登录
首页 » 图像处理 » our code implements automatic face recognition based on hidden Markov model and support vector machi

our code implements automatic face recognition based on hidden Markov model and support vector machi

于 2023-07-22 发布 文件大小:11.75 MB
0 130
下载积分: 2 下载次数: 1

代码说明:

我们的代码实现了基于隐马尔可夫模型和支持向量机的自动人脸识别;

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • Opencv数据结构学习代码
    Opencv的基本数据结构包括点、矩形框数据类型、矩阵、不确定数组、图像头等。程序对这些数据结构进行操作,使大家对opencv的数据结构有更充分的认识和理解,包括对点、矩形框、矩阵、图像的翻转、信道的分隔与融合等。
    2023-03-17 19:35:04下载
    积分:1
  • 手写体的数字识别
    这项工作基于统计方法的问题,而不使用大培训数据库和不诉诸神经网...... 我避免神经网络显而易见的选择,唯一的真正原因是: 1) 它已进行前字符识别。 2) 它不似乎是本着同样的精神,作为我们的课程和讲座, 和方法。 3) 神经网络,以我的经验,似乎并不产生可伸缩的、 关于底层视觉问题/解决方案的重用信息... 就我所知他们只是证明,一些系统称重层感知产量的正确结果大部分时间。 只有几篇文章手写识别的问题,我所读过的指的是统计方法解决它。我已经从他们,我的想法,但是我还没有找到任何准确的参考,我对这个问题的办法。我将会检讨各种统计方法在下一章。
    2023-08-14 00:20:03下载
    积分:1
  • zernike矩的源代码
    zernike矩的源代码,非常不错,用matlab编的,值得下载
    2022-02-20 05:26:35下载
    积分:1
  • 基于非下采样Shearlet变换的多聚焦融合代码
    此代码是基于matlab软件下进行图像处理。代码的功能是实现对两幅聚焦不同的图像进行分解,然后提取系数在一定的融合规则下,最后通过逆变换获得更加清晰的融合图像。
    2022-04-16 22:12:39下载
    积分:1
  • penyelesaian 苏贝尔通过 matlab
    我们的项目结合了很多方法可提取车牌、 段字符和识别字符。进一步改进应侧重不仅精度的识别、 车牌提取、 字符分割和标准化的准确性。 MatLab 程序编码,所有的车牌识别阶段建立经历。它理解是有帮助的车牌识别一步一步的程序。图像采集、 板提取、 字符分割与字符识别它们。我们成功地演示了车辆数板分割与识别系统。 应用于图像的直方图均衡。它可以扩大,以包括更大的范围,产生一个更高的对比度图像的像素强度。 我们使用这辆车的后面黄色车牌作为输入图像。我们采取两套照片的分辨率 l 1024 * 768 像素 l 请点击左侧文件开始预览 !预览只提供20%的代码片段,完整代码需下载后查看 加载中 侵权举报
    2022-01-21 05:36:51下载
    积分:1
  • Color detector with openCV
    一个简单的代码,找到一个图像中的颜色,如果颜色是找到把这个像素作为白色,否则把像素作为黑色。
    2022-01-22 08:44:01下载
    积分:1
  • 特征提取
    opencv 特征跟踪,可以有效进行特征提取如:线,面等特征,并且可以跟踪特征。是进行opencv基础学习的较好历程,希望能对大家有用。
    2022-11-15 19:30:02下载
    积分:1
  • 车辆 “高速公路汽车阴影”视频的阴影去除 matlab
    车辆  “高速公路汽车阴影”视频的阴影去除 matlab车辆  “高速公路汽车阴影”视频的阴影去除 matlab车辆  “高速公路汽车阴影”视频的阴影去除 matlab车辆  “高速公路汽车阴影”视频的阴影去除 matlab 车辆  “高速公路汽车阴影”视频的阴影去除 matlab车辆  “高速公路汽车阴影”视频的阴影去除 mat
    2022-02-05 13:49:26下载
    积分:1
  • 车辆尾随检测
    算法采用camshift跟踪,实现了实时的多车辆尾随检测跟踪算法,对一定环境下的车辆目标能达到不错的效果
    2022-05-27 08:03:57下载
    积分:1
  • 基本
     对于人脸识别,目前所采取的大多为对图像进行分析、解剖,把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型,从而通过模型,让人脸识别变得十分简单。然而人脸之复杂,随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器,它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量,不同的角度、不同的光线、不同的打扮,都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以,但会十分复杂,而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别,其自身本质也是通过系数加权等最终得到的结果,所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具,因此我们应该从人大脑的识别机制入手,模拟大脑的识别
    2023-08-29 05:30:05下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载