← 返回列表
一种基于最优间距贝叶斯分类模型的人脸识别方法
摘要文本
本发明提出了一种最优间距贝叶斯分类模型的新型方法应用于人脸识别领域中。这种人脸识别方法与传统的朴素贝叶斯分类方法不同，提出的最优间距贝叶斯核心理念在于利用朴素贝叶斯分类的概率推断能力，同时考虑样本之间的最优间距度量，以解决可能存在的类别重叠问题，使得分类器能够更好地区分类别。该方法包括：首先，利用摄像头实时捕获目标人脸，采用直方图均衡对图像进行预处理；接着采用局部二值模式的特征提取方法对人脸特征进行提取，并使用PCA进行降维处理；最后利用提出的最优间距贝叶斯分类模型对提取的特征进行分类，从而输出最终的人脸识别结果。实验结果表明本发明提出的方法在人脸识别方面表现出了更优异的性能。。来自专利查询网
申请人信息
- 申请人:北京理工大学
- 申请人地址:100081 北京市海淀区中关村南大街5号
- 发明人: 北京理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于最优间距贝叶斯分类模型的人脸识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311633669.X |
| 申请日 | 2023/12/1 |
| 公告号 | CN117523642A |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06V40/16 |
| 权利人 | 北京理工大学 |
| 发明人 | 黄玮; 刘志东; 徐志磊 |
| 地址 | 北京市海淀区中关村南大街5号 |
专利主权项内容
1.一种基于最优间距贝叶斯分类模型的人脸识别方法，其特征在于，包括以下步骤：第1步、通过摄像头或图像采集设备实时捕获人脸图像；第2步、对捕获的人脸图像进行预处理，使用直方图均衡技术消除光照不均匀或其他图像质量问题；第3步、采用局部二值模式(LBP)特征提取方法，提取人脸图像中最具代表性和鲁棒性的特征；第4步、使用主成分分析(PCA)技术进行特征降维处理，以减少特征维度，提高计算效率，并保留主要特征信息；第5步、利用最优间距贝叶斯分类模型进行训练并识别分类；第6步、输出人脸识别结果。