基于云计算的智能人脸识别借阅系统研究

针对目前大多数高校图书馆仍旧使用借阅卡、一卡通等传统借阅系统的现状,提出了构建基于云计算的智能人脸识别借阅系统。相比于在本地设备完成计算的人脸识别系统运算慢、存储资源有限等缺点,系统采用具有高性能计算能力和海量存储能力的云平台。通过采集人脸数据,将收集到的人脸信息上传到云平台,云平台采用二值化、光线补偿、灰度变化、对比度增强等方法进行处理后对人脸特征信息进行保存并备份。当扫描待测人脸时,将人脸信息上传至云端与备份信息进行对比识别。测试结果表明; 基于云计算的智能人脸识别借阅系统具有较好的准确性、实时性、稳定性,降低了本地存储负担和成本、较好的满足了用户的智能化借阅需求。     

嵌入式实时人脸识别系统设计

为实现视频监控系统的网络化和智能化,以ARM为硬件平台结合机器视觉库OpenCV设计一种嵌入式实时人脸检测系统。该系统由嵌入式平台采集USB摄像头数据,通过网络将图像传输至PC主机,从而实现实时监控;系统以QT构建交互界面,采用OpenCV人脸Haar特征进行人脸区域检测,Eigenfaces算法进行人脸识别。结果显示:该系统运行稳,成本低,可以实现网络实时人脸检测与识别,识别率高。     

一种基于嵌入式隐马尔可夫模型的人脸识别方法

提出一种基于嵌入式隐马尔可夫模型(embedded hidden Markov model, 简称EHMM)的人脸图像识别方法,主要包括: ①由于奇异值向量具有稳定性、转置不变性等特点,故对归一化的人脸图像,可采用奇异值分解抽取人脸图像特征作为观察序列;②在人脸识别中应用嵌入式隐马尔可夫模型,采用多高斯概率密度函数训练、建立EHMM, 再利用建好的EHMM进行识别.实验结果显示,所提方法减少了数据计算量,运行速度快,并提高了识别率,完全满足人脸识别系统的实时性要求.     

基于人脸识别的门禁系统设计与实现

人脸识别技术是生物技术和计算机技术的复合应用,市场对门禁的安全性和可靠性的要求也越来越高;提出了一种基于ARM9处理器的快速人脸检测门禁系统设计方案;首先选择实用有效特征,简要介绍人脸检测和人脸识别算法的基本原理,针对该算法实现原理详细阐述硬件系统设计方案;最后在设计的硬件系统上进行算法移植,并开发门禁系统控制软件,实现了嵌入式快速人脸识别门禁系统的研制.通过分析测试结果,系统可靠运行高、速度快,能够实现门禁系统的功能.     

基于虚拟曝光融合的光照自适应人脸图像增强方法

为了提高复杂光照条件下的人脸识别性能,提出一种基于虚拟曝光融合的光照自适应人脸图像增强方法。该方法针对检测到的人脸图像,计算其平均亮度,并与经由统计学习得到的正常光照人脸图像的亮度区间进行比较,判定其光照水平,分为低光照、高光照或正常光照,然后基于相机响应模型采用虚拟曝光融合的方法对低光照和高光照人脸图像进行光照增强处理,此过程循环迭代处理直到增强的人脸图像平均亮度达到正常水平。这种光照自适应增强后的人脸图像可作为输入无缝接入现有的人脸识别算法中,从而改善人脸识别系统性能。在Extended Yale B和CMU_PIE人脸图像数据库上的实验结果表明,该方法能有效提高复杂光照下的人脸识别率。     

基于Gabor特征和EHMM的人脸识别方法

针对传统人脸识别方法在受到表情、姿态和光照等影响时存在鲁棒性差的问题,提出了一种改进的人脸识别方法。在特征提取上,该方法首先提取人脸的Gabor特征,接着利用DCT(discrete cosine transform)压缩使得相似特征得到聚合,最后利用PCA(principal component analysis)分别筛选出最能够代表人脸各个区域的DCT系数。在识别方法上,该方法采用了嵌入式隐马尔科夫模型(embedded hidden markov model,EHMM),并基于人脸的认知结构信息对嵌入式隐马尔可夫人脸结构模型进行了改进。对比实验结果表明,该方法识别率高,复杂度低,并具有较好的鲁棒性,易于在工程上应用。     

Android平台下人脸识别系统的研究与实现

由于目前Android平台计算能力有限,很难满足大计算量的人脸识别系统的需要,因此探索一种适合于Android平台的人脸识别算法尤为重要.采用主成分分析法(PCA算法)进行人脸检测与识别,结合预先存储样本值大量减少计算量.实验表明该Android平台人脸识别系统准确度较高.     

