基于余弦变换的人脸识别技术的研究

人脸识别技术能够有效的识别人的身份,如今在现实生活中有着广泛的应用.人脸识别技术可分为两大部分:人脸检测和人脸识别,其中人脸识别包括四个具体的过程:人脸图像预处理、特征提取、分类器和计算相似度,本文重点分析了基于离散余弦变换(Discrete Cosine Transform,DCT)的人脸图像预处理过程,并通过特征提取对比处理效果.     

融合全局和局部特征的稀疏表示人脸识别方法

针对人脸识别中如何提取到有效判别特征的问题,提出一种融合人脸图像全局和局部特征的稀疏表示人脸识别方法。首先将人脸图像用融合的特征提取算法进行特征降维,然后利用稀疏表示分类器对人脸图像进行分类判别。在ORL、Yale和FERET人脸数据库上的实验结果验证了融合算法在提高人脸识别精度方面是有效的。     

融合SIFT的多尺度分析人脸识别算法研究

由于人脸识别过程中会受到光照、尺度等因素的影响,采用传统的SIFT算法进行人脸识别时会出现匹配效果较差、无法匹配或是错误匹配的情况,因此提出了一种融合SIFT算法的多尺度分析的人脸识别算法。首先在粗尺度上,采用形态学边缘检测算法对原始的人脸库进行轮廓特征提取,形成新的人脸库;然后在细尺度上,采用SIFT算法对新的人脸库进行人脸识别与匹配。采用ORL人脸库对改进后的算法进行验证,实验结果表明改进后的SIFT算法较好地解决了传统SIFT算法的不足,计算量大大减少,人脸图像的识别效率与匹配效率得到了有效提升。     

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。     

基于样本扩展和线性子空间特征提取的单样本人脸识别

针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析（principal component analysis, PCA）对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率.     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

基于Snake模型和协作表示分类的鲁棒人脸识别方法

人脸图像的姿态和偏转角度变化严重影响人脸识别的性能,为此提出一种基于Snake模型姿态矫正和协作表示分类(CRC)的鲁棒人脸识别方法.首先,利用Snake模型提取人脸图像边缘和特征点,对偏转人脸图像进行矫正.然后,提取Gabor特征,构建特征向量.最后,采用CRC算法,对图像特征进行协作表示,根据样本图像与测试图像的残差来判断图像类别.实验结果表明,提出的方法对偏转角度、姿态、光照变化具有很强的鲁棒性.     

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.     

基于小波变换和小波神经网络的3D遮挡人脸识别方法

提出一种基于小波变换和小波神经网络的3D遮挡人脸识别方法.首先,对待检测人脸的深度图像进行小波变换,计算各层小波变换系数与数据库中平均人脸深度图像的小波变换系数之间的距离,通过阈值分割得到遮挡区域的二值掩膜,进而得到人脸的遮挡区域;然后,对非遮挡区域提取小波变换系数,构建小波神经网络分类器,依据小波网络的人脸空间距离进行3D遮挡人脸识别.仿真实验表明,该文方法对3D人脸的有意遮挡和无意遮挡的鲁棒性强、识别性能好.     

基于第二代曲波的人脸识别算法研究

为了能够提高人脸识别的效果,深入地研究了第二代曲波在人脸识别中的应用.首先,分析了第二代曲波的基本理论.其次,分析了基于第二代曲波变换的加权算法.然后,分析了基于第二代曲波加权的双向二维主成分分析人脸识别算法.最后,进行了算例分析,对ORL和Yale人脸数据库的人脸图像进行了人脸识别仿真实验,实验结果表明改进的算法具有识别率高和识别时间短的优点.     

基于二维有监督测地线判别投影的戴眼镜人脸识别

针对戴眼镜人脸识别问题,提出了二维有监督测地线判别投影(2D Supervised Geodesic Discriminant Projection,2DSGDP)方法.该方法在扩充虚拟样本库的基础上,分析戴眼镜人脸图像和不戴眼镜人脸图像,及戴不同眼镜人脸图像的差异,提取判别特征用于识别.该特征同时考虑类内类间差异,寻...     

