人脸识别考勤系统中有效人脸特征提取

提出了一种适用于考勤系统的人脸识别算法.该算法首先从2台摄像机实时采集的正、侧面图像中分割出人脸区域,然后对图像中的人脸进行有效几何特征的提取,并构造出特征矢量与持卡者所持有的卡片中信息进行比对.经实验验证本系统算法简单、定位准确、识别率较高.     

基于Adaboost算法的人脸检测学生考勤系统的研究与应用

随着高清视频监控的普及,一种针对视频图像的智能识别与检测技术顺势而生。高校中,通过对课堂的监控,也方便教师对课堂的掌管,尤其是统计出勤,通过智能的识别技术,得出考勤记录。因此,该文设计了一种嵌入式人脸识别考勤系统,通过特征提取人脸区域,并采用基于Adaboost算法的人脸识别技术从而验证了该技术的技术可行性。     

基于局部线性映射神经网络和亮度补偿的彩色人脸检测

人脸识别是一个具有广阔应用前景和极富挑战性的研究课题。作为自动人脸识别系统的第一步,快速有效的人脸检测至关重要。利用颜色信息进行人脸检测,具有直观、简单、快速的特点,非常适用于作为自动人脸识别系统的人脸粗定位环节。该文提出一种基于局部线性映射（ Ｌ Ｌ Ｍ）神经网络和亮度自适应补偿的人脸区域检测算法,根据待检测图像上每点的颜色值判断它属于人体区域还是背景区域,从而框出可能的人脸区域。实验表明,此算法对于实验室背景下的人脸检测取得了较好的效果。一方面可以较好地区分人脸区域和背景区域,甚至与人脸颜色比较相近的背景区域,同时对实验室环境下各种光照条件的变化具有很好的鲁棒性。     

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.     

基于特征脸识别考勤系统设计

正前言生物信息识别技术是利用人体本身所固有的物理特征和行为特征,通过数字信号处理和模式识别的方法来鉴别个人身份的技术[1]。而人脸识别作为一种典型生物信息识别技术,以其自然性和可接受性等优点得到了人们的喜欢,可应用于军事及民用的各行各业中[2]。本设计目的是利用人脸生物信息识别技术,实现操作简单、使用信息方便、识别结果准确的人事考勤。本系统基于KL人脸识别技术设计考勤系统,在KL变换人脸识别算     

基于形态学小波理论和SVM神经网络的人脸识别

主要研究了快速识别人脸的基本算法,它包括人脸检测和人脸识别两部分.人脸检测部分利用肤色电平的聚类特性和形态学处理检测出准人脸图像,再利用小波特征提取出特征进行人脸认证.人脸识别部分采用支持向量机(SVM)神经网络进行人脸识别.支持向量机神经网络对二类判别具有很强的识别能力.对于N类判别需连续使用N次.该方法识别速度快,且不受发型、头饰、眼镜等的影响.仿真证明了该方法的有效性.     

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。     

人脸识别系统中的特征提取

研究了人脸识别系统中正面人脸的特征提取 .通过区域增长从人脸图像中分割出人脸 ,再利用边缘检测、Hough变换、模板匹配和方差投影技术可以快速有效地提取出人脸面部器官眼睛、鼻子和嘴巴特征 .实验结果表明本文所采用的方法具有较高的准确率和光照鲁棒性 .     

基于最小最大概率机的彩色人脸检测

在生物特征识别领域,人脸识别已经越来越引起了人们的广泛注意．人脸检测在人脸识别系统中是非常重要的．其检测效果将最终直接影响后边的识别．在本文中,我们提出了一种基于最小最大概率机的彩色人脸检测方法．首先对输入图象利用肤色模型对人脸进行初定位．形成肤色区域,达到缩小搜索空间的目的．此结果作为候选人脸区域输出．将大量非人脸的子窗口去除,剩余的子窗口将通过使用基于最小最大概率机分类器进行判别验证．实验证明,本方法在确保有效的检测出复杂背景下的人脸图像的同时,具有很好的实时性．     

人脸识别视频压缩感知跟踪算法

针对视频监控中移动的人脸图像光照强度不同、遮挡、快速变化等问题,本文提出一种人脸识别视频压缩感知跟踪算法.利用图像尖锐化处理突出目标图像边缘纹理,再利用矩形滤波器对人脸图像归一化处理并获取特征向量.通过压缩感知算法对目标样本和背景样本的Haar-like特征压缩,建立目标模型,训练Adaboost算法的贝叶斯级联分类器.最后根据人脸特征区分目标和背景图像,实现目标人脸图像的动态跟踪.实验结果表明,该算法能够实现视频中人脸图像移动、遮挡及光照强度不均匀、快速变化等情况下的有效跟踪.     

