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。
用pca演算法進行人臉識別識別率相對較低的原因
4樓：蹉香卉郜妃
我不是大神，但是可能猜測是使用演算法的**庫是不同的。10%的差距還是可以接受的。
用pca演算法進行人臉識別識別率相對較低的原因
5樓：血色漂泊者
我不是大神，但是可能猜測是使用演算法的**庫是不同的。10%的差距還是可以接受的。
怎麼取消聯想電腦的人臉識別功能
你只要把人臉識別的驅動解除安裝掉或者，登陸的時候關閉就行了，很簡單的。如果電腦是你個人使用的話，那麼人臉識別根本沒有必要使用的。聯想電腦，為聯想公司旗下產品。聯想電腦，具有效能穩定 簡單易用 品質完善等優點。聯想電腦公司，主要經營個人計算機 智慧手機等。生產時是專業化 流水線作業，出廠關都經過嚴格的...
手機上的人臉識別功能是什麼意思，手機人臉識別功能是什麼意思
自動檢測人臉，然後以人臉位置為對焦視窗，這樣的結果使對焦更智慧化，人物照更清晰。1 人臉識別的原理 2 人臉識別的發展歷史 人臉識別系統的研究始於20世紀60年代，80年代後隨著計算機技術和光學成像技術的發展得到提高，而真正進入初級的應用階段則在90年後期，並且以美國 德國和日本的技術實現為主。同時...
電子保單的人臉識別為什么老是檢測超時
這個應該是他們的程式的問題，你先檢查一下你那邊的網路問題。或許由以下問題產生 影響人臉識別技術的因素及解決方法 計算機在判別時採用的閾值不同，這兩個指標也不同。一般情況下，誤識率far 隨閾值的增大 放寬條件 而增大，拒識率frr 隨閾值的增大而減小。因此，可以採用錯誤率 equal error r...