浅谈人脸识别技术

本文介绍人体面貌识别技术的原理、特点、应用及进展。     

人脸识别方法综述

近几年来,人脸识别技术得到了迅猛发展,本文对各种人脸识别技术进行了综合性研究。在对所有方法进行分析比较的基础上,论述了人脸识别技术的研究现状、存在的问题并对未来进行了展望。     

人脸识别技术三大优势

相比于指纹识别等其他识别技术,人脸识别的优势是比较明显的。自然性 所谓的自然性是指该识别方式同人类（包括其它生物）进行个体识别时所利用的生物特征相同．是通过观察比较人脸区分和确认身份;具有自然性的识别还有语音识别和体形识别,而指纹识别和虹膜识别等则不具备自然性。     

人脸识别技术综述

人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向.虽然人脸识别的研究已有很长的历史,各种人脸识别的技术也很多,但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响,目前还没有一种人脸识别技术是公认快速有效的.本文主要讨论了人脸识别技术的一些常用方法,对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论,最后对人脸识别未来的发展和应用做了展望.     

人脸识别的研究进展与发展方向

本文概述了常用的几种人脸识别方法,并对这些方法的特点进行了分析比较。在对当前人脸识别技术水平和技术特点进行分析的基础上,论述了人脸识别技术的研究现状、存在的问题和技术发展。     

浅谈人脸识别技术

人脸识别技术（Face Recognition Technology，FRT）是近年来模式识别、图像处理以及计算机视觉等领域的热点研究课题之一。本文重点对现有的人脸检测与识别方法及研究进行总结，分析和比较各种识别方法优缺点，讨论了其中的关键技术及发展前景。     

基于模型匹配人脸识别的研究

提出了基于模型匹配的人脸识别方法.利用人的脸部特征规律建立一个立体可调的模型框架,在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位,着重于解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响.     

人脸识别考勤技术研究

人脸识别考勤系统因其便捷性、准确性、易于管理性,取代打卡机成为一种新兴的考勤方式。本文提出一种人脸识别考勤系统的设计方案,包括人脸识别子系统和考勤管理子系统。人脸识别子系统从获取的视频中利用Adaboost算法检测出人脸区域,对检测出的人脸区域进行归一化、去噪等处理,对处理好的图像用HOG＋PCA＋LDA特征提取,把提取出的人脸特征向量与注册形成的人脸特征向量利用最近邻方法比对,将识别结果放入考勤数据库中。考勤管理子系统主要实现的有考勤规则的制定、对考勤数据做统计并生成报表及系统维护等功能。     

人脸识别技术和算法综述

人脸识别是人工智能领域的一个研究热点,是一种基于信息处理的模式识别。这篇论文简要介绍了人脸识别技术的特点、研究背景和识别系统的构成,重点介绍了几种在人脸识别中常用的算法及其评价。总结了现存的研究困难,对人脸识别技术未来的发展和应用做出了展望。     

人脸识别技术的发展与应用

本文主要介绍了人脸识别技术的发展、常用的人脸识别技术方法以及人脸识别技术的实际应用。     

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。     

基于统一贝叶斯构架的人脸识别技术

本文介绍的人脸识别方法是在贝叶斯分类方法基础上集成了特征脸方法和线性判别方法(FLD),并产生了新的增强型概率推理模型。这里的贝叶斯构架方法首先应用主分量分析(PCA)算法进行降维处理,PCA算法能有效减少噪声的干扰并使一些起关键作用的成分得到加强。在用PCA算法进行数据压缩后,用贝叶斯分类器在已经经过PCA算法得到压缩的子空间上用最大后验概率规则进行人脸识别的任务。概率推理模型(RPM)将被详细介绍,因为它的识别性能比特征脸方法和线性判别方法都好。     

人脸识别技术的几个主要研究方向

人脸自动识别技术是模式识别、图像处理等学科的最热门研究问题之一。本文将围绕人脸识别算法,人脸识别算法综合性能评测及人脸图像数据库的建立几方面探讨人脸识别技术的主要研究方向。     

人脸识别技术综述

人脸识别技术就是利用计算机分析人脸图像,从中提取出有效的特征信息,用来识别人的身份的一门技术.近年来该领域的研究有了较大的发展.为了让相关领域内的理论研究和开发人员对目前的进展有一个全面的了解,本文将近年来提出的各种方法分别作了介绍,并对各类方法的性能作了一些比较和讨论,对未来的发展作了展望.     

人脸识别技术的研究

人脸识别技术研究作为对人身份鉴别研究的重要方面,目前已经提出了许多的识别方法,取得了一定的研究成果。本文就人脸识别技术的一些研究方法进行综述,讨论人脸识别的关键技术及其应用和发展前景。     

人脸识别技术的研究

人脸识别技术研究作为对人身份鉴别研究的重要方面,目前已经提出了许多的识别方法,取得了一定的研究成果.本文就人脸识别技术的一些研究方法进行综述,讨论人脸识别的关键技术及其应用和发展前景.     

基于人脸识别技术的智能监控系统设计方案

视频监控在安全领域扮演着重要的角色,但视频监控通常只是录制现场视频图像,用于事后做证,缺乏主动性和智能性．在分析了视频监控系统的结构,介绍了可用于视频监控的人脸识别技术,最后提出了一种基于人脸识别技术的视频监控系统设计方案,以对视频画面中的人物进行识别,在特定目标出现后能做出相应的反应．     

基于判别分析与低秩投影的人脸识别算法

针对目前人脸识别算法的误识率高、 鲁棒性差等不足, 设计一种基于判别分析与低秩投影的人脸识别算法, 以获得更优的人脸识别结果. 首先对人脸图像进行分块, 提取每个子块的局部特征, 并判别分析提取人脸的全局特征; 然后通过低秩投影选择对人脸识别结果贡献较大的特征组成特征向量; 最后采用最小二乘支持向量机根据“一对多”的原则建立光照人脸识别的多分类器, 并对多个人脸数据库进行仿真实验. 实验结果表明, 该算法可找到最优人脸识别特征子集, 降低光照人脸的误识率, 人脸识别速度得到明显提升, 且人脸识别效果优于其他人脸识别算法.     

基于局部特征融合的人脸识别研究

针对传统的全局统计特征实现的人脸识别方法在实际应用中存在的诸多不足,本论文从局部特征角度入手探讨了人脸识别方法。首先简要分析了基于信息融合的人脸识别研究现状,在此基础上分析了基于信息融合的Gabor特征描述子基本原理,构建了基于Gabor描述子的多维局部特征融合算子,并给出了算法的具体实现方法。     

特征空间中的拓展稀疏人脸识别

基于稀疏表示分类(SRC,sparse representation for classification)是近年来模式识别领域中备受关注的一个研究热点。当每类训练样本较少时,SRC的识别效果往往不理想。为解决此问题,人们提出了拓展的稀疏表示分类算法。它引入了训练样本的类内变量矩阵,来补充每类训练样本信息。但是,该方法很难获取普遍存在于复杂数据如图像中的非线性信息。为此,提出了特征空间中的拓展稀疏人脸识别算法。该算法将样本集非线性映射到新的特征空间中,计算每个训练样本在表示测试样本时所做的贡献。根据贡献大小,给每个训练样本赋予一定的权重。同时,利用类内变量矩阵,共同表示测试样本。实验表明所提出的算法优于其它经典稀疏表示分类算法。