虹膜识别煤矿考勤系统设计

介绍了基于虹膜识别技术的煤矿考勤系统的系统结构、工作流程,软硬件设计及其实现。考勤系统主要由虹膜图像采集装置和数据处理计算机组成。系统软件部分采用VC＋＋6.0中的ADO数据库访问技术,以Access为存储数据库开发。通过应用测试,此系统识别率高,稳定性较好,有效地提高了煤矿的智能化管理水平和工作效率。     

基于RFID和ZigBee网络的通用分级考勤管理系统

【目的】针对考勤管理移动性差、数据难以共享、过于依赖网络和后台计算机等缺陷,设计一种基于射频识别技术(RFID)和ZigBee网络的通用分级管理考勤系统。【方法】基于MFRC500与STC89C52设计被动非接触式RFID考勤读卡子系统;采用CC2530设计ZigBee无线传感网络;基于Linux/QT完成ARM主控平台开发。【结果】系统实现多RFID读卡子系统的自组网、子节点与主控平台的分级管理。【结论】测试表明,该系统部署灵活,能适应复杂的楼宇环境,且性价比较高,具有一定推广价值。     

大跨度预应力混凝土箱梁桥的健康监测系统

为了解决大跨度预应力混凝土箱梁桥出现的严重的安全问题(如结构性开裂和不正常的过度下挠等),设计和构建了该类箱梁桥的结构健康监测系统。依据箱梁的结构与损伤特点,该系统的软硬件包括5个部分:结构与环境温度监测子系统、挠度监测子系统、应变监测子系统(含箱梁桥关键断面的应变及主要裂缝的宽度)、动力特征监测子系统以及数据无线传输子系统。根据对箱梁桥该系统建设的经验与部分现场监测的结果,对健康监测系统的设计和构建提出了新的建议。     

基于LBP和几何混合特征的人脸识别

提出一种基于ASM几何特征和LBP局部特征的人脸识别新方法。该方法首先使用ASM算法对样本数据进行区域筛选,然后通过LBP特征与ASM特征构建融合特征对人脸进行识别。本文使用JAFFE人脸数据库和CK+数据库进行算法测试,实验结果表明本文提出的方法比单独使用ASM和LBP特征在人脸识别率上有较大的改善。     

一个面像识别系统的实现

用VC 这类语言实现面像识别算法，工作量很大，如果用MATLAB实现，虽然在图像处理及模式识别方面较为方便，但运行速度慢。针对这个问题给出一种开发方式，在VC 平台上开发系统主控模块及数据库系统，用MATLAB实现基于DCT变换的面像识别子系统，由MATLAB编译成C 动态库源程序，在VC 下修改并编译成动态库，由主控模块调用动态库实现面相识别。该方法具有可以灵活选择识别算法、识别率高、开发方法容易、开发周期短、可移植性强等优点。     

一种思维系统模型和工作日行为的计算机仿真

人的思维活动是很难仿真的，它要同时处理海量的随机生成或其行为生成的信息．作者提出一种简单的思维系统模型用于人工智能和机器人学，给出了一种工作日行为的计算机仿真．这个思维系统主要由记忆、知识库、学习系统、运算和认知系统、决策系统、通信和神经网络系统组成．思维活动主要由所有子系统的行为构成．采用这个思维系统模型对人的工作日行为进行了计算机仿真．结果较好．     

基于P2DHMM的人脸识别算法

基于隐马尔科夫模型（HMM）人脸识别算法,将改进的伪二维隐马尔科夫模型（P2DHMM）算法应用于ORL人脸库。在VisualC＋＋6．0平台下进行的实验表明,P2DHMM算法在保证较高识别精度的同时,极大地提高了人脸识别速度。     

基于知识的遥感图像分类系统

本文应用问题求解的黑板模型并利用产生式系统作为基本软件结构,设计并实现了一个基于知识的遥感图像分类系统;对知识获取与表示进行了研究;通过实验论证了系统的可行性.     

人脸识别系统的设计与实现

随着社会信息化、网络化的发展,自动身份认证逐渐成为一种趋势,人脸识别以其特有的便利性成为当前研究的热点.在学习前人的图像处理技术基础上,综合考虑各方面条件,在算法上采用人脸识别领域中的HAAR方法对人脸进行检测,采用PCA方法进行人脸特征提取;在图像显示上采用JavaWeb开发的SSH框架对图像进行处理,将C++图像处理的便利条件和Java Web开发的友好效果结合起来.最终实现的功能是:从人脸图像库中找出与上传人脸最相似的前三个人脸图片,并显示他们的信息.     

边坡稳定性评价的多层模糊模式识别方法

鉴于边坡稳定性分析中存在影响因素权重确定困难的问题，在多层模糊优选理论与模型的基础上，提出了多层模糊模式识别评价模型。整个评价系统分为三层，第一层由各影响因素组成，为输入层：第二层由若干子系统组成，每个子系统包括若干影响因素；第三层为输出层，由一个子系统构成。通过比较子系统内各因素的重要性和各子系统的重要性可分别确定子系统内各因素的权重和各子系统的权重，采用这种方式定权比直接对所有影响因素进行比较定权相对容易、合理。第一层和第二层的输出采用二级模糊模式识别模型计算，第三层的输出采用多级模糊模式识别模型计算。实例分析表明，应用该模型进行边坡稳定性评价能取得较好的效果。