基于ReinaFace的公交车客流量统计方法

针对公交车客流量的统计,提出了一种基于Retina Face的人脸识别统计方法。通过对人脸框位置与人脸框个数的统计,来准确输出汇总公交车每日的人数,从而统计整体客流。该算法设计的系统在统计人脸精确度方面达到了99.3%,对人脸识别统计计数上有良好的表现。     

基于Contourlet变换和PCA的人脸识别算法

为了减少光照、姿态变化对人脸识别的影响,提出一种基于Contourlet变换和PCA的人脸识别方法：首先利用Contourlet变换对人脸图像进行多尺度多方向分析,得到低频子带图像和高频子带图像,然后对分解后的低频子带和高频图像进行PC A分析,最后将提取出的低频特征以及高频统计特征组合成特征向量进行人脸识别。在orl人脸数据库和Yale人脸数据库上的实验结果证明：与PCA方法相比,该方法能够有效减少光照、姿态变化影响,提升人脸识别率。     

人脸识别技术综述

人脸识别指通过基于个人的面部轮廓比较和分析模式,唯一地识别或验证人的生物测定技术。人脸识别技术包含人脸的特征提取、特征选择和分类器设计。对人脸识别技术的发展历程作了梳理和回顾,阐述了人脸识别技术的实现方法和研究进展,对目前成熟的人脸识别算法进行了分类,对各种实现方法进行分析和评价。通过比较各种识别方法的优缺点,提出了研究中需要注意的难点,展望了人脸识别技术发展方向。     

探究基于视频的人脸识别研究进展

人脸识别是基于人脸的基本特征对人的身份进行鉴别和分析的技术,具有较好的发展和应用前景。随着人脸识别技术的不断进步与完善,基于视频的人脸识别技术得到了有效的应用和扩展,为图像处理、模式识别等领域的发展和完善,提供重要保障,同时,为认证、监控等工作提供有效的技术支持。本文就基于视频的人脸识别展开探讨,分析基于视频的人脸识别研究进展,提出基于视频人脸识别的具体方法,正确地选择人脸识别的形式,解决人脸识别技术的中的相关问题,为相关行业的发展和进步提供基础保障,并为社会安定与和谐提供动力。     

基于特征融合的人脸图像识别方法研究

为了提高人脸识别率,研究了一种基于边缘二值图像特征向量提取的方法。通过局部二值模式提取特征向量,考虑到边缘二值图像特征向量与局部二值模式提取的特征向量的区别,提出了将这两类特征向量通过PCA方法融合实现人脸识别的方法。实验结果表明基于两类特征向量融合的人脸识别方法可以有效地提高识别率。     

基于小波变换和支持向量机的人脸识别系统设计

小波变换能够充分突出某些特征的主要特点,通过小波变换可以将一张高维数的图片变换成低维数的图片,且人脸识别所需要的主要特征保持不变,通过主成份分析可以进一步降维。改进了基于小波变换和主成份分析提取特征〖JP〗向量的人脸识别方法,开发了基于小波变换及支持向量机的人脸识别系统,实现了对普通图片和视频的人脸识别。     

精准人脸识别及测温技术在疫情防控中的应用——普利商用精准识别技术典型案例

为了改善复杂环境下的人脸识别精度,特别是在当前疫情防控转入常态化的形势下,提升戴口罩场景下的人脸识别精度及红外测温精度至关重要。基于对场景数据的统计和分析,通过对识别参数的动态优化,提升人脸算法识别精度;基于人脸检测的戴口罩检测算法,自动识别是否戴口罩,并针对戴口罩场景采用专用的人脸识别模型,提升人脸识别性能;基于人脸检测的红外测温技术,自动识别测温区域和距离,并对测温结果进行校正,提高测温精度。结果表明,开放场景下识别准确率超过98%;人证核验场景下识别准确率超过93%,戴口罩场景下识别准确率超过92%,红外测温误差小于0.3℃。基于场景适配的参数优化策略,能够在不依赖核心算法性能提升的条件下,使得人脸算法识别性能提升7%;基于人脸检测的红外测温技术,通过温度补偿策略,使得测温误差小于0.3℃。     

基于卷积神经网络的人脸识别研究综述

人脸识别是目前计算机技术研究的热门领域,广泛应用于人们的日常生活,如门禁系统、摄像监视系统、相机以及智能手机等。传统的人脸识别技术需要经过人工特征提取、特征选择以及分类器选择等一系列复杂步骤,然而识别效果却并不理想。随着数据量的激增以及GPU高性能计算的发展,卷积神经网络在人脸识别上有了重大突破。文章回顾了传统人脸识别方法,阐述了卷积神经网络的基本结构及其改进和优化方法,介绍了基于卷积神经网络的人脸识别技术及典型应用,展望了人脸识别技术的发展方向。     

一种改进的基于遗传算法的人脸识别方法

针对常见的基于PCA的人脸识别方法在识别过程中所遇到的计算量大、分类特征不佳等问题,提出了基于遗传算法的PCA+2DPCA的人脸识别方法,并通过实验,利用ORL人脸数据库验证了该方法的可行性。     

基于PCA和Fisher线性判别技术的人脸识别算法

人脸识别技术是生物特征识别技术的一种,它根据人脸来识别人的身份。人脸识别技术具有准确、经济、可扩展性良好等特点,更重要的是,它比其它生物特征识别技术更加简便、直观、可靠。现在应用于人脸识别的算法有3种：基于PCA的人脸识别算法、基于Fisher线性判别的人脸识别算法、基于LBP特征的人脸识别算法。对前两种算法进行了深入研究,在人脸数据库上进行识别,取得了预期效果。     

