一种结合内变化基和乘性协同表示分类的人脸识别算法

针对协同表示分类的缺点,提出了一种结合内变化基和乘性协同表示分类的人脸识别算法。首先,利用测试库中人脸不同噪声的变化或图库外人脸的噪声变化,构造出训练样本人脸与测试样本人脸之间变化的内变化基稀疏字典;然后,训练样本在字典的帮助下模拟出受遮挡和光照影响的各种特征,减小训练样本与测试样本之间的差异,达到提高识别率的目的。各种比较算法在AR人脸库、ORL人脸库,Yale人脸库和Yale B人脸库上的实验结果表明,所提算法能大幅度提高协同表示分类算法的识别率,对于单样本人脸识别具有优秀的鲁棒性。     

基于局部通用的核协同表示单样本人脸识别算法

针对单样人脸识别中每个训练样本只有一张人脸图像,尤其是存在光照、表情以及遮挡等变化时,提取特征信息单一化等问题,提出一种局部通用的分块核协同表示单样本人脸识别算法。算法通过备用的训练样本构造通用的类内变化字典,并对通用集和训练样本进行分块,以达到样本扩充的目的,保证训练字典的完备性,从而提取足够的特征判别信息,然后利用高斯核变化将人脸数据映射到高维特征空间,从而实现人脸数据线性化的优势,增强人脸特征信息的可分性,提高算法在复杂环境下的适应能力。最后通过正则化协同表示计算每个样本块的重构误差,根据所有分块误差和最小完成样本的分类。在ORL、Extended Yale B、AR人脸库进行仿真实验,结果表明,构建通用的类内变化字典和对样本的分块除了起到扩充样本的作用外,还有助于人脸特征的线性表示,增强了样本的准确率。     

基于LBP的人脸识别技术在考试身份验证中的应用研究

身份验证是所有考试都需要执行的操作,对于保证考试公平、有效非常重要.本文研究如何将人脸识别技术实际应用于考试身份验证中,提出一种基于LBP的人脸识别算法,其在考试身份验证中能够协助完成图像采集、缩小替考排查范围,增加对替考舞弊发现的可能性,能在考试身份验证工作中起到很好的辅助作用     

一种基于小波和DCT的人脸识别算法

提出了一种基于小波变换和离散余弦变换(Discrete Cosine Transform DCT)的人脸识别方法,它通过对经过小波变换的人脸图像的低频图像进行DCT变换,从而获得原始图像的频谱图像,然后利用最近邻法进行分类,在ORL人脸数据库上的实验表明这样的方法能够获得比传统主成分分析(Principal Components Analysis PCA)更好的识别性.     

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.     

部分卷积耦合双通道网络的低分辨率人脸识别

在实际应用场景中所采集的人脸图像通常分辨率都很低,导致许多经典的人脸识别算法无法对低分辨率人脸进行准确识别.针对该问题,本文提出了一种部分卷积耦合的双通道网络,该网络中将高分辨率(High Resolution, HR)通道和低分辨率(Low Resolution, LR)通道中的卷积核进行部分耦合,使得LR通道能够从耦合的卷积核中学习到HR通道中的高分辨率参数,从而达到提高LR通道对LR样本的特征提取能力.为进一步提高样本分类的准确率,在双通道网络末端引入一个空间金字塔池化层(Spatial Pyramid Pooling, SPP),使用SPP层能够将HR样本与LR样本投影到一个共同的特征空间中.最后使用LFW人脸库对算法的有效性进行测试,实验结果表明,本文所提算法能够对LR人脸图像进行准确识别.     

人脸识别算法研究

近20年来,由于计算机技术的发展和对人脸识别的应用需求,人脸识别成为模式识别最活跃的领域之一。人脸识别是指采用机器对人脸图像进行分析处理,从而提取出有效的识别信息,达到身份辨认的目的。人脸识别技术涉及图像处理、模式识别、计算机视觉、神经网络等多门学科,还与人脑的认知科学紧密相关,是一个富有挑战性的课题。     

一种求解全局光照的分层遮挡测试算法(英文)

介绍一种用于支持如光线跟踪和辐射度求解等全局光照的高效分层遮挡测试算法．它基于简单的圆锥体相交检测,可以尽早排除场景中的非相关部分和迅速找出那些落在给定物体的阴影区的多边形顶点．它已显示出是一种传统的阴影探测方法（ＳｈａｄｏｗＦｅｅｌｅｒ）的有效替换算法．     

基于人脸分块近似对称性预处理的人脸识别算法

针对非限制场景下局部遮挡带来的准确率不高、稳定性差等问题,提出一种基于人脸分块近似对称性预处理的人脸识别算法.根据人脸特征点定位,将人脸分成左眼区块、右眼区块、左鼻区块、右鼻区块、左嘴区块、右嘴区块,将剪裁好的6个人脸区块与背景区块进行遮挡判断,若判断岀来的人脸区块为遮挡区块,则根据人脸近似轴对称,采用迭代梯度下降算法...     

