融合全局和局部特征的稀疏表示人脸识别方法

针对人脸识别中如何提取到有效判别特征的问题,提出一种融合人脸图像全局和局部特征的稀疏表示人脸识别方法。首先将人脸图像用融合的特征提取算法进行特征降维,然后利用稀疏表示分类器对人脸图像进行分类判别。在ORL、Yale和FERET人脸数据库上的实验结果验证了融合算法在提高人脸识别精度方面是有效的。     

基于卷积神经网络的面部图像修饰检测

为避免人为因素对人脸面部图像皮肤纹理特征提取产生的影响,用卷积神经网络算法对人脸图像修饰进行检测.传统的图像分类方法需要进行复杂的人工特征提取,而卷积神经网络可以自动学习并直接从图像中获取特征,解决了传统模式识别方法特征提取难的问题,具有更高的识别率和更广泛的实用性.在传统卷积神经网络模型中,调整卷积核大小、减少参数、改变卷积层滤波器数量、调整卷积层和池化层的交替方式、使用dropout来提高模型泛化能力以形成适用于人脸修饰检测的新的网络模型.实验结果表明,在引入的数据集上,新的网络模型对人脸图像的修饰检测有较强的鲁棒性,达到了较高的识别率.     

融合SIFT的多尺度分析人脸识别算法研究

由于人脸识别过程中会受到光照、尺度等因素的影响,采用传统的SIFT算法进行人脸识别时会出现匹配效果较差、无法匹配或是错误匹配的情况,因此提出了一种融合SIFT算法的多尺度分析的人脸识别算法。首先在粗尺度上,采用形态学边缘检测算法对原始的人脸库进行轮廓特征提取,形成新的人脸库;然后在细尺度上,采用SIFT算法对新的人脸库进行人脸识别与匹配。采用ORL人脸库对改进后的算法进行验证,实验结果表明改进后的SIFT算法较好地解决了传统SIFT算法的不足,计算量大大减少,人脸图像的识别效率与匹配效率得到了有效提升。     

基于样本扩展和线性子空间特征提取的单样本人脸识别

针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析（principal component analysis, PCA）对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率.     

一种基于KCCA的小样本脸像鉴别方法

基于典型相关分析和Fisher线性鉴别分析的等价性,提出了利用核典型相关分析来抽取小样本人脸图像的非线性鉴别特征,并用其进行脸像鉴别.这样得到的非线性特征本质上等价于核Fisher非线性最佳鉴别特征.基于ORL库的实验表明,对小样本人脸图像,KCCA可以得到和广义鉴别分析近似的识别性能,其所得非线性特征明显优于FLDA的线性鉴别特征.     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

基于自适应非均匀量化的安全人脸识别方法

随着人脸识别技术的广泛应用,相应的隐私及安全问题也引起了人们的主意。主成份分析是人脸识别技术最典型的算法之一。分析了主成份分析方法的安全性,针对其存在的安全漏洞,提出了一种基于自适应非均匀量化的安全人脸识别算法,将主成份分析方法得到的人脸模板特征进行量化,用量化特征的哈希值代替人脸模板特征存储在数据库中,并给出了该算法的安全性分析。实验结果表明该算法在不改变算法准确性的同时也提高了系统的安全性。     

利用二元结构特征的人脸识别

提出了一种基于二元结构特征提取的人脸识别算法. 该算法将所有类进行两两组合,以两类分类器为基础,为每个两两组合类间的识别挑选最适合分类的特征构成特征选取空间. 对未知样本进行测试时,在特征选取空间中计算测试样本与所有训练类的相似度,将未知样本判断为与之相似度最大的类. 运用AT&T和AR人脸数据库对该算法进行性能测试,与其他算法相比,该算法能在较小的特征维数下获得更高的识别率.     

基于LBP-MDCT和CNN的人脸活体检测算法

人脸活体检测技术作为人脸识别系统安全运行的重要保障,对保障网络空间安全意义重大.针对基于视频的人脸欺骗攻击,提出一种基于局部二值模式-多层离散余弦变换(local binary pattern and multilayer discrete cosine transform, LBP-MDCT)和卷积神经网络(convolutional neural network, CNN)融合的人脸活体检测算法.首先从检测视频中提取人脸图像;接着对人脸图像进行LBP和多层DCT变换以得到LBP-MDC T特征,将部分人脸图像输入CNN中以得到CNN特征;然后将两种特征分别输入到支持向量机(support vector machine, SVM)中得到分类结果;最后将SVM的输出进行决策级融合以判定检测视频的合法性.在Replay-Attack和CASIA-FASD数据库上的实验结果表明,相对于现有算法,该算法的检测性能更加优越.     

基于KPCA及最佳鉴别独立分量的人脸识别方法

首先分析了独立分量分析(ICA)在人脸识别应用中存在的一些问题,然后从3个方面对基于独立分量分析的人脸识别方法进行了改进:首先利用KPCA将人脸映射到特征空间,在特征空间进行ICA得到相对于原样本的非线性独立分量,从而得到一种非线性独立分量分析的方法;其次,定义了Fisher鉴别信息作为选取最佳鉴别独立分量的准则;最后,提出了一种用最佳独立分量表示待识别人脸图像的方法,克服了用直接投影得到的特征不准确的问题.基于ORL人脸数据库的实验表明,利用此改进的非线性最佳鉴别ICA方法,可以得到优于FLDA方法的识别性能,且在特征数较少时仍能得到较好的识别稳定性.     

