人脸识别中的图像处理技术

人脸作为一种高普遍性、可以非接触式采集的重要生物特征,正被越来越多地用来进行身份鉴别。本文介绍了人脸识别的基本过程,简要分析了人脸识别中的基本图像处理技术,如预处理和图像变换,并在MATLAB中实现。     

基于特征距离的CNN人脸识别方法的实现

传统的识别技术需要对图像进行大量预处理,以避免复杂背景、光照及图像扭曲等问题所带来的影响。文章基于卷积神经网络,通过面部图像到欧式空间的映射来作为人脸的距离特征向量,与给定设置的阈值进行比较,从而实现人脸识别任务。通过基于OpenCV的实验验证,基于特征距离的卷积神经网络(CNN)人脸识别方法对不同人脸特征和非限制因素影响下的人脸识别有较好的识别能力,是一种简化图像预处理工作的快速识别方法。     

人脸检测与识别

人脸是人主要的身份特征之一,人脸识别在信息管理、身份验证、视频监控、机器视觉等领域有着重要的实用价值.本文以中央民族大学信息工程学院本科生人脸数据库为背景,从应用的角度出发,开发了基于人脸识别的学生身份确认系统.整个系统主要分为图像预处理、人脸检测和人脸识别三个部分.图像预处理包括图像大小归一和图像灰度均衡;人脸检测采用Harr分类器;利用PCA（主成分分析）获得投影矩阵和维数适中的能够表征人脸的特征向量;基于最近邻原则,进行人脸匹配.系统测试结果表明,该系统能够完成基于人脸识别的学生身份信息查询功能.     

人工智能之图像识别

正图像识别是计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术,实现了图像信息到文本信息的转换,是现代计算机技术发展中极为重要的一步。识别过程包括图像预处理、图像分割、特征提取和判断匹配,让计算机像人一样读懂图片的内容,有视频内容识别、光学字符识别(OCR)等细分领域,在图片自动归类整理、图像优化、字符识别、人脸识别及视频监控安防等领域都有着不少应用。传统的识别方法主要基于统计学,其主要依靠     

一种基于泰森多边形的人脸图像精确归一的研究

人脸图像的标准化,作为人脸图像预处理过程,是计算机人脸识别中很重要的一个环节.论文给出了一种基于泰森多边形改进的人脸图像标准化算法.先对照片使用泰森多边形的方法进行图片预处理,然后再进行人眼定位,最后对利用三庭五眼的方法对图像进行归一,将获得很好的效果.     

光照变化条件下的人脸识别预处理

光照变化条件下的人脸识别是模式识别领域最具挑战性的问题之一.笔者提出一种基于区域正则化模型（RRM）的预处理技术,即将人脸图像分成4个区域,在每个区域进行逐点线性变换.该技术简单易行,并能较好的削弱光照变化对人脸识别的影响.在Yale B人脸库上,与常用的直方图均衡化方法（HE）、基于区域的直方图均衡化方法（RHE）进行了对比分析,实验结果表明该预处理技术的有效性和可行性.     

基于支持向量机的人脸识别算法研究

对基于支持向量机的人脸识别算法进行了研究,并通过仿真实验验证算法的有效性.通过缩小图像的尺寸和离散余弦变换(DCT)来实现图像的预处理,应用基于类内平均脸的主成分分析(PCA)提取人脸图像的特征,应用支持向量机(SVM)实现人脸图像识别.还重点对影响人脸识别系统速度和识别准确率的相关因素进行了研究,为研究人脸识别技术的应用提供理论依据.     

基于支持向量机的人脸识别算法研究

本文基于支持向量机对人脸识别的算法进行了研究,并通过仿真实验验证算法的有效性。通过缩小图像的尺寸和离散余弦变换(DCT)来实现图像的预处理,应用基于类内平均脸的主成分分析（PCA）提取人脸图像的特征,应用支持向量机（SVM）实现人脸图像识别。本文还重点对影响人脸识别系统速度和识别准确率的相关因素进行了研究,为研究人脸识别技术的应用提供理论依据。     

基于MatlabGUI的人脸识别教学平台设计

人脸识别是模式识别和机器视觉领域非常重要的一个课题,具有重要的理论价值和广泛的应用场景。采用人脸识别演绎模式识别和机器视觉中一些重要的概念和算法,能够使学生理论联系实际,培养利用理论知识解决实际工程问题的能力。利用Matlab GUI组件,设计实现了能够与用户交互人脸识别教学平台,其中包括图像读写,预处理,特征提取和特征匹配等模块,较好的展示了人脸识别的主要步骤,使学生直观的掌握人脸识别的相关概念、理论和算法。     

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,...     

