人脸检测与识别技术综述

人脸的检测与识别技术因其巨大的应用价值及市场潜力,引起各方面的关注,已经成为图像工程和模式识别领域的研究热点。文章在回顾人脸检测与识别技术发展历程的基础上,对人脸检测与识别的多种相关技术作了介绍与评论,并讨论了该技术的最新发展方向及其国内的发展情况。     

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.     

人脸检测技术浅析

文章介绍了人脸检测技术的基本概念和静止图像中人脸检测的基本算法,并对人检测技术的发展现状进行了评述.     

人脸检测与识别技术的研究分析

人脸检测与识别是一种常见管理手段,作为认定人员身份的工作方法,在各类管理系统中广泛应用。该文首先对人脸检测与识别技术进行简述,在此基础上结合企业管理工作,对其运用进行分析,包括运用框架、关键技术、基本流程等,并通过模拟分析论证其优势。考虑到人脸检测与识别技术的运用仍得到较多关注,该文对其运用困境和发展方向进行了分析,以进一步推动该项服务技术的发展、应用优化。     

人脸检测技术浅析

文章介绍了人脸检测技术的基本概念和静止图像中人脸检测的基本算法,并对人检测技术的发展现状进行了评述。     

人脸检测技术现状与发展研究

人脸检测是人脸自动检测和识别系统的一个关键环节,人脸检测技术已经成为图像处理与模式识别领域研究的热点问题。文章首先介绍了人脸检测的研究背景与主要工作,其次分析了国内外的研究领域现状及检测的研究难点,然后对人脸检测的研究内容及其主要方法进行简要讨论,最后提出了该领域存在的问题以及对研究前景的展望。     

基于黄金分割的人脸检测算法

人脸识别技术是生物特征识别的一个重要分支,但在人脸识别过程中往往存在稳定性差、不易识别等问题,这些问题大多发生在识别的检测环节.基于黄金分割对人脸的眉、眼、耳、鼻、口五官进行划分,抓取主要特征,提出基于黄金分割的人脸检测算法,并通过Biometrics Ideal Test人脸数据库和FDDB人脸数据库进行对比试验.结果表明:基于该算法构建的检测框架稳定性好,对不同角度或in the wilds的人脸有较好的检测性能和较快的检测速率.     

人脸检测与识别方法研究

人脸图像处理包括人脸检测、人脸识别等．分析了有关人脸检测问题的研究方法并对其进行了分类和评价,重点介绍了人脸自动识别这一领域的研究方法并对其进行了简要分析评价,最后提出了人脸图像处理领域的研究展望．     

基于OpenCV的人脸检测与识别系统

本论文以OpenCV图像处理库为基础,采用QT作为图形界面开发,具有人脸采集,图片训练,数据库管理及人脸识别等功能,并且使用光线补偿等方式提高识别率.     

人脸检测关键算法分析

人脸检测问题研究具有很重要的意义,可以应用到人脸识别、新一代的人机界面、安全访问和视觉监控以及基于内容的检索等领域,近年来受到研究者的普遍重视。本文简单介绍了人脸检测算法的基本原理及国内外的研究情况,着重介绍了人脸检测的各种方法,并对各种方法的优缺点进行了分析和比较。     

基于Gabor变换的表情识别系统的设计

针对Gabor特征维数和冗余度较高的缺点,对Gabor小波变换特征进行分块,提取了所有子块局部统计特征,然后使用PCA+LDA方法对这些特征进行选择,最后采用决策树分类法进行了人脸表情识别.实验结果表明:此方法在维数降低的同时,其识别性能比传统的方法更具优势.     

一种基于核主成分分析的人脸识别方法

针对主成分分析（PCA）算法中存在不能提取非线性特征的问题,提出了利用KPCA提取图像特征,最近邻法分类的人脸识别改进方法。基于ORL数据库的相关实验表明,这样的系统能够取得比传统PCA更好的识别性能。     

一种改进的人脸边缘检测方法

人脸检测和识别技术在公共安全、图像检索、人机智能交互等方面有着巨大应用前景.在民事和经济领域,各类金融卡、信用卡的持卡人的身份验证,社会保险人的身份验证等具有重要的应用价值.边缘检测是人脸检测的关键技术之一,文中论述了一种全新的二次边缘提取算法以及图像的归一化处理.采用的算法既可以优化图像质量,又可以完成对图像的二值化处理和边缘提取.Matlab和Yale人脸库实验表明,该算法简单、快速,在一定程度上优于著名的Prewitt和Sobel算子.     

