基于AdaBoost分类器和特征脸的人脸检测与识别

本文在人脸检测与识别技术理论研究的基础上,提出了一种有效的人脸检测与识别机器学习方法.该方法采用了海尔特征级联的AdaBoost分类器进行人脸检测,使用了特征脸的主分量分析法进行人脸识别.实验结果表明该方法能较快地定位并跟踪人的脸部,然后通过比较人脸数据库能较好地识别出待检人物的身份.     

基于Adaboost的人脸识别算法研究

人脸识别技术作为当前的研究热点之一,主要包括识别和检测2大方向.人脸识别的研究内容主要是如何快速准确的在人脸数据库中识别出目标.目前,越来越多的应用需要在复杂条件下处理图像后获得人脸的清晰图像,因此人脸识别成为了研究热点.本文,笔者提出了使用Adaboost算法进行人脸的正面和左右侧面检测,实验结果表明,该算法识别效果好、实时性好、检测速度快.     

基于Adaboost的人脸识别算法研究

<正>人脸识别技术作为当前的研究热点之一,主要包括识别和检测2大方向。人脸识别的研究内容主要是如何快速准确的在人脸数据库中识别出目标。目前,越来越多的应用需要在复杂条件下处理图像后获得人脸的清晰图像,因此人脸识别成为了研究热点。本文,笔者提出了使用Adaboost算法进行人脸的正面和左右侧面检测,实验结果表明,该算法识别效果好、实时性好、检测速度快。     

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.     

基于特征绑定的ASM人脸检测研究

近年来,人脸检测识别方法得到飞速发展,基于ASM特征的识别方法因具有定位精度高而得到广泛应用。然而,当相邻两个特征点位于不同器官时,使用该方法时特征点间会产生连带效应。本文提出基于特征绑定的ASM人脸检测算法,克服了传统ASM方法存在的连带效应。由于使用该方法不需要直接检测完整的人脸,因此其对人脸偏转、部分人脸遮挡、用户佩戴眼镜等情况有较高的准确性和鲁棒性。     

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.     

基于WiFi和人脸比对的课堂手机考勤系统

为了防止学生替课和课上利用智能手机玩网络游戏、聊天、看视频等影响课堂教学的情况发生,设计了一种结合WiFi和人脸比对的课堂手机考勤系统.该系统由学生端、教师端和无线WiFi路由器组成.学生端利用人脸活体检测和人脸比对进行登录,以防止替课情况发生.教师端通过无线路由器的课程WiFi与学生端建立通信,获取学生端的学号、姓名和MAC,进而判断学生端的考勤状态,防止学生端玩网络游戏、聊天、看视频等情况发生.该系统简单易操作,能够全面地显示和记录学生出勤情况,这将提高课堂教学秩序和教学质量,为开展相应教学研究提供详实可靠的数据基础.     

基于流处理器的YUV视频模糊度分析方法

视频在传输和编码转换过程中可能会出现质量下降,因此需要对传输后或者编码转换后的视频进行质量判断,以此来确定传输或者编码转换的效果.传统使用肉眼进行主观判断的方法存在误差较大的问题,因此需要一种更加精确的评价模型.在无参考评价模型的基础上,给出了一个基于流处理器的模糊度分析模型,它能够并行地对大量YUV视频进行逐帧的模糊...     

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。     

体育视频中基于卡尔曼滤波器的运动员人脸检测识别方法

针对体育比赛期间运动员的检测识别并显示对应统计信息问题,提出了一种运动员人脸检测识别方法 .主要分四个步骤:第一步,利用一阶卡尔曼滤波器跟踪被检测目标;第二步,使用AdaBoost和Haarlike特征检测进行特征选择和分类;第三步,利用推进方法进行人脸检测;第四步,利用LDA初始化的AdaBoost算法识别人脸.用数码相机采集412张不同图像进行实验.实验结果表明,本文提出的方法在大部分情况下都能获得最高的球员检测精度和人脸识别精度.