1樓：匿名使用者
識別率指的是通過人臉識別技術識別正確數佔識別總數的百分比。
人臉識別演算法分類
基於人臉特徵點的識別演算法（feature-based recognition algorithms）。
基於模板的識別演算法（template-based recognition algorithms）。
利用神經網路進行識別的演算法（recognition algorithms using neural network）。
神經網路識別
基於光照估計模型理論
提出了基於gamma灰度矯正的光照預處理方法,並且在光照估計模型的基礎上，進行相應的光照補償和光照平衡策略。
優化的形變統計校正理論
基於統計形變的校正理論，優化人臉姿態；
強化迭**論
強化迭**論是對dlfa人臉檢測演算法的有效擴充套件；
獨創的實時特徵識別理論
該理論側重於人臉實時資料的中間值處理，從而可以在識別速率和識別效能之間，達到最佳的匹配效果
2樓：夜來雨早來晴
%一個修改後的pca進行人臉識別的matlab**
% calc xmean,sigma and its eigen decomposition
allsamples=;%所有訓練影象
for i=1:40
for j=1:5
a=imread(strcat('d:\rawdata\orl\s',num2str(i),'\',num2str(j),'.pgm'));
% imshow(a);
b=a(1:112*92); % b是行向量 1×n,其中n＝10304,提取順序是先列後行,即從上到下,從左到右
b=double(b);
allsamples=[allsamples; b]; % allsamples 是一個m * n 矩陣,allsamples 中每一行資料代表一張**,其中m＝200
endend
samplemean=mean(allsamples); % 平均**,1 × n
for i=1:200 xmean(i,:)=allsamples(i,:
)-samplemean; % xmean是一個m × n矩陣,xmean每一行儲存的資料是“每個**資料-平均**”
end;
sigma=xmean*xmean'; % m * m 階矩陣
[v d]=eig(sigma);
d1=diag(d);
[d2 index]=sort(d1); %以升序排序
cols=size(v,2);% 特徵向量矩陣的列數
for i=1:cols
vsort(:,i) = v(:,index(cols-i+1) ); % vsort 是一個m*col(注:
col一般等於m)階矩陣,儲存的是按降序排列的特徵向量,每一列構成一個特徵向量
dsort(i) = d1( index(cols-i+1) ); % dsort 儲存的是按降序排列的特徵值,是一維行向量
end %完成降序排列
%以下選擇90%的能量
dsum = sum(dsort);
dsum_extract = 0;
p = 0;
while( dsum_extract/dsum < 0.9)
p = p + 1;
dsum_extract = sum(dsort(1:p));
endi=1;
% (訓練階段)計算特徵臉形成的座標系
while (i0)
base(:,i) = dsort(i)^(-1/2) * xmean' * vsort(:,i); % base是n×p階矩陣,除以dsort(i)^(1/2)是對人臉影象的標準化,詳見《基於pca的人臉識別演算法研究》p31
i = i + 1;
end% add by wolfsky 就是下面兩行**,將訓練樣本對座標系上進行投影,得到一個 m*p 階矩陣allcoor
allcoor = allsamples * base;
accu = 0;
% for i=1:40
for j=6:10 %讀入40 x 5 副測試影象
a=imread(strcat('d:\rawdata\orl\s',num2str(i),'\',num2str(j),'.pgm'));
b=a(1:10304);
b=double(b);
tcoor= b * base; %計算座標,是1×p階矩陣
for k=1:200
mdist(k)=norm(tcoor-allcoor(k,:));
end;
%三階近鄰
[dist,index2]=sort(mdist);
class1=floor( index2(1)/5 )+1;
class2=floor(index2(2)/5)+1;
class3=floor(index2(3)/5)+1;
if class1~=class2 && class2~=class3
class=class1;
elseif class1==class2
class=class1;
elseif class2==class3
class=class2;
end;
if class==i
accu=accu+1;
end;
end;
end;
accuracy=accu/200 %輸出識別率
函式呼叫是定義函式,然後用函式名進行呼叫就可以了
3樓：匿名使用者
人臉庫包括一部分人臉樣本 一部分非人臉樣本識別率就是 程式識別正確的樣本數量/訓練集的樣本總數程式識別正確的樣本數量包括 樣本是非人臉實際檢測也是費人臉和樣本是人臉實際檢測也是人臉兩部分。
pca人臉識別一般是做為人臉檢測的第二部分，所採用的訓練樣本一般也都是歸一好的同等尺寸的影象（如20*20,50*50,100*100等）。並不是說隨便一張**。
而對實際**進行人臉檢測的時候，一般採用一些辦法（如膚色分割）從原始影象中切出部分侯選塊作為下一步檢測（如pca）的資料。
還唄的人臉識別顯示失敗怎么辦，還唄的人臉識別顯示失敗怎麼辦？
我以前也遇到過這種情況，後來發現是晚上光線太暗導致的識別失敗，人臉識別的時候確保在光線良好的地方進行識別，而且識別期間不能戴帽子 眼鏡，要根據畫面和語音提示緩慢地做動作。如果按照這樣做的話，基本上都會識別成功的。人臉識別一直失敗是什麼原因？人臉識別一直失敗有幾個原因 網路狀況 光線狀況 軟體版本 1...
人臉識別屬於人工智慧中的什麼技術
ai世界探秘 人工智慧視覺之人臉識別 人臉識別技術屬於生物特徵識別技術，是對生物體 一般特指人 本身的生物特徵來區分生物體個體。屬於生物識別技術，這種技術涵蓋指紋 聲紋 人臉 虹膜 靜脈。相比較，指紋回 識別應用較多答，人臉識別技術因生物特徵的嚴謹性進一步的提高，其演算法近幾年發展的較為迅速，有著較...
相機人臉識別中辨別性別是什麼原理
臉部識別技術 face detection臉部識別技術的原理聽起來並不深奧，它通過識別畫面中的眼睛 嘴等特徵資訊，鎖定畫面中的人臉位置，並自動將人臉作為拍攝的主體，設定準確的焦距和 量。當face detection臉部識別功能開始工作的時候，相機就會自動根據畫面中人臉的位置和照度進行設定，確保人臉...