基于人脸识别的面部民族特征研究

提出基于人脸识别技术的面部民族特征的主要研究方法和研究内容。通过建立中国各民族人脸数据库,利用人脸识别技术对其进行特征提取,构建民族特征的弹性模板用于采集面部全局和局部特征;采用多特征分类器对数据集进行学习,最终对人脸的民族特征进行判别;利用代数特征方法和几何特征方法对藏族、维吾尔族、蒙古族等几个民族的平均识别准确率分别达到82.2%和92.3%。相关的研究工作不仅完善了中国各民族特征和识别的研究内容和方法,同时也为民族识别提供了新的科学手段,并且丰富了人脸识别技术的研究内容。     

基于SVM的人脸表情识别

以人脸表情视频序列为研究对象,介绍了人脸表情识别的一般过程,给出了基于SVM的人脸表情识别方法,讨论了面部表情强度度量方法。通过分析人脸表情的变化,在L-K光流算法基础上应用修正的特征点跟踪方法提取面部特征信息,使用SVM建立人脸表情模型和强度模型,进行表情识别,并对高兴表情进行强度等级分类。实验结果证明了提出方法的有效性。     

基于视觉词袋模型的人脸识别方法

近年来,基于视频的人脸识别吸引了很多人的关注,同时,视觉词袋模型已成功应用于图像检索和对象识别中.论文提出了一种基于视觉词袋模型的人脸识别方法,该方法首先在兴趣点提取尺度不变特征变换的图像描述,这些兴趣点由高斯差分检测,然后基于k均值生成视觉词汇,并使用视觉单词的索引以取代这些描述符.然而,在人脸图像中,由于面部姿势失真,面部表情和光照条件变化,采用尺度不变特征变换描述符后识别效果并不理想.因此,论文使用仿射尺度不变特征变换描述符作为人脸图像表示法.在Yale及ORL人脸数据库上的实验结果表明,在人脸识别中,本文方法可以获得较低的错误率.     

基于深度学习的人脸表情识别研究与应用

人脸面部表情是人机交互和非言语交际的有效方式,对面部表情进行识别并分析,可以获取很多信息,在安全监控、人工智能、军警、心理学等领域有着许多不同的应用。本研究基于深度学习对人脸表情识别进行深入研究,采用Open CV内置算法进行人脸检测,利用卷积神经网络进行面部表情识别,实现对人脸最基本的7种表情包括愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中立分别进行识别。与传统的人脸表情识别方法相比较,卷积神经网络的识别精度高,训练参数少,在面部表情特征表现明显的情况下,对7种表情的识别精度都能超过70%以上。     

人脸识别及其在公安工作中的应用研究

目前计算机视觉最多且最受欢迎的应用之一就是人脸识别。针对人脸识别的3个过程——人脸的检测、人脸面部特征的定位、人脸的比对,人脸识别所用的主要技术包括人脸检测与跟踪技术、面部关键特征的定位及人脸2D形状检测技术、人脸确认与识别技术。由于人脸识别技术具有方便、易为人接受、不易伪造等优点,可用于身份认证、视频监测及视频资料检索分析等方面,随着其技术的成熟与发展,在公安工作中越来越得到广泛的应用。     

基于面部曲线特征融合的三维人脸识别

针对三维人脸识别,提出了一种基于面部等测地轮廓线并结合局部特征和整体特征的人脸识别方法.首先,在人脸中提取到鼻尖点等测地距离的点组成等测地轮廓线来表征人脸面部曲面;然后,根据重采样后轮廓线上点的邻域信息提取局部特征,根据轮廓线的整体形状信息提取人脸整体特征;最后,分别利用比较局部特征和整体特征,将比较结果在决策级融合,给出最终识别结果.所提算法在FRGC(face recognition grand challenge)v2.0数据库上进行测试,测试结果表明,特征融合后的识别性能优于单一特征的识别率,且具有较好的表情鲁棒性.     

