基于2DPCA和RBF神经网络相结合的人脸识别算法

人脸识别已成为图像处理工程领域研究的一个热点,本文首先简述了基于模型匹配的人脸识别方法,该算法利用人的脸部特征规律建立一个立体可调的模型框架,着重于解决人脸识别过程中的观察角度、遮挡和表情变化等因素的影响;文中最后提出了2DPCA和RBF神经网络相结合的人脸识别方法,并将该方法应用于ORL人脸库。实验结果表明,这种方法不仅具有较好的人脸图像识别能力,而且能够明显缩短识别算法的时间。     

基于ADsP-BF533的嵌入式门禁系统

人脸识别由于其在身份验证方面的便利性,成为当前模式识别和人工智能领域的一个研究热点。针对人脸识别门禁系统对高识别率,高识别速度等性能的高要求,本文提出一种基于ADsP一BF533,结合人脸识别、刷卡识别、键盘密码识别相结合的嵌入式门禁系统。系统采用ICA与FLD相结合的算法来实现人脸识别,实验效果良好。     

基于OpenCV的人脸检测系统设计与实现

在生物特征识别技术中,人脸识别不同于指纹识别,人脸识别是最自然、最直接、最友好的识别方法。人脸检测和识别在身份认证、视频监控、公安系统等领域有着广泛的应用。本文利用OpenCV中提供的Boosted Cascade算法进行人脸识别,结果表明识别效率较高,效果好。     

浅谈人脸识别技术

人脸识别技术是近10年在全球范围内迅速发展的一种有关计算机安全技术,是人体生物特征识别技术的一种。目前人脸识别是一个活跃的研究领域。具有重要的科学意义和巨大的应用价格。虽然人脸识别的准确性要低于虹膜、指纹的识别,但由于它的无侵害性和对用户最自然、最直观的方式,使人脸识别成为最容易被接受的生物特征识别方式。     

指纹与人脸混合识别技术在汽车防盗中的应用研究

生物识别技术是当今安全防盗性能较高的识别技术。目前,许多汽车单独采用指纹识别和人脸识别进行防盗,但是指纹识别技术在汽车防盗方面存在着指纹容易被高科技不法分子复制的缺陷,造成汽车防盗存在较大隐患;而人脸识别技术的识别精度会受外界环境影响,在一定程度上将造成识别可靠性的降低。文中针对指纹识别和人脸识别技术单独使用所存在的问题,提出将指纹与人脸混合识别技术应用于汽车防盗,解决指纹识别易被复制以及人脸识别的精度不稳定的缺陷,提高汽车防盗的安全可靠性与稳定性。     

基于OpenCV组合优化的人脸识别应用平台设计

人脸识别是最符合人的本能且便捷的识别认证方式,在人工智能领域广泛应用,多数的人脸识别的算法很容易受到外界因素的影响,或者要求识别者站在某一固定位置,识别缓慢和准确率不高。本设计实现了一种基于Open CV的人脸识别的应用平台,首先对人的脸部图像进行采集和预处理,通过对算法优化,利用平台的Eigenfaces、Fisherfaces和LBP(local binary patterns histograms)三种用于人脸识别的算法协同多重使用,并在判定人脸识别系统识别到待检测目标的同时再加上限制条件,再结合Qt框架搭建用户界面,实现人脸模块训练和人脸识别的功能。经过测试,系统界面友好,运行稳定,对人脸位置和环境光照变化具有较好鲁棒性,能快速和准确地对人脸实时检测和识别。     

芝麻，开门吧——清华大学苏光大教授热哀图像处理系统事业

人脸识别系统以人脸识别技术为核心,是一项新兴的生物特征识别技术,属于当今国际科技的高精尖领域。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。人脸识别系统应用广泛,具体包括人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、安全人脸识别电脑防范、人脸识别照片搜索、人脸识别来访登记等等。     

基于ADsP-BF5133的嵌入式门禁系统

人脸识别由于其在身份验证方面的便利性,成为当前摸式识别和人工智能领域的一个研究热点。针对人脸识别门禁系统对高识别率,高识剐速度等性能的高要求,本文提出一种基于ADsP-BF533,结合人脸识别、刷卡识别、键盘密码识别相结合的嵌入式门禁系统。系统采用ICA与FLD相结合的算法来实现人瞳识剐,实验效果良好。     

人脸识别系统及其在现实生活中的应用

计算机人脸识别技术是生物识别的一个重要分支.本文介绍了人脸识别系统的基本组成和常见的识别方法以及人脸识别技术在现实生活中的应用.     