基于PCA算法的摄像头人脸识别研究

研究一种基于摄像头的快速人脸识别方法,具体步骤为:利用摄像头捕捉人脸图像,采用图像处理算法从所抓取的图像中提取能代表人脸的特征信息;然后对这些信息进行分析和处理利用主成分分析算法对人脸进行识别;最后采用VC++程序语言开发了基于摄像头的人脸识别系统。实验结果表明,该系统具有采集速度快,易读性和可移植性强的特点,并且具有很强的实用性。     

一种基于统计的地质专业词语识别方法

中文分词是地质大数据智能化知识挖掘难以回避的第一道基本工序。基于统计的分词方法受语料影响,跨领域适应性较差。基于词典的分词方法可以直接利用领域词典进行分词,但不能解决未登录词识别问题。在领域语料不足的情况下,为提高地质文本分词的准确率和未登录词识别率,提出一种基于统计的中文地质词语识别方法。该方法基于质串思想构建了地质基本词典库,用以改善统计分词方法在地质文本分词上的适应性。采用重复串查找方法得到地质词语候选集,并使用上下文邻接以及基于位置成词的概率词典,对地质词语候选集进行过滤,最终实现地质词语识别。实验结果表明,使用该方法对地质专业词语识别准确率达到81.6%,比通用统计分词方法提高了近60%。该方法能够识别地质文本中的未登录词,并保证地质分词的准确率,可以应用到地质文本分词工作中。     

基于 DenseNet 的人脸脸型分类研究

脸型在三维人脸重建、人脸识别与检索等领域有着重要应用。针对脸型分类问题提出一种基于傅里叶描述符、三角形半径描述符和几何特征描述符的 DenseNet 网络脸型分类方法。通过主动形状模型方法定位得到人脸边缘轮廓点,分别使用傅里叶描述符、三角形半径描述符和几何特征描述符将轮廓点数值化为一维向量,并将其输入 DenseNet 网络进行训练,实现脸型分类。通过实验对比分析,该方法能够充分挖掘人脸形状信息,有效提高脸型分类准确率,同时避免旋转、尺度等影响。     

基于YCbCr高斯肤色模型和形态学的人脸检测技术研究

人脸检测是人脸信息处理领域的一项关键技术。本文通过选取YcbCr颜色空间,建立高斯肤色模型,然后对其验证和分析,随后对二值化图像进行阈值分割、数学形态学处理等一系列去噪处理来实现人脸检测中肤色分割过程,从而将非肤色成份尽可能排除,将可能的候选的人脸区域分割出来,为日后的人脸定位节省了大量的时间,对人脸识别的研究具有积极意义。     

统计学方法在数据挖掘中的应用与评价

讨论了统计学方法在数据挖掘中的主要应用，包括贝叶斯分类法和用于连续值预测的线性回归统计技术建模，以及基于统计学的概念聚类方法，并分析了算法的有效性和局限性。     

基于2DGabor小波与2DPCA的人脸识别方法

2DGabor小波变换能够将相邻区域的像素联系起来,从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化,2DGabor小波变换系数描述了图像上各给定位置附近区域的灰度特征。2DPCA方法,避免了从图像矩阵向一维向量的转换,并在人脸识别中获得了满意的效果。提出了2DGabor小波变换和2DPCA相结合的人脸识别方法,实验证明,2DGabor小波变换＋2DPCA的算法在识别效果上优于Gabor小波变换＋DPCA的算法。     

内隐面孔再认及其脑机制的研究

该文从两方面对内隐面孔再认的研究进行了回顾:(1)行为研究;(2)神经基础及其运行机制。该文指出,内隐面孔再认多集中在启动的研究上,并发现了面孔的重复启动和语义启动,但面孔熟悉性对二者的影响不同。面孔启动的产生与大脑不同区域的神经活动存在着密切的关系。文章描述了两种与面孔启动有关的效应:重复抑制和重复增强效应。并讨论了对内隐面孔再认影响较大的IAC模型。最后该文提出了对未来研究的展望。     

一种实用的人脸识别系统

本文构建了人脸识别软件系统的基本框架.对给定的包含人脸的输入图像,通过与已知人脸库中存储的模型进行匹配比较,确定是否是库中某一人物.如果是,则给出最佳匹配库中人物,从而实现自动人脸识别.     

基于虹膜识别的网络身份认证系统

虹膜识别的网络身份认证系统包含虹膜注册、识别模块、网络传输模块及数据加密等三大模块。用统计学原理统计不同阈值下的FAR、FRR,选择合理阈值,提高了系统识别率。结合网络传输及DES数据加密算法,实现了基于虹膜识别的网络身份认证系统。     

Robust video foreground segmentation and face recognition

Face recognition provides a natural visual interface for human computer interaction (HCI) applications. The process of face recognition, however, is inhibited by variations in the appearance of face images caused by changes in lighting, expression, viewpoint, aging and introduction of occlusion. Although various algorithms have been presented for face recognition, face recognition is still a very challenging topic. A novel approach of real time face recognition for HCI is proposed in the paper. In view of the limits of the popular approaches to foreground segmentation, wavelet multi-scale transform based background subtraction is developed to extract foreground objects. The optimal selection of the threshold is automatically determined, which does not require any complex supervised training or manual experimental calibration. A robust real time face recognition algorithm is presented, which combines the projection matrixes without iteration and kernel Fisher discriminant analysis (KFDA) to overcome some difficulties existing in the real face recognition. Superior performance of the proposed algorithm is demonstrated by comparing with other algorithms through experiments. The proposed algorithm can also be applied to the video image sequences of natural HCI. Project supported by the National Natural Science Foundation of China (Grant No.60872117), and the Leading Academic Discipline Project of Shanghai Municipal Education Commission (Grant No.J50104)