人脸识别技术的课堂应用:一种批判性反思

人脸识别技术已悄然走入课堂,成为教育领域一种新的技术风尚。作为算法装置,这一技术将师生的身体和情绪放置于被注视和被计算的位置,忽视师生内心对安全感、信任感的需要,强化了一套外在于课堂的知识权力和价值观,反而可能抑制课堂活力和师生的自主性。人脸识别技术还深刻改变着教室不同区域的边界,迫使课堂生活向完全的前台生活转换,导向一种与教育的民主价值背道而驰的课堂形态,甚至危及师生的身心健康。建议就人脸识别技术对课堂生活的影响进行跨学科的深入讨论,重新审视这一技术应用于课堂的各种理由,以学生和教师为主体思索为什么而识别。设立专门的教育与人工智能伦理委员会,对已应用于或将应用于课堂的人脸识别技术进行严格的伦理审议,更多倾听来自学生和教师的声音。     

基于旋转变换的多角度单人脸标准化算法新探

提出一种基于旋转变换的多角度单人脸标准化算法．首先计算出人脸的平面旋转角度，然后利用双线性插值的思想，推导出一种便于编程、速度快的插值方法进行旋转变换。将其矫正为正面端正人脸。     

基于改进2D-DLPP算法的人脸识别

在二维局部保持投影中引入类间结构信息和类标签,得到有监督的二维判别局部保持投影算法,从而提高了特征集的鉴别性。针对算法中参数的选取问题,建立无参数权重矩阵,提出无参数的二维判别局部保持投影(无参数2D-DLPP)算法。在Yale和ORL人脸库上的仿真实验结果表明,该算法与二维判别局部保持投影(2D-DLPP)、二维局部保持投影法(2D-LPP)和二维线性判别分析法(2D-LDA)相比能够取得更高的识别率。     

基于人脸识别中眼睛定位的算法

人脸识别是模式识别学科的一大研究热点．可以广泛地应用于保密系统、可视电话系统以及人机交互系统等领域。眼睛定位是人脸识别中一个重要的信息,本文根据人脸中眼睛的灰度及形状信息,提出了一种新的眼睛定位算法。实验结果表明此算法具有较好的准确性和可行性。     

一种驾驶员面部识别中眼睛定位算法

介绍了一种精确定位眼睛的方法,该算法先利用改进的人脸图像的垂直灰度积分投影确定脸的左右边界,再根据人脸图像的水平灰度投影曲线来确定眼睛的大致高度;还将传统的积分投影方法与本文提出的微分投影相结合,实验结果表明该算法消除了背景、头发及服装等干扰,定位准确率高.     

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。     

对人脸识别特征数据降维算法的优化

在模式识别领域,人脸特征数据相对庞大,为了提取人脸主要的特征数据,提高识别系统的运行效率,对特征数据的降维是必须的操作。针对现有降维算法对识别率有较大影响的问题,本文总结了各类降维算法,提出了一种优化的降维算法。     

二维PCA人脸特征提取算法及其改进

基于DiagPCA（对角主成分分析）及平均脸的方法对二维主成分分析（2DPCA）方法进行了改进,既考虑到构造2DPCA训练样本人脸间散布矩阵时使特征最大化,减少了同类人脸之间的特征差异,又利用图像矩阵对角化将图像的行、列关系联系起来,并利用ORL人脸数据库进行实验。结果显示,该方法可提高人脸识别率,且降低了特征提取的时间。     

模块2DPCA算法在人脸识别中的应用和讨论

文章讨论了模块2DPCA(two-dimensional principal eomponent anallysis)的人脸识别方法.传统的PCA方法是在特征抽取之前将子图像矩阵转化为图像向量,这样会造成维数增大.二维主成分分析算法(2DPCA)作为模式识别领域的一种重要算法,它直接利用原始二维图像矩阵,生成特征提取所需的图像协方差矩阵,具有较高健壮性.模块2DPCA是2DPCA的推广,模块2DPCA方法先对图像矩阵进行分块,将分块得到的子图像矩阵直接用于构造总体散布矩阵,然后利用总体散布矩阵的特征向量进行图像特征提取.与2DPCA相比,模块2DPCA方法在识别性能上优于PcA.、比2DPCA更具有鲁棒性.最后就模块2DPCA存在的问题进行了讨论.