基于小波变换的人脸特征定位

提出一种基于离散小波变换 (DWT)的人脸检测与特征定位算法 ,算法针对人脸的不同特征 ,选择小波变换相应最有效的频段和分量 .运用椭圆检测算法、模板匹配算法、Hough变换等方法 ,并结合人脸各特征间的几何特征关系 ,采用由粗到细的方法分步地检测人脸范围 ,分割定位人脸的眼睛、虹膜、嘴、鼻尖等特征 .该算法对人脸姿态、表情变化和遮盖物具有一定的鲁棒性 ,同时具有计算量小、效率高的特点 .     

基于小波分析的人脸图像特征提取

人脸图像特征提取是人脸识别的基础,采用小波分析技术,提出了一种快速的、具有良好鲁棒性的人脸图像特征提取方法。应用小波分析良好的时频局部化特性和多分辨率特性,选用合适的小波基对人脸图像进行小波变换．得到体现人脸特征的小波高频细节;经过水平和垂直投影运算,定位出眼睛对、鼻子、嘴唇和双颊等重要的人脸图像特征;再结合人脸的FAP参数集,确定出人脸识别所需要的人脸关键特征。实验结果表明,该方法具有较好的实时性和鲁棒性。     

基于小波变换的人脸特征定位

提出一种基于离散小波变换(DWT)的人脸检测与特征定位算法，算法针对人脸的不同特征，选择小波变换相应最有效的频段和分量．运用椭圆检测算法、模板匹配算法、Hough变换等方法，并结合人脸各特征间的几何特征关系，采用由粗到细的方法分步地检测人脸范围，分割定位人脸的眼睛、虹膜、嘴、鼻尖等特征．该算法对人脸姿态、表情变化和遮盖物具有一定的鲁棒性，同时具有计算量小、效率高的特点．     

基于运动检测和小波分析的视频图像人脸检测

人脸检测是所有人脸处理系统的基础,而视频中人脸检测问题更具有其特殊的意义。结合运动检测和小波分析技术,提出了一种快速的、具有良好鲁棒性的人脸检测方法。首先基于运动检测得到包含人脸对象的运动区域——人脸图像;然后应用小波分析良好的时频局部化特性和多分辨率特性对运动检测定位的人脸图像进行降维处理,同时得到体现人脸特征的小波系数候选本征脸;最后结合人脸的面部特征及形状分析进一步对结果进行验证。实验结果表明,该方法具有较好的实时性和鲁棒性。     

基于Gabor小波支持向量机的人脸检测

提出了一种基于Gabor小波的支持向量机人脸检测方法.该方法首先提取人脸和非人脸样本库的Gabor小波特征,构造学习样本集,再训练支持向量机,计算出最优分类决策函数.对比实验结果表明,本文提出的方法简单、计算复杂度低、效率高、对正面垂直人脸的检测和定位准确度高.     

基于小波变换的人脸识别算法的研究

本文通过小波变换对人脸进行预处理,然后使用PCA方法进行人脸检测,从而提取各器官特征信息,将特征信息作HASH运算的输入,获取消息摘要作为每个人脸的唯一ID信息输出,通过小波变换处理和PCA方法的融合,提高人脸识别技术在特殊场合的准确性及可靠性,同时使用消息摘要作为人脸特征的信息的转化,提高身份验证的速度。     

一种改进的基于Gabor小波的人脸识别方法

针对人脸识别中传统的Gabor小波方法存在特征维数高、识别时间长、存储开销大的缺点,提出了一种结合奇异值分解和Gabor小波的改进方法.首先通过Gabor小波变换对人脸图像滤波得到特征图像,然后对训练集的特征图像进行奇异值分解获取基空间,将人脸图像投影到统一的基空间提取奇异值特征,再选择一定数量的奇异值构成人脸鉴别矢量,最后采用最近邻分类器进行识别.在ORL人脸库上的实验结果表明,该方法在识别性能上优于单一的Gabor小波方法.     

基于小波变换特征提取和神经网络分类的人脸识别

为提高人脸图像识别率,提出一种将小波分析与神经网络相结合的人脸识别方法。用二维离散小波变换函数对人脸图像进行二维离散小波变换,提取其低频系数作为人脸特征值,用三层神经网络进行分类、识别。实验证明,和单纯的小波方法及神经网络方法进行人脸识别相比,这种方法收敛步数少、用时短、具有较高的识别率。     

基于AdaBoost和遗传算法的快速人脸定位算法

针对采用AdaBoost算法构建人脸检测器时存在的特征冗余问题,提出了一种新的快速人脸定位算法.首先用AdaBoost算法选取类Haar小波特征(称作AdaHaar特征),然后用遗传算法在低维的AdaHaar特征空间进一步优选,消除冗余并得到相应的权系数,最终的人脸检测器由这些优选的弱分类器及其相应权系数线性组合而成.实验结果表明,采用文中算法训练的人脸检测器在检测正确率、检测速度及占用内存等方面的性能都得到了改善.     

