基于3D-2D映射的大姿态人脸识别

为了解决真实场景下大姿态人脸识别准确率低的问题，本文从数据增广的角度，围绕三维人脸信息数据进行大姿态人脸识别关键技术的研究与探索，提出了一个基于3D-2D映射的大姿态人脸识别算法框架.区别于当前基于3D点云数据的人脸识别算法，本文提出的方法主要利用3D人脸丰富姿态信息，通过3D-2D映射的姿态数据扩充方法，进而训练特定姿态人脸特征提取模型，然后集成到统一大姿态人脸识别框架中.本文提出方法的关键是利用注册3D人脸图像信息来辅助2D人脸多姿态识别，很容易集成现有的2D人脸识别方法到提出的框架中.实验表明，本文提出的方法在无约束真实场景下能够有效提升大姿态人脸识别准确率，同时不显著增加计算负担，为当前基于3D信息解决2D人脸识别问题提供了新思路.     

基于肤色特征的人脸检测

人脸检测在人脸识别过程中是最基本的处理,如果检测方法不当,会使识别过程崩溃,人脸检测在人脸识别中很重要。人脸模式是很复杂的,而且易受外界干扰,常见的人脸检测算法一般都具有计算量大、速度慢、误报率高的弱点,文中使用基于YCbCr颜色空间的肤色模型检测方法进行人脸检测,解决了计算量大的问题,并使用形态学理论对图像做了后续处理.     

基于人脸轮廓的人脸归一化方法

人脸识别作为生物识别技术的一种,具有无接触、安全和方便的特点.人脸识别技术广泛应用于人机交互、交易认证及安防等领域,一直是生物识别技术研究的热点.人脸检测、特征定位、人脸归一化和特征提取是人脸识别研究的重点,决定着人脸识别系统的最终性能.设计了基于人脸轮廓的人脸归一化方法,根据归一化中出现的问题,进一步提出了人眼位置与人脸轮廓结合的人脸归一化方法.实验结果表明在Yale人脸图像库上人眼位置与人脸轮廓结合的人脸归一化方法具有更高的正确率.     

基于轻量级人脸识别的智慧地铁云支付系统搭建

当下智能出行已成为一种常态,如何高效推动智慧城市已成为一种发展趋势.由于当前人脸识别存在模型参数识别量大、特征提取缓慢和人脸数据集姿态单一的问题,在实际人脸识别任务中无法取得好的识别效果.本研究以武汉地铁为模型,提出一种基于轻量级的人脸识别的智慧地铁云支付系统构建的方案,融合人脸识别和电子支付技术,通过使用一种基于MTCNN算法进行人脸检测与识别,辅以Hadoop框架进行大数据技术下的分布式人脸识别和后台数据存储,经实验结果反馈,识别精准率为99.74%、召回率为98.75%,单帧平均耗时为0.081 s,有效保证识别效率和准确性,为人脸识别地铁商用化提供一套解决方案.     

基于选择性注意和部分连接神经网络的人脸识别

为了克服以往人脸识别方法因特征提取带来的信息损失与不确定性因素,提出了一种应用于复杂场景中人脸识别方法,这种方法不需要进行特征提取.先对整幅图像使用选择性注意方法,在得到的显著区域中利用Adaboost算法进行人脸搜索与定位,最后将可能包含人脸区域的所有像素全部输入训练好的部分连接神经网络(Parcone)模型进行识别.整个识别过程全部自动完成,不需人工干预,也不必对图像进行预处理.通过利用MIT-CBCL人脸数据库和自建图像库进行的仿真实验表明,该人脸识别方法在复杂背景中具有较高的识别率,可适用于其他类型的目标识别.     

基于Adaboost人脸检测算法

针对因图像背景复杂、 光照变化及面部旋转等因素的影响, 使复杂背景下人脸检测难度大、 速度慢和准确率低的问题, 使用Adaboost算法进行人脸检测, 并在OpenCV上实现其检测过程。分别对具有面部旋转和复杂背景的图像进行了人脸检测实验, 其检测准确率分别为85%和99%, 平均检测时间分别是16.67 ms/张和76 ms/张。实验结果表明, 该算法能在复杂背景下准确、 快速地实现人脸检测, 且能满足人脸识别系统实时性的要求。     

嵌入式人脸识别系统的开发

人脸识别过程中需要处理大量图像特征数据和进行复杂的计算,很难直接在处理能力较弱的嵌入式平台上实现。在Tiny6410嵌入式平台采用OpenCV人脸类Haar特征进行人脸区域检测,PCA降维算法快速提取人脸特征,欧氏距离进行人脸识别,减少了人脸识别过程中的数据量和计算,在嵌入式平台上开发了一套人脸识别系统。识别结果显示:该系统运行稳定,识别率高。     

基于Kernel PCA的人脸识别算法的探讨

扼要阐明抽取二维人脸图像特征方法并进行人脸识别,结合实验结果进行分析比较主元分析和核主元分析方法的优缺点,得出核主元分析方法在人脸识别算法中误识率低,解决了维数和小样本问题,能准确快速识别人脸的结论.     

小波和神经网络在人脸光照校正中的应用

提出一种基于小波和神经网络的人脸光照校正算法, 它 充分结合了小波的多分辨分析和BP神经网络的自适应学习和良好推广能力的性质, 对人脸进行光照校正. 理论和实验证明, 本方法能有效解决人脸检测和识别中的光照校正问题, 使不同光照条件下的人脸检测和人脸识别性能得到很大提高. 本方法还具有鲁棒性好、 适应面宽的特点.     

