸露图片一视频