一种人脸对象的区域分割方法

人脸特征的提取通常是先把人脸中包含特征信息的区域分割出来,然后分别对每个区域进行特征定位和提取。这样可以克服将整个人脸作为一个研究对象来处理所存在的复杂性,减少背景和其它物体的干扰,提高特征提取的准确性。还可以减少图像数据处理量,节省处理时间。在分析用在人脸对象区域分割的常用方法基础上,采用基于眼间带状人脸区域垂直梯度图的人脸对象区域分割方法对五官进行分割。实验结果表明:这种方法具有很高鲁棒性,并且算法实现简单。     

新生儿疼痛面部表情的特征提取

针对新生儿的疼痛表情识别,提出了将Gobor小渡变换与改进的KDA相结合的特征提取方法.首先时新生儿面部图像进行Gabor变换,然后针对变换后的Gabor特征,用一种改进的核鉴别分析方法对它进行二次特征提取.该方法从根本上解决了表情识别中因小样本问题而引起的核类内离散度矩阵(kernel within-class scatter matrix)奇异性的问题.最后,对提取的特征用支持向量机进行了疼痛表情的分类识别.实验结果表明,此表情特征提取方法能够显著改善表情识别系统的性能.     

一种基于局部特征融合的表情识别方法

表情识别是人工智能和模式识别的研究热点,而特征融合方法则是表情识别中重要的技术方法之一.基于嘴部的Gabor小波特征和几何特征对表情识别有重要作用,提出一种仅用嘴部不同特征进行特征融合的表情识别方法.该方法将嘴部的Gabor小波特征和几何特征进行特征融合后再使用最近邻分类器分类.根据不同样本库、不同识别方法的对比实验结...     

支持在压缩域提取识别特征的人脸图像压缩方法

目的 提出一种支持在压缩数据中提取识别特征的人脸图像压缩算法。方法 将人脸图像分为特征区、过渡区和背景区．特征区来用反对称双正交小波变换子带编码,过流区和背景区采用不同码率的改进型零树编码和Huffman编码。结果 验证了所提图像压缩算法的有效性。结论 在获得高压缩比的同时．较好地保留了人脸图像的识别特征和主观质量,且能控制编码的比特数。     

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.     

基于随机森林的人脸关键点精确定位方法

为了解决干扰情况(光照变化、表情变化和姿态变化等)下的人脸关键点精确定位问题,提出一种新的基于随机森林分类器的人脸关键点定位算法。针对目前研究工作尚未解决的人脸表情、光照以及姿态变化等难点,该文有两点主要贡献:1)引入了随机森林分类器和点对比较特征进行关键点定位,这种基于大量样本统计学习的方法能够有效解决人脸关键点定位中光照、表情和姿态变化这些难点;2)结合关键点的位置约束关系,进一步降低定位误差。实验结果表明:该算法可以有效地克服人脸光照、表情和姿态变化等因素干扰,能够对眼角和嘴角6个关键点进行全自动精确定位。     

基于局部定向模式的人脸年龄估计

人脸年龄自动估计在人机交互中有着非常广阔的应用前景,正吸引着人们的广泛关注。然而,人脸年龄估计仍是一个极具挑战性的问题,为此,提出了一种新的年龄估计方法。首先,采用局部定向模式(LDP)和Gabor小波变换分别提取人脸的全局和局部特征。然后,基于信息融合理论对这两种特征进行融合,并用PCA方法对融合后的特征进行降维,从而获得低维的年龄特征向量。最后,利用支持向量回归(SVR)方法进行年龄估计。在公共的FG-NET年龄数据库上进行了实验,实验结果表明,所提出的方法是有效的。     

基于小波分析的人脸识别算法

提出一种利用小波分析提取人脸特征的方法。对人脸图像做小波分解,用网格划分其子图像,在各子块上提取统计特征,用其训练多分类支持向量机模型,最后用训练好的支持向量机进行人脸识别。选择ORL人脸库对该算法进行实验,与PCA算法的比较结果证明了该算法在识别性能方面的优越性。     

基于小波变换和独立成分分析的人脸识别

针对传统的独立成分分析算法对光照、表情、姿态等敏感的不足,提出了一种结合小波变换和独立成分分析的人脸识别方法.人脸图像首先经过小波变换后选取低频子图像进行独立成分分析,提取人脸图像特征,最后根据最近邻分类器分类.分析了样本数目、小波分解级数对平均识别率和识别时间的影响.基于ORL人脸数据库的实验结果证明了本方法在识别性能方面相对于单一方法的优越性.     

增强LGBP融合广义平均神经网络的鲁棒人脸识别研究

针对人脸识别中由于人脸表情、姿态、尺度等变化而影响识别效果的问题,提出一种融合增强局部Gabor二值模式和广义平均神经网络方法。首先,对归一化的人脸图像进行多方向、多尺度Gabor小波滤波,将生成的Gabor幅值模式分成多个子区域;然后,利用增强局部二值模式对每个子区域进行操作形成特征向量;最后,利用广义神经网络进行识别。在ORL、FERET及LFW上的实验利用错误接受率、错误拒绝率等错误率和时间复杂度评估方法的有效性。实验结果表明,相比其它几种较新的方法,取得了更好的识别效果。     

一种基于两步降维和并行特征融合的表情识别方法

在采用特征融合方法进行人脸表情识别时,通常会产生高维特征问题.针对这一问题,提出一种基于两步降维和并行特征融合的表情识别新方法.利用主成分分析法(principal component analysis,PCA)分别对待融合的两类特征在实数域进行第一次降维,将降维后的特征进行并行特征融合;为了解决在并行融合过程中产生的高维复特征问题,提出一种基于酉空间的混合判别分析方法(unitary-space hybrid discriminant analysis,unitary-space HDA)作为酉空间的特征降维方法.该方法是实数域混合判别分析法在酉空间内的扩展,并兼顾了复特征数据的类间判别信息及全局描述信息.对局部二值模式(local binary pattern,LBP)和Gabor小波特征进行融合,并在JAFFE和CK+表情数据集上开展对比实验.实验结果表明,该方法具有较好的高维复特征数据降维能力,并且有效提高了表情识别率.