基于Gabor滤波与灰度积分的人眼快速定位方法

本文提出了一种基于gabor小波滤波器和灰度积分投影技术的眼睛定位方法。首先通过图像预处理技术中的gabor小波进行预处理去除图像噪声,消除人脸图像因为曝光条件不同而造成的模糊,得到灰度分配较为均匀的图像,然后分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标,实现了准确的眼睛定位,从而为进一步提取其它特征点打好了基础。该方法能提高人眼定位的计算速度,适合实时性要求高的场合。仿真实验验证了该方法的稳定性和有效性。     

基于分块加权的LBP算法在人脸识别中的应用

目前,高智能化的人脸识别系统一般都是基于PC平台,系统复杂集成度高,需要优异的软硬件支持。嵌入式技术的应用,有利于提高人脸识别系统的灵活性与有效性。本文针对传统的人脸识别算法提出一种改进的LBP算法用于人脸识别。实验结果表明:该算法在ORL、Yale及自建的人脸库上也能进行人脸识别。     

基于分块SIFT和GMM的人脸识别方法

当前人脸识别方法对采集环境要求严格,多是基于不变特征格,普适性不强.提出一种基于分块SIFT和GMM的人脸识别方法,首先在人脸整体和各分块图像上分别提取SIFT特征,并采用PCA方法进行降维处理,得到鲁棒性强和区分能力好的人脸特征;然后借鉴假设检验的思想,用通用的背景模型描述生物特征识别问题,并通过GMM方法和本文提出的成对模型构建人脸的背景模型和个体模型,据此计算待识别样本与注册样本之间的相似度,求取分类指数,采用分层决策框架实现人脸识别.仿真实验表明,本文方法对环境变化的识别鲁棒性强、识别性能好.     

边缘保持滤波与视觉最优准则的人脸图像光照归一化

受计算摄影学中边缘保持滤波器的启发,提出一种人脸图像光照归一化方法,能有效处理复杂光照条件下的人脸识别问题. 该方法采用加权最小均方边缘保持滤波器将亮度图像精确地分解为反射层与阴影层,根据视觉最优准则进行直方图匹配映射,获得视觉质量最优的光照归一化人脸图像. 对YALE-B 与CMU-PIE 人脸数据
库的识别结果表明该方法有效.     

基于中间值的最大间距准则特征提取方法

针对最大间距准则算法中训练样本类内平均值并不能对类内中心做精确估计的问题,提出一种基于中间值的最大间距准则特征提取方法.首先应用样本中间值代替样本的平均值来重新定义类间散度矩阵和类内散度矩阵,然后根据最大间距准则思想得到最优投影矩阵,最后利用三阶近邻分类器进行分类识别.在ORL、Yale和FERET人脸图像库上的仿真实验结果表明,该方法不仅提高了人脸识别率,而且具有较强的鲁棒性.     

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.     

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.     

基于KPCA及最佳鉴别独立分量的人脸识别方法

首先分析了独立分量分析(ICA)在人脸识别应用中存在的一些问题,然后从3个方面对基于独立分量分析的人脸识别方法进行了改进:首先利用KPCA将人脸映射到特征空间,在特征空间进行ICA得到相对于原样本的非线性独立分量,从而得到一种非线性独立分量分析的方法;其次,定义了Fisher鉴别信息作为选取最佳鉴别独立分量的准则;最后,提出了一种用最佳独立分量表示待识别人脸图像的方法,克服了用直接投影得到的特征不准确的问题.基于ORL人脸数据库的实验表明,利用此改进的非线性最佳鉴别ICA方法,可以得到优于FLDA方法的识别性能,且在特征数较少时仍能得到较好的识别稳定性.