美国开发出三维面部识别软件

三维面部识别是生物特征鉴别技术的前沿研究热点，由于人脸三维数据获取困难、数据海量存储和计算困难等，三维面部识别研究一直突破不大。最近人脸识别技术取得新进展。美国休斯敦大学的卡拉法蒂斯教授和他的研究团队开发出三维URxD面部识别软件。该软件使用面部的三维快照获得人脸某个独一无二的标识符，考虑了人脸部的轮廓、结构、红外线成像特点，也考虑了时间因素。研究人员使用一套包含电脑、光学扫描器和网络摄像头的识别系统，     

基于中性模型与真人照片的三维人脸建模

三维人脸建模一直以来都是三维建模中的热门研究课题。利用中性人脸模型CANDIDE-3和正、侧面照片,结合人脸特征点识别技术,提取照片特征点,对正交照片二维特征点进行整合补充获得一组三维人脸特征点信息,通过该组特征点校正并匹配中性模型获得特定人脸模型,再提取照片中人物面部纹理获得具有真实感的特定人脸三维模型。经验证,该方法能以较低的开销获得精确度较高的特定人脸模型。     

基于注意力机制的人脸表情识别网络

人脸表情识别一直是计算机视觉领域的一个难题.近年来,随着深度学习的飞速发展,一些基于卷积神经网络的方法大大提高了人脸表情识别的准确率,但未能充分利用人脸图像中的信息,这是由于对于面部表情识别有意义的特征主要集中在一些关键位置,例如眼睛、鼻子和嘴巴等区域,因此在特征提取时增加这些关键位置的权重可以改善表情识别的效果.为此...     

基于SIFT的视觉单词在人脸识别中的研究

近年来,基于视频的人脸识别吸引了很多人的关注,同时,视觉词袋(BoWs)模型已成功地应用在图像检索和对象识别中。提出了一种基于视频的人脸识别的方法,它利用了视觉单词,在经典的视觉单词中,第一次在兴趣点提取尺度不变特征变换(SIFT)的图像描述;这些兴趣点由高斯差分(DoG)检测,然后基于k均值的视觉词汇生成,使用视觉单词的索引以取代这些描述符。然而,在人脸图像中,由于面部姿势失真,面部表情和光照条件变化,SIFT描述符不是很好。因此,使用仿射SIFT(ASIFT)描述符作为人脸图像表示法。在Yale及ORL人脸数据库上的实验结果表明,在人脸识别中,基于仿射SIFT描述符的视觉单词方法可以获得较低的错误率。     

多民族人脸和眼动情感数据库的构建

多民族情感计算和识别研究有利于分析和理解不同民族之间情感表达的差异性,而不同民族之间的情感分析和识别研究需要以多民族情感数据作为数据基础。利用情感诱导视频等方式采集人的面部表情和眼动数据,建立了包含5个民族6种基本表情的多民族情感数据库。其中包含11328幅表情图片和196个眼动轨迹信息。实验过程中对图像和数据文件名构建编码规则,对取得的表情图片数据进行灰度化、人脸关键部位截取等图像处理,同时提取眼动仪记录的眼动数据,将表情图片及眼动轨迹信息进行整理,进而组成多民族情感数据库。该数据库的建立对多民族情感识别和智能人机交互领域的发展起到一定促进作用。     

贺州不同族群成员语言掌握情况的计量研究——贺州多族群语言与族群认同关系研究之一

贺州是典型的多族群、多语言地区,被知情的学者称为＂岭南族群博物馆＂。贺州的族群认同呈多样化态势,其中语言认同最为凸显。通过贺州不同族群成员语言掌握情况的计量统计与分析,得出以下基本结论：贺州各族群语言的自我认同度及相互认同度均相对较高,是贺州各族群族群意识及族群向心力强、族群边界相对明晰及族群关系良好的具体体现;贺州不同族群在对他族群语言的认同特征方面具有一定的差异性;贺州各族群及族群语言之间有一定程度的强势弱势之别。     

