共查询到10条相似文献,搜索用时 15 毫秒
1.
王刚 《微电子学与计算机》2008,25(4):188-191
设计并实现了基于Adaboost和PCA的动态人脸识别考勤系统。利用AdaBoost快速人脸检测方法为基础,然后使用PCA方法来实现人脸识别.实验结果表明,利用该方法开发的动态人脸识别考勤系统具有识别率高、实用性好、可靠性强等特点. 相似文献
2.
通过从智慧校园门禁或考勤系统建设的角度出发,基于改进SSD深度学习算法,构建起用于门禁或考勤人脸监测的网络框架,利用多尺度特征图框选识别目标候选区域,通常人脸识别只需要设置4×4×n的卷积核,使用DAN算法、特征向量分类器,实现人脸关键点提取、特征向量层次聚类,并将识别后的人脸特征向量与后台数据库的人脸图像比对,以保证人脸识别结果的精确性。 相似文献
3.
4.
设计实现了一种基于几何特征的人脸识别考勤系统。通过图像的灰度积分投影来确定各器官的大体位置。通过提取人脸的左眼、右眼、鼻子和嘴巴的位置及其之间的相对距离关系等7个特征值,并赋予不同的权重来合成矢量人脸,进而与数据库进行对比实现人脸考勤。 相似文献
5.
裴浩 《信息技术与信息化》2023,(1):181-184
针对高校课堂教学学生人数据考勤中存在代签、花费时间长、成本高等问题,提出了基于Python+OpenCV的课堂人脸签到微型系统。首先,分析了高校课堂考勤的实际需求,得出系统应实现的主要功能;然后,设计了系统的主要功能模块,并对各模块的功能进行了详细说明;最后,分解了核心模块人脸录入和人脸识别的实现流程,基于Python+OpenCV实现人脸图像获取、人脸检测、特征提取与存储、特征训练、特征提取与识别等核心功能,采用视频签到方式,生成和存储签到的过程性和结果性数据。通过系统的单机部署,不仅能够快速实现课堂签到,也能实现签到结果的分析统计。 相似文献
6.
7.
8.
传统独立元分析(Independent Component Analysis,ICA)用于人脸识别首先是将人脸图像矩阵转换成向量求白化矩阵,然后利用快速固定点算法求分离矩阵,获得人脸图像独立基子空间,从而实现人脸识别.二维主元分析(Two-dimensional Principle Component Analysis,2DPCA)无须将人脸图像矩阵转换成向量,直接利用二维人脸图像矩阵求协方差矩阵,其特征值与特征向量的计算得到简化.本文结合2DPCA与ICA算法的特点,提出2DPCA-ICA人脸识别算法.该方法通过2DPCA算法计算白化矩阵;接着利用ICA算法获得人脸图像的独立元;然后构造独立基子空间;最后依据测试样本在独立基子空间上的投影特征实现人脸识别.基于ORL与Yale人脸数据库的实验结果表明,2DPCA-ICA算法正确识别率与识别效率均高于PCA-ICA算法与2DPCA算法,是一种有效的人脸识别方法. 相似文献
9.