基于特征脸的人脸识别系统

提出了一种快速有效的人脸识别系统．针对特征脸方法只能识别标准正面人脸的局限性，设计了前端处理模块，首先计算待识别图像中人脸的倾斜角度，进行相应角度的旋转，然后剪切出人脸图像，进行尺寸调整，经过此处理后再进行特征脸识别．利用ORL人脸库和自建人脸库进行仿真实验，实验结果表明，本识别系统速度快，误识率低，具有实用性．     

基于小波变换和支持向量机的人脸识别研究

人脸识别是机器视觉、模式识别等领域的研究热点,具有广阔的应用前景.文章利用小波变换对人脸图像进行预处理,减少表情变化对人脸识别的影响;根据PCA法,将处理后的人脸图像映射到相互正交的特征脸坐标轴上,实现了特征降维;利用支持向量机分类模型对人脸图像在特征脸坐标轴上的投影向量进行识别,并在ORL和Yale人脸库上进行实验,...     

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.     

嵌入式人脸检测系统开发研究

人脸识别的应用领域十分广泛,具有良好的发展前景.但目前的人脸检测识别系统大多基于PC系统架构,其机动性、便携性受到很大限制.针对这一问题,嵌入式系统是一套可行性很高的解决方案.本文首先比较系统的整理分析了当前各类的人脸检测方法的优缺点,并对其中一种当今应用较广泛的算法———基于肤色的人脸检测算法的实现步骤进行了分析;之后,结合Linux系统在构建嵌入式系统上的优势,对以嵌入式Linux系统为基础发展人脸检测的应用前景进行了展望.     

基于XML与人脸识别的智能小区门禁管理系统设计

为实现小区的智能化人性化管理,设计了一套基于XML与人脸识别的智能小区门禁管理系统。首先,集成网络摄像头和数据分析工作站,组成系统硬件平台;嵌入人脸识别算法和XML结构化数据,构建了智能小区门禁管理系统。然后,结合图像灰度处理、直方图均衡化和haar特征检测,设计了人脸图像识别算子,实现人脸有、无来访者身份确定。在Visiual Studio平台开发系统,对所提智能小区门禁管理系统进行了测试,输出结果表明:所提出的智能小区门禁管理系统,在人脸识别和系统智能性方面,都优于传统小区门禁管理系统。     

压缩域上人脸识别的研究

DCT变换被广泛采用在图象和视频压缩标准中(如JPEG,MPEG,H.261/H.263).而对于这些压缩图象的处理,传统的手段是先解压到空间域,再进行处理和识别,因而增加了计算复杂性.针对这个问题,运用压缩域上图像处理技术,提出了人脸特征表达的方法,并构造DCT域上人脸识别系统.在人脸标准库FERET上的测试,提出的算法与经典的特征脸法和PCA LDA法相比较,不仅提高了精度,而且降低了计算复杂性.     

基于NSCT和伪Zernike矩的人脸识别

为了提高光照条件下人脸识别系统的识别率,提出了一种非下采样Contourlet变换和伪Zernike矩相结合的人脸识别新算法.该算法首先利用软阈值去噪方法在Lambertian光照模型中提取人脸的光照不变成分,然后计算其伪Zernike矩向量作为人脸的分类特征.在Extended YaleB和CMU PIE人脸库上的实...     

