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.     

篮球视频中基于AdaBoost分类器的运动员检测方法

针对篮球视频中运动员的检测识别问题,提出一种基于AdaBoost分类器的检测方法 .首先,从视频中获取有用帧,并通过SampleCreator软件来标记运动员,提取出全身和上半身矩形图像.然后,基于积分图技术从对象图像中提取Haar特征.接着,利用AdaBoost算法选择出具有较强分类性能的特征,训练一系列的弱分类器,并将其进行级联来构建最终的强分类器.最后,通过强分类器对Haar特征进行判别,从而检测图像中的运动员.实验结果表明,该方法能够准确检测并识别视频中的运动员.     

基于特征的弹性图匹配人脸识别算法

提出一种基于特征的弹性图匹配人脸识别算法(FEGM).它包括两个步骤,首先利用Gabor进行人脸特征(如眼、鼻子、嘴等)的检测、定位,提取一组Gabor小波系数矢量;然后在代价函数的约束下,对各个特征都执行弹性图匹配,并使总体代价函数尽可能的小,从而得到联合识别结果.在Yale人脸库上的实验表明,识别率确实得到提高.     

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.     

基于深度置信网络和生成模型的驾驶疲劳识别

驾驶疲劳识别研究对预防交通事故提高交通安全具有重要意义.提出了一种基于深度置信网络和生成模型的驾驶疲劳识别方法.为了有效地表示疲劳,采用深度置信网络从人脸图像中提取疲劳特征;结合已标注样本和未标注样本,提出了一种基于生成模型的半监督学习的疲劳识别方法,解决了疲劳识别中的小样本问题.在自建疲劳数据库上,采用该方法进行了驾驶疲劳识别的仿真实验,同时和其他几种方法进行了对比,结果表明该方法具有更高的识别精度.     

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.     

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。     

核最近特征分类器及人脸识别应用

将最近特征线(NFL)、特征面(NFP)和特征子空间(NFS)分类方法推广为基于核的NFL、NFP和NFS,其优点是可直接对高维的人脸图像样本进行识别,而无需先抽取人脸图像特征,使在训练样本数较多、特征抽取在计算上难以实现的情况下也能直接识别.其中对KNFS得出了两种计算方法,一是KNFP的直接推广,二是利用核主分量分析构造非线性特征子空间.基于ORL和YALE数据库的实验验证了此方法直接识别高维人脸图像的有效性.     

粗粒度部分动态可重构的人脸检测

人脸检测系统应用在嵌入式环境中需满足多种约束,高计算密集性、控制密集性是实时实现困难的主要原因. 文中提出一种基于名为“REMUS-II”的粗粒度动态可重构架构的人脸检测系统,把层叠型AdaBoost检测算法划分成多个非连续子任务,通过邮箱通信调度、配置流和数据流优化方法来提高指令级并行度和任务级并行度.实验结果表明,检测分辨率为640£480 的图片可获得17 帧/s 的平均检测速度,正面人脸检测率保持在95% 以上.在TSMC 65 nm CMOS工艺、200 MHz工作频率下,REMUS-II 面积约为24 mm2,功率约为194 mW.     

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.     

基于多特征融合与机器学习的篮球运动姿态识别

为了有效识别篮球运动员的运动姿态,提升运动员的训练效果,提出了一种基于多特征融合和机器学习的篮球运动姿态识别方法。该方法利用惯性传感器采集运动员的加速度和角速度数据,分别从时域和频域提取多维运动姿态特征,通过特征选择和机器学习实现篮球运动姿态识别。实验结果表明,该方法能够有效识别篮球运动姿态,姿态识别平均准确率达到97%以上。     

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.     

一种基于KCCA的小样本脸像鉴别方法

基于典型相关分析和Fisher线性鉴别分析的等价性,提出了利用核典型相关分析来抽取小样本人脸图像的非线性鉴别特征,并用其进行脸像鉴别.这样得到的非线性特征本质上等价于核Fisher非线性最佳鉴别特征.基于ORL库的实验表明,对小样本人脸图像,KCCA可以得到和广义鉴别分析近似的识别性能,其所得非线性特征明显优于FLDA的线性鉴别特征.     

一种复杂环境下的人眼定位算法

人眼位置是人脸识别技术中一项重要的局部信息.本文提出了一种改进的人眼定位算法,该算法首先采用Haar-like特征的Ada Boost算法检测出人脸区域,然后利用文中训练的人眼强分类器在检测出来的人脸区域中粗定位人眼位置区域,最后在该区域内利用人眼部分瞳孔区域边界的灰度值突变特征精确定位人眼.实验结果表明,该方法能够在复杂环境下准确定位人眼位置.     

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。     

自然场景下三角形交通标志的检测与识别

根据三角形交通标志的颜色和形状特征,提出了一种适用于自然场景下三角形交通标志的检测与识别方法. 该方法首先利用颜色分割粗略提取标志区;其次提取标志区轮廓边缘和直线拟合,确定三角形标志的3个顶点,精确检测出完整的三角形标志区;最后设计一种分块特征提取方法对检测出的三角形标志和所有参考三角形标志进行特征提取,通过特征匹配识别出三角形交通标志类别. 实验结果表明,所提出的检测与识别方法能更有效地识别自然环境中三角形交通标志方法,且适用性强.     

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.     

铁路机车快速超视距障碍物识别算法

针对超视距情况下,铁路行车路障监控的实时性问题,提出了一种快速超视距障碍物识别方法.先利用纹理特征进行快速预处理与边缘检测;再利用铁轨的纵向延展特点,用搜索连通域投影最长的方法定位铁轨区域并建立检测窗;并行的用帧差法比较当前帧与检测窗识别出障碍物,最后利用IPM模型计算障碍物大小与距离.实验结果表明,在确保90.3%识别率的前提下,本算法识别障碍物平均耗时43ms.