一种处理遮掩的人脸特征点定位方法

AAM(Active Appearance Models,主动表观模型)是一种定位人脸特征点的有效方法,它由人脸动态表现建模和拟合算法两部分组成.在多种拟合算法中,投影式反向组合算法(Proiect-outInverse Compositional Algorithm)具有快速高效的特点.但当人脸的某部分被遮掩时,算法的精度会明显下降.提出一种采用逐层细分掩模消除干扰的正规化反向组合算法,该算法既保留了反向组合算法快速高效的优点又提高了算法处理遮掩的能力.实验结果表明:在采用标准的IMM人脸库作为训练集的情况下,当脸部被遮掩0%-30%时,算法能够保证定位特征点的标准误差值介于0.01-0.1之间.     

基于阵列虚拟平移的快速解相干幂代算法

为了解决相干信源的测向与跟踪问题,提出了一种基于阵列虚拟平移的快速解相干幂迭代算法。算法把阵列虚拟平移和幂迭代方法相结合,对数据协方差矩阵进行了重构,在不损失阵列孔径的情况下较好地实现了解相干处理,使直线阵可估计的相干信源数目达到了M-1个。避免了特征值分解和一维谱峰搜索,算法的收敛速度快,运算量小,算法同样适用于均匀圆阵。通过仿真实验,验证了算法的有效性。     

基于小波变换的二维独立元在人脸识别中应用

针对二维主元分析（Two-Dimensional Principal Component Analysis，2DPCA）和独立元分析（Independent Component Analysis，ICA）的特点，给出了二维独立元分析（Two-Dimensional Independent Component Analysis，2DICA）的概念。在2DICA算法的基础上，提出了基于小波变换（Wavelet-Transform，W1r）的2DICA（Wavelet-Transform and Two-Dimensional Independent Component Analysis，WT-2DICA）人睑识别算法。首先，利用小波变换将原始图像的高频分量和低频分量进行不同程度的分离，并忽略高频分量，获得原始图像的基本特征；然后，利用2DICA算法术得投影特征；最后依据曩近郐法则完成人脸识别，基于ORL（Olivetti Research Laboratory）与Yale人脸数据库的实验结果表明，WT-2DICA算法正确识别率高于2DPCA算法与2DICA算法，是一种有效的人脸识别方法。     

基于知识和独立成分的人脸检测

为了提高人脸检测速度及鲁棒性,提出了一种基于知识和独立成分分析(ICA)相结合的人脸检测算法。通过对人脸简化模型的分析,扩充了原有的粗检测规则;为了进一步加快检测速度,采用了先利用知识后利用独立成分分析的两级检测步骤,且在粗检测中采用了几何广义投影法,取得了良好的效果,同时利用最大类间方差法实现了阈值的自适应选择。实验结果表明了该算法的有效性和正确性。     

基于QMC采样的GMPHD分布式融合方法

针对高斯混合概率假设密度分布式融合过程中高斯分量数随时间急剧增长的问题,给出了一种适用于融合过程不同阶段的两级分量混合约简算法,最大程度地减少了信息的损失。针对高斯混合概率假设密度协方差交叉融合算法中高斯混合模型求幂运算后不再服从高斯混合分布的问题,提出了一种基于拟蒙特卡罗采样的等价求解方法。仿真实验表明,所提的改进算法在保证融合计算有效性和可行性的同时提高了融合精度。     

基于多尺度哈尔小波变换的三维人脸识别方法

提出一种基于多尺度哈尔小波变换的三维人脸识别方法.首先将三维人脸模型的上半张人脸区域经过平面参数化和线性插值方法映射至几何图像,然后利用多尺度哈尔小波变换把几何图像分解为不同尺度下包含不同频率、不同方向人脸信息的频域分量,根据实验确定垂直低频分量具有表情不变性并将其线性组合作为人脸特征.在FRGC v2.0数据库中进行的三维人脸识别实验与三维人脸认证实验分别得到了98.81％的Rank_1识别率以及97.2％的正确认证率(错误接受率为0.1％).     

基于径向基函数网络人脸识别的研究

用人脸信息来识别和辨认一个人类个体,是计算机视觉和模式识别领域中的一个研究热点。本文提出了一种基于径向基函数网络(RBFN)识别人脸的方法,使用主分量分析(PCA)技术降低样本维数,并用生成图像(SI)技术改变人脸的姿态,以增加学习样本数。用标准人脸库ORL进行实验,表明人脸识别效果有大幅度的提高。     

基于Cholesky分解的K2DPCA人脸识别研究

K2DPCA(kernel 2D principal component analysis)是基于非线性特征提取的重要人脸识别方法,具有成功的应用.但对大规模训练数据库,其因核矩阵K规模过大、计算代价高而不能有效实现.采用选主元Cholesky,分解方法,仅需计算核矩阵的对角线上元素和部分精选列,得到迹范数意义下核矩阵K的最优Nystr(o|¨)m型低秩近似LL~T来解决该问题.并只需计算小规模矩阵L~TL的特征值和特征向量,实现大规模K2DPCA/KPCA(kernel principal component anialysis)的非线性特征提取.在加噪ORL人脸数据库上的实验结果表明,较K2DPCA/KPCA方法,新方法显著提高了识别率,并可以很大程度上克服噪声的影响;在Extended YaleB大型人脸数据库上的实验结果表明,此算法解决了K2DPCA核矩阵过大而不能有效实现的缺点.     

基于多分类器融合的多姿态人脸检测方法

针对复杂背景的彩色图像中复杂姿态人脸的检测问题提出了一种基于多分类器融合的人脸检测方法.首先使用AdaBoost层叠式算法分别训练正面人脸分类器和侧面人脸分类器,将正面人脸检测结果和侧面人脸检测结果相融合得出可能包含人脸的候选区域,然后使用YCbCr空间的肤色统计模型在这些候选区域中进一步验证人脸.该算法既利用了不同姿态人脸分类器的信息融合,又利用了人脸灰度纹理特征和人脸肤色信息的融合,对人脸姿态和图像背景有较强的鲁棒性,而且处理速度很快.实验结果表明,方法可以有效提高对复杂姿态人脸的检测概率,并显著降低虚警检测概率.     

基于JADE算法的数据库公开水印算法的研究

数据库技术具有广阔的应用,数据库水印就成为一个研究热点。提出一种基于独立分量分析(ICA)的公开数据库水印方法。其思想是:首先对水印图像经过ICA处理得出若干个独立分量水印,利用迭代混合的方法嵌入水印,再利用盲源JADE算法提取水印,达到用较少的载体代价就可以嵌入水印信息的目的。理论分析和仿真实验结果表明该算法是有效的。