新技术新产品

人脸通行证(金玲摘自《走近科学》)不久前,一项由我国科研人员历时7年自主研制的嵌入式人脸识别系统技术,在生物认证领域取得突破性进展,在人脸检测和识别等方面已达到国际领先水平。当你走到一道“聪明”的大门口时,你的面孔已经出现在门边的显示屏上,仅0.01秒时间即已识别出你是否是这道门的主人。人脸识别技术通过摄像头来获取人像面部的最重要特征,如眉骨、双眼、鼻和嘴在五官轮廊中的距离、位置、角度和大小,计算出它们的几何特征数据,再与数据库中的人像进行比对,相似度高的可确认为同一个人。人脸识别技术的奥秘是:不管岁月沧桑,你的…     

基于面部特征的嵌入式安全认证终端

针对PC 平台体积大、功耗多、成本高和便携性差的问题, 设计了基于面部特征的嵌入式安全认证终端。选用ARM11 开发板作为硬件平台, Linux 操作系统作为软件平台, 并在平台上移植了Qt 图像化界面库和Opencv 计算机视觉库。人脸检测由AdaBoost 算法实现, 人脸识别由PCA(Principal Component Analysis)算法实现。测试结果表明, 该终端能实现人脸识别的功能, 并且识别精度较高, 时间较短, 达到预期目标。     

一种基于快速PCA和简化PSO的带噪声人脸识别

针对传统人脸识别算法在带噪声环境下识别效率低下的问题,文中以FERET、CMU_PIE_FAC及ORL数据库的人脸图像为研究对象,提出一种基于快速PCA和简化PSO的人脸识别改进方法。通过对不同噪声环境下的人脸图像进行滤波消噪处理,并引入快速PCA算法对图像数据进行特征降维,然后利用简化PSO算法进行SVM的参数优化,构建最终的SVM分类模型,以实现人脸识别。结果表明:人脸图像受高斯或椒盐噪声污染会对识别效果产生一定的影响,利用滤波消噪处理可以从一定程度上抑制噪声干扰,与此同时,在数据降维过程中,采用快速PCA算法以计算低维度矩阵的本征值去替代高维度协方差矩阵的本征向量求解,在保证较高的图像解释程度的同时,运算速度明显加快,与传统的PCA、PSO算法结合SVM模型进行人脸识别效果相比,提出的改进算法在保证较高的人脸识别精度情况下,识别过程的计算量大大减少,具有一定的实用价值。     

基于视频的人脸识别技术在ATM中的应用

ATM机视频的人脸识别受光照、姿态变化、摄像头低分辨率的影响,造成很大的计算负担和系统损耗。针对ATM机视频中待识别者姿态变化比较大的现象,在运用人脸Haar-like特征并基于AdaBoost训练的级联人脸检测方法完成人脸检测的基础上,采用快速稀疏描述方法处理从视频中隔帧提取图像,最后利用融合算法将同一用户的多张图像处理结果融合的方法,实现基于视频的人脸识别。实验结果表明该方法减少了系统的计算量和损耗,提高了识别率。     

基于局部分割的快速人脸识别

针对人脸识别系统易受光照,表情与遮挡等因素的影响,提出一种基于局部分割的快速人脸识别算法。首先,建立高斯肤色模型,并融合几何特征快速实现人脸粗定位;然后,利用局部初次匹配与全局特征的方法排除背景环境对人脸检测的干扰以及减少匹配过程中的计算量,同时运用LBP算子对2D-Fr FT的幅度与相位特征的互补信息进行编码;最后,采用最近邻分类器进行分类识别。本文的方法在公共人脸图像数据库上进行仿真实验。结果表明,该算法简单、鲁棒性高、在速度与准确性方面具有良好的性能。     

基于特征脸和神经网络的人脸表情识别方法

当前人脸检测系统主要使用的是基于主成分分析算法和神经网络技术,本文提出了识别不同特征点的另一种技术,所提出的识别系统用来实现特征提取、主成分分析和人工神经网络,即用特征脸和主成分分析算法进行人脸识别.在主成分分析算法中,通过识别初始人脸图像集得到特征向量和特征脸,然后这些人脸被投射到特征脸上以计算权重,这些权重建立人脸数据库以便通过神经网络进行人脸识别.测试结果表明,其准确率达82.1%,达到了理想效果.