云边协同的轻量级网络结构人脸识别方法

为了解决人脸识别因采用复杂度较高的卷积神经网络导致在计算与存储资源受限的物联网(IoT)边缘设备中无法部署的问题，提出了可通过云边协同技术部署在物联网边缘设备上的轻量级Mobile MTCNN人脸检测与识别算法，以减少物联网边缘设备资源开销.在人脸检测算法中使用轻量级子网络获取人脸框位置和人脸关键点坐标，并在人脸识别算法中设计了基于Mobile-Inception与Mobile-Resent结构的IMobileNet网络模型.实验结果表明：人脸检测算法在较现有算法准确率平均下降1%的情况下，虽然漏检率平均增加1%,但运行时间平均减少20%以上；人脸识别算法在达到MobileNet V2网络相同准确率情况下，设计并选用的IMobileNet-Small网络平均识别时间减少12%以上.因此，轻量级人脸检测与识别算法可维持识别精确度，同时满足边缘设备部署要求.     

复杂光照场景下基于MTCNN的人脸检测

为了提高复杂光照条件下的人脸检测识别率,提出了一种基于Retinex图像增强技术应用于多任务卷积神经网络(multi-task cascaded convolutional networks,MTCNN)的人脸测算法.算法用Retinex理论对图像进行增强,能明显提高MTCNN在不同光照场景下的人脸检测精度,同时使面部...     

基于肤色的人脸检测算法研究

提出一种基于RGB、HSI空间和KL变换的人脸区域检测算法,根据待检测图像上每点的颜色值来判断它属于人体区域还是背景区域,从而检测出人脸所在的位置.实验表明,该种方法避免了在RGB、HSI和KL三个独立空间分别进行人脸检测所出现的人脸误测问题,通过大量的实验和检测,将三种方法有机的结合起来,较好地区分人脸区域和背景区域,具有很好的鲁棒性.     

Face Live Detection Method Based on Physiological Motion Analysis

In recent years, face recognition has often been proposed for personal identification. However, there are many difficulties with face recognition systems. For example, an imposter could login the face recognition system by stealing the facial photograph of a person registered on the facial recognition system. The security of the face recognition system requires a live detection system to prevent system login using photographs of a human face. This paper describes an effective, efficient face live detection method which uses physiological motion detected by estimating the eye blinks from a captured video sequence and an eye contour extraction algorithm. This technique uses the conventional active shape model with a random forest classifier trained to recognize the local appearance around each landmark. This local match provides more robustness for optimizing the fitting procedure. Tests show that this face live detection approach successfully discriminates a live human face from a photograph of the registered person's face to increase the face recognition system reliability.     

基于EHMM的人脸识别

人脸识别系统从广义上说大致可以分为人脸检测、定位与跟踪,人脸表征,人脸识别,表情/姿势分析,生理分类等五个方面.人脸的特征提取和人脸图像匹配这两部分是最重要的,也是决定人脸识别系统的准确性和效率所在.采用2D-DCT变换进行人脸特征提取和EHMM模型进行人脸图像匹配(人脸识别),并用多样本加权合成的EHMM训练的方法,取得了较高的速度和识别率.     

人脸识别方法综述

追随人脸识别技术发展的历史,从人脸检测、人脸特征提取和人脸识别验证这三个关键步骤,颇为细致地阐述人脸识别已经取得的方法和研究成果;并展望了人脸识别的研究发展趋势,给出了人脸识别中需要解决的关键问题.     

基于差值图像及子波变换的人脸检测方法

图像中人脸的检测有广泛的应用范围,提出了一种基于差值图像及子波变换的人脸检测方法．首先根据运动信息从图像序列中检测出候选人脸,然后使用子波变换方法分析候选人脸的直方图,确定出４ 个阈值,再根据此４ 个阈值对候选人脸进行多重阈值二值化,并根据有关人脸的先验知识,在多个二值化图像中定位眼、嘴、鼻．实验结果表明,提出的人脸检测方法能较好地检测出图像中的人脸．此方法在人机交互、安全防范等方面具有一定的实用价值     

部分遮挡人脸的检测技术分析

生物识别技术是计算机技术的一个新的应用领域,人脸识别成为生物识别中的一个热点问题,人脸检测是人脸识别的前期重要工作部分。现有的人脸检测算法多是针对简单背景下只有一个人验的图像进行的,对部分遮挡人脸的检测很少研究。文中提出局部遮挡人脸恢复的属性关系图方法．通过对较复杂背景下10幅图像实验（包括遮挡人脸和非遮挡人脸）,该算法对非遮挡人脸的正确检测率为98％,对遮挡人脸的准确检出率为62％。该算法对部分遮挡人脸的检测有一定的指导意义,但需要进一步的实验和提高准确检出率。     

标准正面人脸图象的特征提取

人脸的识别技术（ＦＲＴ）是当前模式识别领域的一个热点课题,人脸特征的自动提取是人脸自动识别过程中至关重要的一步,文中采用基于人脸几何特征的方法,设计一个初步的自动人脸特征提取系统,首先通过改进后的边缘检测和阈值技术在头肩型图象中找到头部轮廓,再利用“三停五眼”的标准进一步确定五官大概的位置,最后提取出７个有效的特征点,本系统建了一个包含５０个人脸图象的数据库,实验结果表明这种方法可以有效地获取头部轮廓一人脸特征点。