一种基于二维经验模式分解的人脸识别方法

针对小波变换在人脸识别中存在识别正确率较低的问题,提出了一种基于二维经验模式分解的人脸识别方法。首先利用二维经验模式分解对人脸图像进行分解,再提取各分解子图像的能量作为人脸特征向量,并采用支持向量机进行训练和识别。经剑桥大学ORL人脸库的图像识别实验表明,所提方法的识别率高于小波方法,正确率达到98.6%。     

一种鲁棒性强的光照人脸预处理算法

为解决变光照下人脸识别率低问题,提出一种鲁棒性强的光照人脸处理算法(ISSR)。首先对亮度图像进行粗估计,然后通过非线性运算在反射图像中对粗估计的亮度图像进行补偿,最后采用支持向量机建立人脸识别分类器,并采用Yale、CMU-PIE和AR人脸库进行仿真测试。结果表明,相对于其它光照处理算法,ISSR算法增强了人脸图像的质量,提高不同光照条件下的人脸图像识别正确率,鲁棒性更强。     

基于小波变换和稀疏表示的人脸识别方法研究

在传统的基于小波变换的人脸识别方法的基础上,加入稀疏表示的方法对人脸识别进行研究,进一步提高人脸识别率。小波变换把人脸图像分解为一幅低频人脸图像和三幅高频人脸图像,低频人脸图像代表人脸图像的全局(整体)信息,高频人脸图像代表人脸图像的纹理和边缘等细节信息。低频人脸图像在人脸识别中起到关键性作用,用正交投影的方法对低频人脸图进行识别得到的低频人脸图像分类隶属度。高频人脸图像在人脸识别中同样存在不可忽略的作用,用基于领域能量的方法把三幅高频人脸图像融合为一幅高频融合人脸图像,然后用稀疏表示的方法对融合图像进行识别得到高频人脸图像分类隶属度。最后把高、低频分类隶属度融合确定人脸图像所属类别,与传统人脸识别方法相比,进一步提高了人脸识别率。     

基于佩戴眼镜人脸图像识别方法研究与仿真

研究基于图像的人脸准确识别问题.人在佩戴眼镜的情况下,脸部受到眼镜遮挡,造成无法提取眼部区域特征,人脸主要特征丢失,造成识别准确率下降.为了避免上述缺陷,提出了少量特征相关性计算的人脸识别方法.对提取的人脸图像少量的特征参数进行非线性变换处理,获取特征向量权值系数.利用小波变换方式计算人脸特征相关性系数,通过少量特征相关性进行人脸识别.实验证明,这种眼部特征图像人脸识别方法提高了佩戴眼镜情况下,人脸识别的准确率,取得了满意的效果.     

自动人脸识别方法研究与展望

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。     

基于主元分析和径向基神经网络的人脸图像识别

文章提出了一种基于神经网络的人脸图像识别方法.这种方法利用主元分析法提取人脸图像的人脸特征(矢量),在径向基神经网络(RBFNN)上实现对人脸图像的分类识别.     

基于Curvelet与2DPCA的嵌入式人脸识别

针对小波变换在嵌入式人脸识别中的不足,提出了Curvelet(曲波)变换结合2DPCA(二维主分量分析)的嵌入式人脸识别.采用Curvelet变换进行人脸图像特征的提取,经过比较,选取了Wrapping算法,然后利用2DPCA进行降维,并结合最近邻算法进行人脸识别.实验结果表明该方法很好得解决了人脸特征维数过高、数据量...     

基于数字图像处理的人眼定位算法的研究

一般的人脸识别系统主要包括图像与处理、人脸定位、特征提取、样本学习和识别过程四部分,其中人脸定位和特征提取的好坏直接影响到识别效果,文章研究的是特征提取方法中人眼定位算法,该算法利用Vusya1 C++编写程序,在人脸粗定位的基础上进行,缩小了搜索范围,实现人眼定位.     

基于视频图像的人脸检测

视频图像的人脸识别技术发展,促进了数字视频监控等系统的广泛应用。本文对基于特征、模板、统计理论等视频图像的人脸检测基本方法进行了介绍,对人脸检测系统的图像采集、图像处理、特征定位、人脸识别处理等设计进行了阐述,对人脸检测方法的改进进行了尝试。     

融合局部奇异值特性的人脸自动识别

针对仅在整幅人脸图像上进行奇异值分解无法得到人脸识别所需的足够信息的问题,提出了一种利用人脸图像的局部奇异值和灰色关联分析进行人脸识别的方法。该方法的关键是不在整幅人脸图像上进行,而是在人脸的不同区域进行奇异值分解以提取更丰富的信息和克服＂小样本＂效应。在识别阶段,对待识别人脸的特征向量,计算其对各人脸样本的隶属度,最后做出判断。该方法与传统方法在ORL人脸库上进行的对比实验结果,表明了该方法的优越性。     

