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。     

基于统计的人脸识别方法综述

人脸识别是一个具有很高理论和应用价值的研究课题。人脸识别方法大致分为基于统计的人脸识别方法、基于几何特征的人脸识别方法和基于模型的人脸识别方法。本文主要研究了基于统计的人脸识别方法。     

人脸识别中的PSVM方法

最临近支持向量机Proximal SVM(PSVM)是一种有效的、简单的和快速的近似支持向量机方法,识别效果和标准支持向量机相当,相比之下有较少处理时间．虽然有此优点,它的有效性仅仅是针对维数不高、大样本的数据集,而对于上千维甚至上万维的、小样本的人脸数据库情况没有人给出实验结果．文章把PSVM稍做改变,对四个公开的人脸库进行分类．同时采用几种典型的泛化线性鉴别分析(GLDA)方法,对人脸图像预处理．从识别率和所用的处理时间两方面以及用最近邻及最近特征线分类器进行对比,得出具有较好识别效果和处理时间的方法．     

基于D-LLE算法和图像分块的人脸识别方法

人脸识别是当前计算机视觉领域的一个研究热点,在日常生活中的应用也非常广泛.近年来,流形被认为是视觉感知的基础,利用流形学习算法可以寻找图像的内在特征.文章提出一种基于差异性值监督LLE(D-LLE)算法和图像分块的人脸识别方法,首先对提取的人脸图像进行分块,然后利用D-LLE算法进行人脸子图像集特征提取,最后使用最近邻分类器进行人脸图像识别.通过与现有人脸识别方法进行仿真结果比较,该方法能够取得较好的识别效果.     

基于Matlab的人脸识别系统设计

为了更好地保障信息安全,基于Matlab设计一个人脸识别系统。首先调用计算机摄像头采集人脸照片,检测并提取其中的人脸区域部分,并对提取出的人脸区域进行图像预处理,然后与事先建立好的人脸特征数据库进行对比与匹配,识别出检测到的人脸图像,输出识别结果,最后得出待测人的有效身份。运行结果表明,该人脸识别系统可有效实现人脸识别,且运行较为稳定。此外,研究发现Gabor算法在人脸特征提取方面具有良好性能。     

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。     

基于小波变换与Boosting的人脸识别方法

文章首先对人脸图像做三层小波变换,分析了小波分解后的各个小波子带图像,研究了每一个小波子带单独运用主成份分析方法进行人脸识别的识别率,然后利用Boosting算法中的投票组合原则,组合各小波子带来进行人脸识别,与传统的主成份分析方法相比,具有更高的识别率.     

IFMPCA方法在人脸识别中的应用

为了弥补传统PCA方法在人脸识别时易受光照、表情和姿态影响的缺陷,提出了一种基于独立特征提取的MPCA方法(ModularPCABasedonIndependentFeature,IFMPCA)。首先,选取人脸训练样本中具有相似光照、表情和姿态的图像进行分块,使各个子模块更接近高斯分布;然后,通过求出子模块图像的散布矩阵和最优投影矩阵得到最优独立特征矩阵;最后,利用最小距离分类器进行样本的分类。在Yale人脸数据库上的实验结果表明,IFMPCA算法在人脸正确识别率方面优于传统PCA算法。     

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。     

改进的线性判别回归分类人脸识别算法

对线性回归分类算法进行了改进。考虑了线性回归分类算法中没有考虑的类间信息,通过选择类模式的投影方向判别不同类的模式,不同类的模式互相远离,相同类的模式尽可能靠近来估计投影矩阵;再利用投影矩阵将训练图像及测试图像投影到各类的特征子空间;最后,计算出测试图像与训练图像间的距离,利用K-近邻分类器完成人脸的识别。在FERET人脸数据库上进行实验验证。实验结果表明,相比其他回归分类算法,本算法取得了更好的识别效果。     

基于姿态和光照不变的三维人脸识别研究

为了解决由姿态和光照变化引起的误识率,提出了一种利用稀疏统计形变模型,进行三维人脸形状重建,通过调整角度,解决人脸图像姿态发生改变的方法.运用球面谐波商图像的方法,估计原始输入图像的光照属性,对生成的模型进行标准化的姿态和光照重构,解决了原始输入图像中由于姿态和光照不同所引起的识别误差.实验表明,该方法能够有效地提高对三维人脸的识别率.     