文化认同与民族服饰的流变

中国历史一个最显著的特点就是从很早的时间起，各个民族在通过各种方式联系与交往的基础上，逐步形成了文化认同与政治认同的互动机制。在民族的生存和发展过程中。民族服饰往往以直观的方式参与并反映民族间的联系和交往。历史上有三次突出的民族服饰的流变：一次是赵武灵王的胡服骑射；一次是唐代的开放唐装；还有一次是清代的旗装。民族服饰在彰显浓郁的民族和地域特色的同时，还是多民族国家文化认同的外在符号。     

多族群家庭的语言生活——以揭东县会中岭村为例

潮汕等其他族群妇女的嫁入,使得广东省揭阳市揭东县的会中岭村出现了客家丈夫与其他族群的妻子组成的多族群家庭。在这种多族群家庭中,由于妻子与丈夫及其他家人各自的母语背景不同、采取的语言使用策略不同,家庭语言生活渐趋复杂多样。     

构建多民族互嵌本科生团队的理论研究

在对“民族互嵌”概念及其内涵研究的基础上,结合民族高校民族互嵌社区环境特征,提出基于构建多民族互嵌式本科生团队的模式,实现创新创业教育与民族团结教育的深度融合,并在必要性、操作层面进行了深入探讨。对于民族互嵌本科生团队,一方面充分考虑了学生的文化和学习基础的差异性,有效地实施了因材施教;另一方面为构建和谐民族关系提供了有效的方式方法,实现了民族团结教育的实效性与针对性。     

探索城市社区民族工作服务管理新思路

城市化的发展加剧了人口向城市的流动，越来越多的少数民族群众进入城市，城市社区也向多民族化发展，社区已经成为各民族交往的重要场所，社区民族工作的工作量和工作难度逐年增加。搞好城市社区的民族工作，对促进民族团结、创建和谐社会有着重要的意义。了解社区民族工作的特点和工作意义，对社区民族工作中实际遇到的困难和问题进行总结、分析．才能更有针对性的探索具有可行性的工作思路。     

动荡中的客家族群与族群意识——粤东地区潮客村落的比较研究

粤东客家地区几个族群互动研究案例表明,族群认同的根基论(或称原生论)与情境论(或称工具论)两种理论在实践上并不是截然分开的,族群认同虽说是基于语言、血缘、习俗等文化特质的认同,但这种认同是以族群的互动为前提的。同时,粤东地区的调查点还说明,经过认同与互动过程的族群关系呈现的是多元模式的局面。这些观点都有利于族群研究的深化。     

基于改进的主成分分析法的矿工表情识别

针对传统的矿工面部表情识别方法中对矿工面部表情进行特征提取的时间较慢且识别准确率不高的问题,以主成分分析法为基础,运用Fisher线性判别法对传统的主成分分析法进行改进。首先在主成分分析法的基础上增加一个类间离散矩阵,使其投影后不同类别之间特征点的距离更大,同一类别之间特征点的距离更加紧凑,对矿工面部表情图像特征提取的结果更具有代表性和针对性;然后运用径向基神经网络将低维非线性可分的矿工面部表情图像对应的特征矩阵映射到高维空间并使其线性可分,从而实现对矿工面部表情的识别和分类。实验结果表明,所提出的方法对矿工面部表情识别的识别率为89.0%,优于传统矿工面部表情分类识别算法,在矿井安全监控、疲劳驾驶等领域有较好的应用前景。     

白族——一个值得研究的民族

白族是一个知道感恩，有所敬畏，追求和谐，世代传承的民族。深入研究这一民族，对于发掘优秀的少数民族传统文化，丰富多元一体、源远流长的中华民族文化具有积极的意义。     

跨文化研究与西部大开发──人类学学者访谈录之九

新疆是一个多民族的社会,其多元文化格局的形成,是在历史长河中许多族群互相交流、文化相互碰撞、互相吸收的过程中交融而产生、发展起来的,因此,只有通过田野调查,获得了足够的本土知识,才能在这个基础上做实证性的研究,这样一种跨文化的研究本身就具有本土化的特征。新疆人类学本土化一个重要问题即是如何认识和解释新疆的多元文化现象,然后让学术研究为西部大开发服务。