高职高专《C语言程序设计》的教学探讨

C语言是计算机专业的专业基础课程,对学生今后的学习有着积极的作用。高职高专学生的基础普遍较差,对学习该课程感到困难,产生厌学情绪。为此教师在教学中应该帮助学生树立学习的信心,并通过程序的归纳和总结,启发学生学好程序设计课程。     

动态人脸图像序列中表情完全帧的定位与识别

考虑到人脸表情演变是一个持续过程，相比于静态图像，动态图像序列更适合作为人脸表情识别的研究对象。该文提出了一种基于嵌入网络的序列帧定位模型，利用加载预训练权重的Inception ResNet v1网络提取人脸表情序列各帧的特征向量，通过计算特征向量间的欧氏距离，定位出具有最大表情强度的完全帧，进而获取人脸表情序列数据；为了进一步验证定位模型的准确性，分别利用VGG16模型和ResNet50模型对定位的完全帧进行人脸表情识别。在CK+和MMI人脸表情数据库上进行了实验，所提的序列帧定位模型的定位平均准确率分别达到98.31%和98.08%；利用VGG16模型与ResNet50模型对定位的完全帧进行表情识别，在两个数据库上的实验结果分别达到了96.32%和96.5%，87.23%和87.88%，结果表明所提出的模型能够获取可靠的表情完全帧，并取得了令人满意的人脸表情识别效果。     

一种改进的对齐算法及其在面部特征定位中的应用

在主动形状模型基础上,借助于核的技巧,对其前期所需的广义对齐算法进行了研究改进,使之能够在后续的主分量分析中更迅速有效地捕捉不同的面部形状变化,进而达到快速定位面部关键特征点的目的.实验结果表明,改进的算法在主分量分析之后能够更好地表达不同脸形变化的模式,而且在定位面部关键特征点上精度更高,收敛速度也有明显改善.     

基于后缀数组的Web文本重复短语识别

重复短语识别是网页文本的特征抽取过程中的关键性技术之一,通过重复短语的识别能够有效地解决网页文本内容特征抽取的难题.研究利用后缀数组进行重复短语识别和抽取的方法.实验表明,该方法进行重复短语识别后,得到的特征向量对于源网页文本的表示更具有代表性,网页相关性的挖掘可以获得更好效果.     

基本图像特征用于文本图像文种识别

为了解决现有方法在运算速度和识别效果上的矛盾,该文将基本图像特征用于文本图像文种识别. 按照纹理分析结构方法的观点,将纹理基元划分为7 种类型,提取描述文本图像纹理基元构成以及其空间位置关系的特征,采用支持向量机对所提特征进行训练和分类,实现文字种类识别. 实验选用有质量退化的中、英、俄、日、韩、阿拉伯等10 种不同语言文字的文本图像,结果表明该算法运算速度快,有较高的识别准确率,并对图像质量退化有较好的鲁棒性.     

EMD在说话人辨认中的应用

提出一种基于经验模式分解的说话人辨认方法.通过对语音信号进行经验模式分解得到一系列内在模式函数,提取每一级模式函数的Mel频率倒谱系数和相邻两级模式函数差的Mel频率倒谱系数作为表征说话人的特征参数,对得到的特征参数用矢量量化进行识别.实验结果表明,方法是有效的.     

基于决策树-逻辑回归模型精确识别僵尸企业

针对如何精准识别僵尸企业的问题,借助湖南科创信息有限公司公开的企业信息数据集,提出了一种决策树-逻辑回归的僵尸企业识别方法。该方法用中位数填充缺失数和离群值,然后分析数据集并进行特征衍生,最后使用多元线性回归和卡方检验等方法完成特征筛选。为了验证所提出方法的有效性,分别在阿里云环境和本地环境下将该方法与过度借贷法、连续亏损法、随机森林算法、BP神经网络算法、XGBoost算法进行比较。每个模型均训练50次,每次训练按一定比例随机选取数据,最终取各个指标的平均值作为最终实验结果。实验结果表明：所提出的决策树-逻辑回归模型对于僵尸企业的识别准确率最高,达到99.98%;并且模型的运行速度相对各种集成模型的速度有较大优势,平均执行时间约为1.5 s。在各实验环境中,实验结果差异较小,验证了该模型的有效性和稳定性。     

基于VSM模型的动态文本分类器的设计

设计了一种基于VSM模型的动态文本分类器，它能针对文本的不同类别建立不同的特征子空间，各特征子空间之间相互独立，同时能将文本分类中常用的2个评估指标召回率和精确率转化为正确分类率和错分率；考察了特征子空间的维数和判定界值对这2个指标的影响．该动态文本分类器能对用户输入的文本流进行动态分类．     

训练方法对汉语数字串识别率影响的研究

在语占识别系统中，都是通过提取特征向量来计算待识语音与模型之间的概率或距离，然后根据最大概率或最小距离判断待识语爵的类别．对大量实验数据的观察发现：特征向量的各维对语音的表达能力是不一样的，同时特征向星在语音的时间轴上表达能力也不一样。根据这种特性，提出了三种训练算法：在训练中计算出加权矩阵，以此来加强易混淆数字间的本质区分特征，减弱随机特征，在汉语数字串识别实验中，得到了比较理想的实验结果，错误下降40．8％，系统识别率上升到94．08％。