用于人脸识别的人脸图像标准化算法

人脸图像的标准化，作为人脸图像预处理过程，是计算机人脸识别中很重要的一个环节。论文给出了一种改进的人脸图像标准化算法。该算法首先利用人脸图像的垂直灰度投影曲线确定脸的左右边界；接着根据人脸图像的水平灰度投影曲线来确定眼、嘴的位置；然后依据确定的眼、嘴以及脸的左右边界这些参数对图像进行剪裁和缩放；最后获得人脸的标准图像。采用ORL人脸数据库进行仿真实验，结果表明，该算法基本消除了背景、头发、服装等干扰，保留了人脸识别所需的主要信息，更利于后续的特征提取与识别，解决了常规方法不适合侧面人脸图像或者闭上双眼的人脸图像的问题，是一种有效的方法。     

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.     

高速公路视频监控系统与人脸识别技术的结合应用

随着科学技术的发展,视频监控系统也在娱乐、教育、安全及生活等领域得到了推广应用,目前也朝着、数字化、网络化及智能化的方向发展。人脸识别在生物特征识别中是关键,目前人工智能的研究热点之一就是人脸识别技术。人脸识别技术广泛应用于访问控制、司法应用、电子商务和视频监控等领域。人脸识别过程以特征提取为核心,其可以对分类的速度和识别功能质量的高低产生一个非常直接有效的影响。在当今经济快速增长,人民生活水平日益提高的今天,高速公路视频监控系统与人脸识别技术的结合具有巨大实际意义和非常广泛的应用前景。     

光强倒数色度空间的彩色人脸光照预处理

为了解决彩色人脸识别中色彩信息易受光照影响的问题,提出一种基于光强倒数色度空间（IICS）的彩色人脸图像预处理方法。本方法首先将图像均匀地分割成子块;将每个图像块变换为 IICS 空间中的一个二维数据集,并根据数据集的线性分布特性估计图像块的光照颜色;然后对全部图像块的光照估计进行颜色直方图统计,根据直方图对分块估计的结果进行合并;最后,利用估计得到的光照和对角模型将图像光照校正到标准白光下,用于人脸识别。在 AR 和 FERET 人脸库上的实验表明,通过引入本光照预处理,有效增强了彩色人脸识别方法对光照变化的鲁棒性,提高了识别精度。     

基于MATLAB的人脸图像预处理研究

本文利用MATLAB进行灰度图像的人脸预处理,包括人脸图像的灰度变换、滤波、小波增强、以及人眼的初步定位等,为后续的特征提取和人脸识别打下良好的基础。实验结果表明,该预处理系统中所用到的算法容易实现,运算量少。     

人脸识别技术的几个主要研究方向

人脸自动识别技术是模式识别、图像处理等学科的最热门研究问题之一。本文将围绕人脸识别算法,人脸识别算法综合性能评测及人脸图像数据库的建立几方面探讨人脸识别技术的主要研究方向。     

基于最小二乘支持向量机的人脸识别算法

通过计算机对人脸进行分析,从而确定身份的技术统称为人脸识别,其具体内容包括图像预处理、特征选择和提取、分类。首先介绍了支持向量机和最小二乘支持向量机的基本思想和数学模型,推导了最小二乘支持向量机的算法步骤,在对人脸图像进行预处理的基础上,采用奇异值分解扩展算法提取人脸特征,然后再采用上述算法对人脸图像进行分类。通过实验可知本文中的算法可以对人脸图像进行有效分类,对解决小样本分类问题是有效的、可行的。     

基于HOG/PCA/SVM的跨年龄人脸识别算法

为了实现跨年龄的人脸识别,通过梯度幅值和梯度方向这2个重要的图像特征测量图像相似度,建立了一种方向梯度直方图 (HOG)、主成分分析 (PCA)和支持向量机（SVM）相结合的人脸识别算法.首先对从FG-NET数据库中选取的人脸图像作预处理,然后用HOG算法提取特征值,用PCA方法降维特征值,最后将样本输入到SVM中进行训练,人脸识别匹配度最高可达90.91%.实验结果验证了算法的有效性.     

融合图像预处理的人脸识别方法

为了消除光照条件变化以及噪声等因素对人脸识别结果的影响,提出了对人脸图像进行一系列预处理工作,以去除影响人脸识别结果的相关不利因素,再结合主分量分析与线性鉴别分析的进行人脸识别.实验结果表明,所提出的方法不仅提高了识别率,而且减少了训练与分类时间.