基于卷积神经网络人脸识别系统的安全性研究

针对传统神经网络中的对抗样本问题,以人脸识别为例,讨论了基于传统神经网络的人脸识别技术的潜在安全风险,以及在口罩对抗样本生成并提供防御的方法。主要研究如下：第一,所提出的解决人脸识别技术安全问题的方法,产生了具有模糊和无偏差面具的图像,人脸识别模型将具有模糊面具的脸误判为目标人物。实验结果表明,对抗样本在一定程度上模仿了被隐藏者戴口罩的情形,成功率为90.43%。第二,提出DeFense-EC保护方法来掩盖虚假图案,并使用图像重建技术来恢复虚假图案和抑制噪声。对不同数据集的测试证实了DeFense-EC重建的图像质量很高,其可靠性达到92.32%。讨论传统的基于神经网络的人脸识别方法中的不利选择问题,并研究不利面具选择的风险和DeFense-EC保护方法的有效性。卷积网络的日益普及使逆向选择问题成为一个重要的研究领域,对逆向选择的彻底调查将促进卷积网络的发展和使用。     

一个新的基于最近邻分类的人脸识别类器

在人脸识别技术中,传统的最近邻分类器(NNC)是最重要的分类器之一,它直接利用测试样本与有训练样本的最小距离进行分类.文章在最近邻分类基础上提出了一个基于最近邻分类人脸识别分类器,利用同一类训练样本的线性组合来表示测度样本,通过计算测试样本到同类训练样本与对应系数乘积的距离进行分类.试验样本来自ORL人脸数据库,试验结果表明文章方案的识别效果优于传统的NNC分类器及其扩展方案CNNC.     

基于FLPP的极端学习机人脸识别方法

极端学习机(ELM)训练速度快、分类率高,已被广泛应用于人脸识别领域,但是在实际问题中由于数据具有较高维数,导致ELM在有限样本下存在学习不充分的问题。传统对数据进行有效维数约简的方法,没有考虑到数据之间判别信息和小样本问题。为此,提出一种强制性保留算法（FLPP）,以保持全部样本与局部样本之间的几何结构,同时类间离散度矩阵加入判别信息,因此避免了样本点重叠和小样本问题。实验结果表明,该算法有效提高了极端学习机的泛化性能和分类准确率。     

超分辨率图像复原技术综述

介绍了超分辨率图像重建的基本概念、应用场合和主要的重建方法,着重分析了压缩域中的超分辨率重建技术,并对未来的研究问题进行了展望。     

人脸识别在实验教学中的应用

高校教学管理中,课堂出勤率至关重要。基于目前课堂考勤的需求,文章研究了采用人脸识别技术的课堂管理系统的设计。     

人脸识别的新时代

我们正处在一个新时代的入口。人有70％的能量是被大脑消耗,大脑90％的能量用来处理视觉信息,人脸则承载了绝大部分的视觉信息。     

基于独立特征提取的MPCA方法在人脸识别中的应用

为了弥补传统MPCA（Modular Pfindpl Component Analysis）方法在人脸识别中忽略子图像之间差异的缺陷,本文提出了一种基于独立特征提取的MPCA方法（Modular PCA Basedon Independent Feature,IFMPCA）．首先选取人脸训练样本中具有相似光照、表情和姿态的图像进行分块,然后将训练样本的子图像和测试样本的子图像进行最优投影,得到子特征矩阵．最后,求得样本间的距离,利用最小距离分类器进行样本的分类．在Yale人脸数据库上的实验结果表明：IFMPCA算法在人脸正确识别率方面优于传统PCA算法．     

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.