人脸识别系统及其在现实生活中的应用

计算机人脸识别技术是生物识别的一个重要分支.本文介绍了人脸识别系统的基本组成和常见的识别方法以及人脸识别技术在现实生活中的应用.     

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。     

人脸识别方法综述

对人脸识别技术的研究内容与应用背景作了简单回顾,对基于几何特征、基于统计特征和基于连接机制的三类用于静态正面人脸的表征和识别的方法进行了综述,并分析了人脸识别研究的主要发展方向.     

人脸识别方法综述

追随人脸识别技术发展的历史,从人脸检测、人脸特征提取和人脸识别验证这三个关键步骤,颇为细致地阐述人脸识别已经取得的方法和研究成果;并展望了人脸识别的研究发展趋势,给出了人脸识别中需要解决的关键问题.     

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.     

实时人脸识别系统的设计和实现

本文设计和实现了一个基于视频的实时人脸识别系统,该系统可以完成图像捕捉、人脸检测、特征提取和人脸识别的全过程,并且达到了实时系统的要求。     

自动人脸识别在网上考试系统中的应用

将自动人脸识别技术应用到网上考试系统中,并构建了一种考试系统实现流程框架模型,在整个考试过程中不断地进行身份验证,以实现全程监控,既避免了一些作弊行为,还增加了网上考试的可信度.     

人脸识别研究

本文从人脸检测问题的分类、人脸模式的分析、特征提取与特征综合、性能评价等角度,系统地分析了人脸检测问题,将人脸检测方法主要划分为基于知识的人脸验证方法和基于统计的学习方法,指出统计学习方法优于启发式验证方法.     

人脸识别系统中活体检测技术

人脸识别技术是生物识别技术领域内的一个分支,是继指纹识别之后最受关注的一项生物技术,但是目前也出现伪装人脸行为进行欺诈,这种对合法用户人脸的假冒行为已经成为人脸识别与认证系统的重要威胁。当前活体人脸检测技术主要集中在人脸细微动作、3D人脸重建、红外人脸检测三领域的研究上,该文主要浅析这三类检测技术的原理,并总结分析了各技术的特点及优劣。     

人脸识别关键技术及面临的问题

对人脸识别技术的整体框架进行了简要的描述,并对人脸识别的两个关键环节,即预处理和人脸检测定位问题进行了探讨,同时对当前存在的关键问题进行了总结。     

网络时代的人脸识别技术及其在舰船上的应用

人脸识别技术是当前国内外一项热门研究课题 ,广泛应用于机器人视觉、人机对话、通信、人口管理、安全和准入等场所。本文介绍了人脸识别的几个研究和应用领域 ,给出了当前流行的各种人脸探测方法 ,阐述了各自的缺点和适用范围 ,探讨了人脸识别技术在舰船上的应用 ,另外还简单介绍了人脸识别的研究工作     

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。     

拉普拉斯二维主成分分析及其在人脸识别中的应用

在二维主成分分析的基础上,考虑样本的流形分布特点,引入样本相似系数,重新定义了样本拉普拉斯散布矩阵,进而给出了基于拉普拉斯二维主成分分析的特征提取方法．在ORL,FERET人脸库上的试验证明了基于拉普拉斯二维主成分分析方法的有效性．     

改进的线性判别分析算法及其在人脸识别中的应用

提出了一种改进的线性判别分析(LDA)算法,能有效地解决传统LDA算法的两个局限,即小样本问题及在多类情况下传统的Fisher准则非最优．该算法还能提高某一(几)个指定类别的分类率．这种算法的关键在于使用不损失“有判别力信息”的方法来降维,同时在传统的Fisher准则中引入加权函数,得到与分类率直接相关的改进准则．在ORL人脸数据库上的比较实验结果证实了该算法的有效性．     

基于图片特征与人脸姿态的人脸识别方法研究

针对人脸识别中在非限定条件下（如背景、光照等因素发生变化时）人脸多角度多姿态识别精度低的问题与现有基于识别模型的方法无法快速更新人脸类别,提出了基于图片特征与人脸姿态的识别方法,通过对人脸姿态的识别,最大程度的匹配人脸数据库中的人脸信息,使用VGG16卷积神经网络训练模型提取图片特征,生成特征向量,再使用支持向量机分别训练提取出的特征,与人脸数据库中信息进行比对,从而精确识别人脸。通过在Pubfig与FERET人脸库上实验结果表明,所采用的算法精度较高。     

Sparse Representation for Face Recognition Based on Constraint Sampling and Face Alignment

Sparse Representation based Classification (SRC) has emerged as a new paradigm for solving recognition problems. This paper presents a constraint sampling feature extraction method that improves the SRC recognition rate. The method combines texture and shape features to significantly improve the recognition rate. Tests show that the combined constraint sampling and facial alignment achieves very high recognition accuracy on both the AR face database (99.52%) and the CAS-PEAL face database (99.54%).     

人脸识别中一种新的Gabor特征提取方法

为了有效利用Gabor特征进行人脸识别,提出一种新的Gabor特征提取方法．首先利用类别可分离性判据评价Gabor展开系数的分类能力,选择最有利于识别的Gabor展开系数构造新的Gabor特征、然后对人脸不同局部位置处采样点的分类能力进行评价,选择分类能力最强的位置提取特征点、最后就新的Gabor特征对光照和表情变化的适应性进行测试．实验结果表明,新的特征提取方法能够在小样本条件下有效提高识别率,减少特征数量,并对环境变化具有一定的适应能力．     

基于人脸轮廓的人脸归一化方法

人脸识别作为生物识别技术的一种,具有无接触、安全和方便的特点.人脸识别技术广泛应用于人机交互、交易认证及安防等领域,一直是生物识别技术研究的热点.人脸检测、特征定位、人脸归一化和特征提取是人脸识别研究的重点,决定着人脸识别系统的最终性能.设计了基于人脸轮廓的人脸归一化方法,根据归一化中出现的问题,进一步提出了人眼位置与人脸轮廓结合的人脸归一化方法.实验结果表明在Yale人脸图像库上人眼位置与人脸轮廓结合的人脸归一化方法具有更高的正确率.