基于局部LBP特征的人脸识别

将人脸图像划分为互不相交的矩形块,提取各分块的LBP特征,并将各块LBP特征按序组合表征人脸图像。利用支持向量机(Support Vector Machine,SVM)算法对训练分类器,进行人脸识别。在YALE人脸库上进行的实验表明,基于局部LBP特征的支持向量机分类器的准确率能够达到93.33%。     

基于支持向量机的局部二值模式加权算法在人脸识别中的应用

针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。     

基于支持向量机的局部二值模式加权算法在人脸识别中的应用

针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。     

一种基于指纹人脸的多生物特征身份认证方法

本文分别介绍了一种基于指纹人脸识别的多生物特征身份认证方法,并针对传统的指纹人脸方法提出相应的改进算法。对指纹识别,本文提出采用局部归一化方法结合Gaussian滤波器来计算指纹方向,再对局部脊线补偿法(Loca lRidge Compensation)进行快速运算,能够更加快速准确地进行指纹识别。人脸识别通过定位人脸位置并且进一步提取人脸特征来进行匹配,使用LBP(Local binary patterns)算子对人脸样本进行局部特征提取,对LBP处理后的人脸图像使用主成分分析(PCA)进行降维,并采取了极限学习机(Extreme learning machine,ELM)分类器进行匹配,将指纹、人脸的识别结果在决策层进行融合,最后做出判断,从而得到准确稳定的身份认证系统。     

基于部分遮挡的人脸表情识别方法

针对部分遮挡的人脸表情识别,提出了一种基于部分遮挡判断的人脸表情识别方法：首先对包含表情信息的静态图像进行Gabor小波变换,提取表情特征矢量,然后用最大相关分类器对特征矢量分类。实验表明,该方法对局部遮挡的人脸表情识别有较强的鲁棒性。     

基于主元分析构造强分类器的人脸检测算法

本文研究了基于特征脸的人脸检测算法,针对其分类能力差的特点,基于主元分析提取特征向量空间构造弱分类器,结合AdaBoost算法构造强分类器,提出了一种人脸检测算法。利用MIT+CMU人脸数据库测试该算法的性能,结果表明本算法在运行时间与检测正确率方面明显优于基于神经网路的算法和支持向量机算法。     

基于“频谱脸”和SVM的人脸识别方法

针对传统PCA的人脸识别方法在向量化人脸过程中丢失结构特征的问题,提出了一种基于频谱脸和支持向量机的人脸识别方法。首先选取人脸图像经小波分解后的低频分量作为人脸特征的描述,然后用SVM和最近邻法构建复合分类器进行分类,在ORL数据集上的实验结果表明,本文方法取得了比传统方法更好的识别性能。     

基于贝叶斯多分类器融合的人脸识别算法研究

通过对贝叶斯分类器进行研究,提出一种结合贝叶斯分类规则和 FIS H ER线性判决分析,同时采用人脸的关键局部特征,通过加权相似度求和策略,实现对多个分类器进行融合的一种综合性人脸识别算法。实验表明,该方法在无光照处理下识别效果更为精确。     

基于2D Gabor滤波器和LBP的车牌识别研究

本文提出一种基于2DGabor滤波器和LBP的车牌识别方法,与基于2DGabor滤波器的方法相比,该方法降低了图像维数,识别时间短,识别精度高。首先利用2DGabor滤波器对归一化后的图像进行低通滤波,然后使用LBP提取车牌纹理特征,最后用支持向量机作为分类器。在课题组自建的车牌库上进行实验,取得了94.3%的识别率和每张图像0.291s的识别时间,说明该方法基本满足实际需要。     

基于SIFT的人脸表情识别

SIFT算法[8]通常用于目标跟踪与检测领域,但近年来同LBP,GABOR等算法一起作为纹理特征提取算法应用于人脸表情特征提取。本文采用SIFT算法对JAFFE表情库中的图像进行特征提取,利用PCA进行降维,采用SVM进行分类,最后得出SIFT算法的识别率并和其它特征提取算法如LBP,GABOR进行比较。     

