基于特征人脸和肤色统计的人脸检测

提出一种在视频中检测人脸的新方法,该方法首先用特征人脸检测第一帧画面中人脸的位置和大小,将它作为卡尔曼(Kalman)滤波的初始值和肤色分布统计的训练样本,然后利用卡尔曼滤波预测人脸,最后用肤色分布模型确定人脸,就可以检测到人脸。这种方法的优点是可以在复杂背景下快速准确地检测到人脸位置和大小。实验结果表明使用该方法可以实时准确地检测到视频中的人脸。     

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．     

基于正交余弦变换域概率主成分分析的嵌入隐马尔可夫人脸识别模型

提出并证明了概率主成分分析作用于正交余弦变换(DCT)域与作用于空域所获得的结果相同.利用DCT变换的快速压缩性能和概率主成分分析的软降维性能来稳定地获取和表示人脸的局部特征,并把得到的特征向量作为嵌入隐马尔可夫模型的观察向量,建立了基于DCT域概率主成分分析的嵌入隐马尔可夫人脸识别模型.该模型应用于不同表情和光照下的人脸识别,取得了较好的实验结果.     

多分类器结合的人脸识别

用贝叶斯理论分析了常见的和、积、中值及投票多分类器结合方法,指出它们各自的缺陷,类比真实的选举情形,对原投票法进行了改进：赋予不同分类器不同的“说话份量、被重视程度”,即不同权值,增加“第二候选人”备选,并考虑“第一与第二候选人”的可信度差给予“附加选票”。采用Olivetti和Oracle研究室的人脸图像库,结合本征脸法、协同算法和自联想神经网络法分类器,对比了新方法和常见结合方法。实际结果表明,改进的方法有较好的识别率。     

结合小波低频子带的主成分分析方法

针对单样本人脸识别问题,提出了一种结合小波低频子带的主成分分析方法.为了加强单样本图像的分类信息,该方法将原训练样本与其小波低频子带重构图相结合,然后对结合的训练样本进行主成分分析.在ORL人脸库上的实验结果表明,当训练集中每个人只有一幅人脸样本图像时,文中方法的识别率比标准特征脸法高3.6%,而所使用的特征脸个数减少14.8%.     

人脸检测研究现状和发展

人脸检测问题已经成为计算机视觉领域中的重要问题．从显式特征和隐式特征两个方向出发，分析了肤色模型、模板匹配、特征脸、人工神经网络、支持向量机及积分图像特征等多种方法在人脸检测中的应用，对人脸研究问题的现状作了全面介绍，并通过对相关论文的系统分析，在相同的测试集上对部分方法进行了比较和评估，指出了相应方法的适用性，最后提出了该研究领域还存在的问题及发展趋势．     

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.     

属性均值聚类二叉树及其在人脸识别中的应用

在无监督的属性聚类网络的基础上,提出了一种二叉树分类方法。此二叉树自然地在无监督聚类的基础上扩展开来,成为一有监督的分类方法。用ORL人脸数据库做了测试,同标准的特征脸(eigenface)方法相比,识别率得到了较大的提高。     

基于特征融合的人脸识别

针对单一的人脸特征在识别中的局限性,提出了一种基于特征融合的人脸识别方法,首先利用主成分分析获得原始输入图像的特征脸,经图像重构处理得到原始图像的余像,然后抽取余像的特征脸,最后将两种特征脸按一定的权重融合成一个组合特征进行人脸识别,通过针对ORL人脸数据库的实验表明:该特征融合方法的人脸识别是行之有效的,优于传统特征脸的方法,识别率可以达到91.5%.     

基于特征脸和神经网络的人脸表情识别方法

当前人脸检测系统主要使用的是基于主成分分析算法和神经网络技术,本文提出了识别不同特征点的另一种技术,所提出的识别系统用来实现特征提取、主成分分析和人工神经网络,即用特征脸和主成分分析算法进行人脸识别.在主成分分析算法中,通过识别初始人脸图像集得到特征向量和特征脸,然后这些人脸被投射到特征脸上以计算权重,这些权重建立人脸数据库以便通过神经网络进行人脸识别.测试结果表明,其准确率达82.1%,达到了理想效果.