基于张量脸的多姿态人脸识别算法

提出了一种新的多姿态人脸识别算法,在原有的张量脸算法(TensorFaces)基础上结合了流形学习方法和统计学聚类的方法,首先将训练图库中不同姿态的人脸图像通过保局映射投影(LPP)的姿态聚类特性投影到二维空间上,然后将待测图库中的未知姿态人脸图像投影到该二维空间并找到其最近邻的两个姿态,根据两个最近邻姿态库作为训练库修正张量脸识别算法的判别系数.实验结果表明,该算法的识别率优于原有的张量脸算法.     

基于主元分析与支持向量机的人脸识别方法

基于支持向量机（SVM）在处理小样本，高维数及泛化性能等强方面的优势，提出了一种基于主元分析（PCA）与SVM的人脸识别方法，利用PCA方法对人脸图像进行特征提取，再利用SVM与最近邻分类器相结合的策略对特征向量进行分类识别，剑桥ORL的人极数据库的仿真结构验证了本算法是有效的。     

一种基于Fisher最优判据的人脸识别新方法

通过对一种计算奇异类内离散度矩阵的Fisher最优判据方法的改进 ,提出一种改进的Fisher最优判据 ,并应用于人脸识别中 .在Olivetti_OracleResearchLab(ORL)和Yale标准人脸库上的识别结果显示 ,此方法比主元分析方法 (PCA)和直接线性判别分析方法 (DirectLinearDiscriminantAnalysis,DLDA)有更好、更高的识别效果 .     

基于PCA和SVM的人脸识别技术研究

从人脸图像特征提取和分类器构建两方面分析了人脸识别系统设计的关键点,提出了以主成分分析技术和支持向量机技术相结合构建人脸识别系统的策略,同时在主成分分析技术的理论基础上提出了一种快速PCA算法.通过实验系统在ORL人脸库上的测试结果,分析了该系统的相关参数和特征向量维度的选取对系统识别率的影响,并得到了其最优解.同时,通过实验证明了所提出方法在小训练集下的识别率优于其它一般方法,其识别率比一般的人工神经网络法提高了7%~10%左右.     

基于PCA＋2DPCA的人脸识别方法分析

阐述了基于主成分分析（Principal Component Analysis,PCA）和二维主成分分析（2DPCA）的人脸识别方法,分析了该方法在矩阵理论中的来源和算法,提出了PCA＋2DPCA分析方法,并采用2DPCA求出特征向量,PCA进行最优压缩,从而降低了维数.     

基于注意的图像识别模型及其在人像检测中的应用

提出了一种基于注意机制的图像识别模型。其基本想法是：在进行复杂的场景分析或目标识别时,首先通过注视控制机制,获得视景中的关键特征区域,并将注视点按照一定的顺序对这些关键特征区域进行串行扫描。在扫描到每一个关键特征区时,将对该区域附近的局部模式进行记忆或匹配。对一个复杂目标的记忆将包括2部分,一部分是对局部模式的记忆,即组成该目标的各“部件”的模式;另一部分是对各局部模式之间的空间关系的记忆,即组成该目标的各“部件”之间的结构关系。与记忆过程对应,识别过程也包括2部分,一部分是对局部模式的匹配,另一部分是对各局部模式之间结构关系的匹配。当匹配上的局部模式足够多且其空间关系正确时,目标即得到识别。用该模型对复杂背景中的人像进行了检测。实验结果表明,模型较好地解决了不变性识别的问题,即识别结果与目标物的平移、旋转和尺度变化无关,并且具有良好的鲁棒性和速度,是一种具有认知意义并且可以实用化的模型。     

主成分分析在人脸识别研究中的应用

PCA(Principal Component Analysis),主成分分析方法,是一种得到广泛应用的人脸识别方法。PCA算法提供了一个高维和低维空间的线性变换矩阵,就是利用低维特征向量来表示原始样本信息,利用变换矩阵可以得到一个特征子空间,即特征脸。进行识别时,把待识别的人脸向其投影,采用最近邻法得到最近的点,最终识别该人的身份。