小波和神经网络在人脸光照校正中的应用

提出一种基于小波和神经网络的人脸光照校正算法, 它 充分结合了小波的多分辨分析和BP神经网络的自适应学习和良好推广能力的性质, 对人脸进行光照校正. 理论和实验证明, 本方法能有效解决人脸检测和识别中的光照校正问题, 使不同光照条件下的人脸检测和人脸识别性能得到很大提高. 本方法还具有鲁棒性好、 适应面宽的特点.     

基于角点检测、Zernike矩和神经网络的人脸特征点提取方法

提出了一种提取人脸上的特征角点（ 如眼角、嘴角等） 的方法,其主要思路是：首先利用角点检测方法提取人脸图像中的角点,然后通过Ｚｅｒｎｉｋｅ 矩和神经网络对它们进行筛选,从而达到自动提取人脸上特征角点的目的．通过实验,验证了算法的有效性．人脸特征点提取的方法,对于一般情况下的目标特征检测仍具有借鉴意义     

基于小波变换和PCA分析的人脸识别方法及实现

针对传统的特征脸对光线、角度、尺寸等因素比较敏感的问题,在二次小波变换的基础上,对人脸库进行主成分分析（PCA）,提取特征脸和代数特征,并用BP神经网络对人脸进行识别,该算法充分利用小波变换和神经网络的自适应特性,得到较好的识别效果．     

基于分块FLD的图像特征提取方法

提出了基于分块Fisher线性鉴别（Fisher＇s Linear Discriminant,FED）的特征提取方法,先对图像矩阵进行分块,将分块得到的子图像矩阵直接用来构造类内和类间离散度矩阵,然后利用Fisher鉴别函数取极大值时得到的最优投影方向进行图像的特征提取。分块FLD方法是二维FLD方法的推广,该方法可以提取每一单元块的局部特征,在ORL人脸库上的实验结果表明该方法在人脸识别性能方面优于二维FLD方法。     

基于离散余弦变换和支持向量机的人脸识别算法

提出了一种基于DCT提取人脸特征技术和支持向量机分类模型的人脸识别方法。利用离散余弦变换可提取人脸可识别的大部分信息,而支持向量机作为分类器,在处理小样本、高维数等方面具有独特的优势,且泛化能力很强,无需先验知识。从ORT人脸库上的实验结果可以看出,DCT特征提取是很有效的,且SVM的分类性能优于最近邻分类器,同时提高了整个系统的运算速度。     

单样本条件下基于图像增强和Fourier频谱的人脸识别

目前有许多处理正面视觉人脸的识别方法,当有充分数量的有代表性的样本时,能取得较好的识别效果。然而当处理单样本识别问题时,现有的许多方法的识别率将明显下降或甚至不适用。为了加强单训练样本的分类信息,训练样本与其基于受扰动的奇异值的重构图组合成新样本,Fourier频谱作为人脸识别特征,在ORL人脸库上的实验结果表明了该方法的有效性。     

一种基于人脸与语音识别的智慧教室控制系统设计与实现

随着信息和计算机技术的飞速发展以及对更高效便捷的教学方式的追求,人们对多媒体教学系统的安全性与智能性提出了更高的要求.由于现有的多媒体教学系统太过传统并不适应信息时代新型教学方式的需求,而且部分教师对当今多媒体教室的使用不是特别熟悉,教学设备也不够智能,未能充分利用人脸等生物特征,缺乏语音识别交互命令功能,在教学演示的智能性上也有待提高.针对这一现状,本文设计并实现了基于人脸与语音识别的智慧教室系统,该系统基于Python语言开发,利用树莓派完成对硬件的控制,使教师在上课时可以利用语音来控制教室中所有的设备,提高上课效率.     

改进的二叉树支持向量机在人脸识别中的应用

针对人脸识别问题,提出一种基于奇异值分解特征提取和改进的二叉树支持向量机实现多分类的人脸识别方法。在使用改进的二叉树支持向量机对不同人脸图像的奇异特征向量进行分类时,先利用Mercer核,将输入空间非线性可分的训练样本映射到高维特征空间Hilbert中,使之线性可分,将类超球体半径分解成核心半径和最小半径,通过两者加权计算最终的类超球体决策半径,并以此半径大小为依据生成二叉树结构。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。     

基于多次分割的疲劳驾驶的检测方法研究

针对目前常用的人眼检测方法误判率高,计算量大的特点,提出了一种基于多次分割的机器视觉人眼检测方法,进行疲劳驾驶检测研究。首先,将图像由RGB颜色空间转换至HSL空间,设定HSL空间分割阈值得到人脸初分割图像(第一次分割),经过滤波,膨胀、腐蚀等操作后与源图像进行掩膜。然后,按照初分割方法再进行第二次和第三次人眼分割;最后利用统计双眼面积和的方法实现疲劳检测。动态实验中,人眼识别准确率为93%,疲劳检测准确率为90%,表明该方法能较好地解决复杂背景中人眼定位问题,准确率较高、速度快,算法移植性强。     

基于多任务学习的跨年龄人脸识别

为了解决年龄因素影响下的人脸识别问题,设计了一种多任务学习模型,用以进行年龄干扰下的人脸识别.通过卷积神经网络对人脸图像进行全面的特征提取,作为多任务学习的主干部分;使用特征分解模块提取出具有年龄相关信息的掩码层,从而从混杂的人脸特征中分离出年龄信息和身份信息;通过交叉熵损失函数和Arcface函数分别对年龄特征和身份特征进行约束.提出的网络对年龄干扰下的人脸特征具有较好的识别能力.