测量和一个区域测量。3.4.2距离和区域测量计算距离测量的提取标志点如图4所示,正视图和侧视图的特征集合形成组合特征向量,这些特征向量阵列表示面部图片,所以我们希望对于不同的脸部,这些向量阵列是不同的。我们将这些特征阵列存储在文件中,并且具有主索引号。为了消除尺度作用,将鼻子点和鼻梁点间的距离,侧视图的距离测量和面积测量值,两眼间的距离和正面脸的测量值进行归一化处理。图4侧面面部点3.5人脸识别从人脸的正视图和侧视图提取最佳特征集,并且将这些特征值存储在独立的文件中,主要脸数据文件中的向量称为M向量,对于未知的样本,测试数据文件包含15维特征向量。为了减少匹配特征向量值计算的复杂性,将这些特征向量与它们的主索引一起升序存储。将测试特征值插到每个特征向量(列)的排序特征列表的适当位置。测试样本模式的两个最近邻居在每列中进行识别,并且评估它们的相似性。下面就K-近邻算法给出人脸识别的步骤:步骤1在每一列,将特征值与它们的主索引一起升序排列。步骤2在每列的适当位置插入测试样本的每个特征向量。步骤3在每列中去掉两个最近邻居,并对两个最近的邻居计算测试模式的相似性,每个都有主索引。步骤4对所有主索引计算测试模式的所有相似性。步骤5给测试人脸分配具有最大相似性值的主索引。如果在测试文件中的人脸不属于任何存储在主要数据文件的人脸,对于这个测试脸,将给出与其最相似的分类索引。4结语随着计算机和人工智能技术的发展,人们对模式识别技术在图像处理中的应用越来越重视。同时,模式识别涉及并利用到数学、计算机科学等多学科的理论知识,而将这些学科的新技术和成就综合运用到模式识别中,提出更符合需求的模式识别技术是今后值得研究的重要课题。5参考文献[1]边肇祺,张学工,等.模式识别(第二版)[M].北京:清华大学出版社2000-01.[2]沈清,汤森.模式识别导论[M].长沙:国防科技大学出版社,1991.
全文预览