一种OpenCV与云计算结合的人脸识别方法

为了提高人脸识别的准确度同时降低技术成本,采用OpenCV与云计算结合的方法来实现人脸识别,首先在OpenCV下采用AdaBoost算法训练出级联分类器用来进行人脸检测,然后使用OAuth2.0授权调用百度云的AI开放平台人脸比对接口进行人脸识别,根据返回的人脸图像相似度值判断是否为同一个人,实现了一个人脸识别的登录验证系统。系统在基于Java的web应用上实现,采用MVC设计模型,其各个层使用的框架为SSM框架。本地资源OpenCV跨平台计算机视觉库有丰富的算法,可以简化程序设计,节省通信开销;使用百度云的AI开放平台可以提高人脸识别精度。文章提出的方法结合了本地资源和云计算的优势,为高精确度低成本实现人脸识别技术提供了一种思路。     

一种人脸图像识别算法的研究

针对人脸图像识别精度不高的缺点,本文将改进的Gabor,DLDA和最小二乘向量机进行融合了一种新的算法。在该算法中,首先通过Gabor中引入支持向量的字典学习算法,提高人脸信息,其次在DLDA中采用降低同类中距离偏大的样本之间的类内距离,去除了无用的样本,最后通过最小二乘向量机筛选出优良的样本。在仿真实验中与其他人脸识别算法进行对比,取得了比较好的识别效果。     

基于稀疏差分和典型相关分析融合的人脸图像识别

为了进一步提高人脸图像的识别率,提出了一种相关分析融合的人脸图像识别算法。首先通过采用压缩测量数据得到人脸图像,然后通过划分子模式的方法去除图像中的小样本,提取局部特征,采用成分分析提取人脸图像的整体特征,通过算法对人脸图像特征进行融合,从而消除人脸部冗余信息,最后通过3个人脸数据集对算法进行测试。仿真实验表明,本文的算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。     

不完整信息下的人脸识别技术研究

近年来在模式识别领域,人脸识别早已成为热门的研究方向之一。但是在大多数情况下,采集到的人脸图像信息并不完整,受现实因素制约,往往存在分辨率低,尺度变化大,同时受到光照、运动姿态以及遮挡物等的影响,如何利用这些不完整信息下的图像来进行人脸识别一直以来都是很多学者想要克服的技术难关。文中提出了一种针对不完整信息下的模糊人脸图像复原方法,并在复原重建后的图像的基础上来进行人脸识别研究,最后展望了不完整信息下的人脸识别未来的发展方向和趋势。     

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。     

一种融合小波分解和滤波的KPCA人脸识别方法

相关研究指出,人脸图像具有低频稳定性和模式非线性的特点.小波分解和平滑滤波能够削弱人脸图像的高频成分而保留其低频成分,核主成分分析(KPCA)能够提取人脸图像的非线性特征,鉴于此本文提出了一种结合小波分解、平滑滤波和核主成分分析的人脸识别方法.最后在ORL人脸库上进行的大量实验,结果表明,该方法简单易行,比传统的核主成分分析方法的识别率更高,且运算时间增加不多.     

基于形态学滤波和PCA的人脸图像识别方法

针对基于主成分分析(Principal Components Analysis PCA)的人脸识别方法容易受光照影响的问题,提出了一种基于形态学滤波和PCA相结合的人脸识别方法,首先利用形态学滤波对含噪人脸图像进行滤波处理,然后通过PCA提取特征,最后利用最近邻法进行分类,在ORL人脸数据库上的实验结果表明,本文方法取得了比传统PCA更好的识别性能.     

基于2DPCA和Fisher的嵌入式人脸识别系统的实现

使用人脸类Haar特征进行人脸检测,采用2DPCA与Fisher结合的降维算法得到人脸特征子空间,将经过PC机得到的样本特征子空间文件通过网络传输到嵌入式平台,结合最近邻算法识别人脸,实现了一种嵌入式人脸识别系统,较好地解决了嵌入式人脸识别系统由于图像处理数据巨大而造成处理效率低的难点。基于EELiod270嵌入式开发平台实现了该系统,结合实际图片进行了人脸识别测试,实践结果表明系统效果良好。     

DCT特征与SVM分类在人脸检测中的应用

人脸检测作为人脸识别系统的重要一环,越来越受到技术研究和商业应用的关注。针对人脸检测中时间和检测率不能很好保证的情况,提出了使用DCT变换和支持向量机的人脸检测算法。利用离散余弦变换的系数作为支持向量机的输入特征值,证明该方法能提高人脸检测的准确性,并缩短检测时间。     

核向量机在人脸识别中的应用研究

提出了一种基于核向量机的人脸识别方法。首先介绍了人脸识别的整个过程,然后着重介绍核向量机的算法以及采用它进行人脸的分类识别。最后在扩展的MIT人脸数据集中对该算法进行测试,验证了该算法在处理大样本数据集时是一个较好的选择。