基于肤色建模与人眼定位的人脸检测方法

根据肤色在Ycrcb色彩空间中具有很好的聚类性,通过形态学算法对肤色建模之后的图像进行预处理,消除噪声,再对肤色进行分割,从而可以对人脸图像有一个大致的定位,并通过平均眼睛模板匹配法定位出人的眼睛,在此基础可以比较精确的定位出人脸位置。实验结果表明,该方法用于人脸检测取得较为良好的效果,具有较好的鲁棒性。     

基于神经网络的数字识别技术研究

将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。     

图像识别在考生身份认证系统中的应用

针对传统考生身份认证方法的缺陷,提出一种基于人脸识别的考生身份认证系统。首先利用图像采集系统采集考生人脸图像,然后对人脸图像进行特征提取和特征选择,并将人脸特征输入到人脸特征库进行匹配,最后采用支持向量机算法对人脸进行分类识别。实验结果表明,该系统提高了考生身份识别的正确率,减少了识别时间,能够很好满足实际考试的要求。     

基于SIFT特征点改进搜索算法的图像匹配技术研究

本文研究一种改进的近邻搜索算法的图像匹配技术。本文采用基于特征的图像匹配方法,利用SIFT算法提取特征点。在特征点匹配的过程中,为提高搜索样本特征点的最近邻和次近邻特征点的速度,本文采用一种基于二叉检索树算法改进的近邻搜索算法,该算法用最近邻与次近邻比值来进行特征点的匹配。用MATLAB语言实现该算法并运用到图像特征匹配中,实验证明优于原算法并具有较高实时性。     

Auditing fairness under unawareness through counterfactual reasoning

Artificial intelligence (AI) is rapidly becoming the pivotal solution to support critical judgments in many life-changing decisions. In fact, a biased AI tool can be particularly harmful since these systems can contribute to or demote people’s well-being. Consequently, government regulations are introducing specific rules to prohibit the use of sensitive features (e.g., gender, race, religion) in the algorithm’s decision-making process to avoid unfair outcomes. Unfortunately, such restrictions may not be sufficient to protect people from unfair decisions as algorithms can still behave in a discriminatory manner. Indeed, even when sensitive features are omitted (fairness through unawareness), they could be somehow related to other features, named proxy features. This study shows how to unveil whether a black-box model, complying with the regulations, is still biased or not. We propose an end-to-end bias detection approach exploiting a counterfactual reasoning module and an external classifier for sensitive features. In detail, the counterfactual analysis finds the minimum cost variations that grant a positive outcome, while the classifier detects non-linear patterns of non-sensitive features that proxy sensitive characteristics. The experimental evaluation reveals the proposed method’s efficacy in detecting classifiers that learn from proxy features. We also scrutinize the impact of state-of-the-art debiasing algorithms in alleviating the proxy feature problem.     

基于颜色与投影特征的车牌定位

车牌定位是车牌识别系统的关键技术,定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法,算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性,可适应于不同背景、不同光照下的汽车图像,能够确定出车牌区域,准确率得到了较大提高。     

基于Adaboost的人脸光照补偿方法

针对传统Adaboost人脸检测算法中光照不均匀、图像检测正确率低的问题,提出一种基于Adaboost算法的人脸光照补偿检测方法。介绍Adaboost人脸检测算法的处理流程以及直方图均衡化原理,并将Adaboost算法和直方图均衡化相结合,实现人脸检测。检测结果表明,与传统的Adaboost人脸检测方法相比,新方法对于光照不均匀图像的人脸检测有很好的效果。     

基于特征选择和支持向量机的入侵检测方法

为去除网络入侵数据集中的冗余和噪声特征,降低数据处理难度和提高检测性能,提出一种基于特征选择和支持向量机的入侵检测方法。该方法采用提出的特征选择算法选取最优特征组合,并以支持向量机为分类器建立模型,应用于入侵检测系统。仿真结果表明,本文方法不仅可以减少特征维数,降低训练和测试时间,还能提高入侵检测的分类准确率。     

一种新的正交保局投影人脸识别方法

针对人脸识别中判别特征的提取问题,提出了一种新的人脸识别算法—Schur正交保局投影(Schur-OLPP)。该方法在保局投影(LPP)的基础上引入Schur分解,求取最佳正交投影矩阵,充分提取样本的判别特征。本文采用最小近邻分类器估算识别率。在Yale人脸库以及AR人脸库的测试结果表明,在姿态、光照、表情、时间变化的情况下,Schur-OLPP都具有较好的识别率。