人脸识别系统及其在现实生活中的应用

计算机人脸识别技术是生物识别的一个重要分支。本文介绍了人脸识别系统的基本组成和常见的识别方法以及人脸识别技术在现实生活中的应用。     

基于面部表情GEM和稀疏立方矩阵的三维人脸识别方法

针对姿态和表情变化对3D人脸识别影响较大的问题,提出一种基于面部表情通用弹性模型(generic elastic models,GEM)和稀疏立方矩阵的3D人脸识别方法.利用面部表情通用弹性模型构造3D人脸数据库,3D重建模型为所有人脸姿态创建稀疏立方矩阵(sparse cubic matrix,SCM),并利用自动头部姿态估计法获得人脸图像中三元组角度的初始估计值;为每个子集估计的三元组角度选择SCM的阵列;通过稀疏表示从SCM中选择阵列与探针图像.在FERET,CMU PIE和LFW数据库上的实验验证了提出方法的有效性.与几种优秀3D人脸识别方法相比,提出的方法识别率更高,当姿态变化角度较大时尤为明显.此外,对于480×640图像,LFW数据库上,预处理、人脸检测和分类的总平均处理时间仅为89.4 ms.     

基于贝赛尔曲面的三维人脸特征点定位方法

三维人脸识别技术中,人脸特征点的精确定位和匹配对后期的人脸识别起了极为关键的作用,为此提出了一种新的三维人脸特征点定位方法,利用矩阵特征分解求解每个特征点的基准平面,进而可用贝塞尔曲面来表达特征点附近的局部三维表面结构,对不同复杂结构的表面可用不同的精度描述,采用局部搜索和全局形状模型的约束相结合得到三维人脸特征点的精确定位.对三维人脸的特征点进行定位的实验结果证明,该方法比其他基于曲率分析的方法具有更精确的定位精度.     

利用主元分析识别人脸

简要叙述了人脸识别方法，用PCA算法实现了人脸的识别，并对实验结果进行分析，认为：PCA算法的识别率不是很高，达到78．6％，还需要改进提高，但它对于光照、姿势、是否戴眼镜、脸部表情有一定的鲁棒性。     

基于形变模型的三维人脸快速重建改进算法

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷, 提出一种三维人脸重建改进算法。该算法基于ASM（Active Shape Model) 增强算法, 自动地对特定二维人脸特征区域进行准确定位, 并实现三维人脸数据库的归一化; 利用稀疏形变模型对特定正面二维人脸进行快速三维重建; 采用明暗纹理恢复算法对重建后的三维模型人脸特征区域的每个顶点法线进行约束, 并将其应用于人脸识别中。实验结果表明, 该方法可实现对特定正面二维人脸快速三维重建, 并取得较好的三维重建精度与识别率, 与经典ASM算法相比, 精度提高12.3%, 迭代次数减少6次。     

基于三维重建的人脸姿态估计

人脸姿态估计是计算机视觉及人脸识别领域的一项关键研究内容.将三维模型应用于估计人脸图像姿态参数,提出了基于三维重建的人脸姿态估计算法.根据人脸正面图片上的特征点计算出形状参数,实现三维人脸重建.基于三维人脸模型,由姿态图片上提取的特征点信息推知等姿态下模型上对应特征点的信息,针对照模型正面姿态,运用线性回归估计姿态参数.实验表明,重建的三维人脸具有较好的真实感,在较大的姿态变化范围内,该方法也能够取得较好的估计精确并具有鲁棒性.     

人脸识别中的核方法

对人脸识别的关键技术和核方法的主要特点进行了简单的分析.指出:将核方法应用于人脸识别中,在特征提取的效率和识别的泛化能力等方面具备技术上的优势.结合国内外相关研究成果,介绍了可应用于人脸识别的三种核方法:基于核的主成分分析(KPCA)、支持向量机(SVM)和基于支持向量的数据描述(SVDD).文章的最后给出了一个应用实例以说明核方法在人脸识别领域中的有效性.     

基于注释人脸模型的三维面部数据局部匹配

传统人脸识别在非正常光照和姿势的情况下鲁棒性较低。针对非正常角度下人脸数据的局部缺失导致识别率降低的问题,提出了一种统一的解决局部匹配问题的方法。通过引入基于曲率和径向距离的3D标志指示器,进行3D人脸标志检测,采用注释人脸模型(annotation facial model,AFM)进行初始配准,扩展可变模型框架即利用在拟合过程中人脸对称性的优点,使得局部匹配问题可以将缺失数据完整化,从而真正地实现了姿态的不变性。最后,在通用的3D人脸数据库FRGCv2及来自圣母大学的人耳数据库的集合F、G上进行实验,验证了所提方法的有效性。     

基于人脸识别的门禁系统设计与实现

人脸识别技术是生物技术和计算机技术的复合应用,市场对门禁的安全性和可靠性的要求也越来越高;提出了一种基于ARM9处理器的快速人脸检测门禁系统设计方案;首先选择实用有效特征,简要介绍人脸检测和人脸识别算法的基本原理,针对该算法实现原理详细阐述硬件系统设计方案;最后在设计的硬件系统上进行算法移植,并开发门禁系统控制软件,实现了嵌入式快速人脸识别门禁系统的研制.通过分析测试结果,系统可靠运行高、速度快,能够实现门禁系统的功能.