基于BP神经网络人脸识别系统的研究与设计

BP神经网络的结构一般包含三部分,分别是输入层、隐含层和输出层。BP神经网络除了具有强大的可操作性结构特点外,它还可以在网络结构中引入若干个隐含的节点。由此我们可以运用BP神经网络算法来构造所测试的人脸模型。     

基于PCA和神经网络的人脸识别算法研究

在MATLAB环境下,取ORL人脸数据库的部分人脸样本集,基于PCA方法提取人脸特征,形成特征脸空间,然后将每个人脸样本投影到该空间得到一投影系数向量,该投影系数向量在一个低维空间表述了一个人脸样本,这样就得到了训练样本集。同时将另一部分ORL人脸数据库的人脸作同样处理得到测试样本集。然后基于最近邻算法进行分类,得到识别率,接下来使用BP神经网络算法进行人脸识别,最后通过基于神经网络算法和最近邻算法进行综合决策,对待识别的人脸进行分类。     

基于FPGA的人脸识别系统实验设计

随着科技的快速发展,人脸识别技术逐渐进入了人们的生活中,成为了生活中密不可分的一部分.FPGA不仅能够进行数字系统设计,在人工智能领域也崭露头角.电子信息类本科生的实验安排也必须跟上人才培养的需求、时代的步伐,为此,开发了基于FPGA的人脸识别系统实验设计.该设计使用PYNQ实验板,利用Vivado HLS高级综合工具...     

基于改进卷积神经网络的人脸识别算法

针对经典人脸识别卷积神经网络(CNN)结构中因网络层次设计过深导致计算量大且训练耗时长的问题,设计一种改进的卷积神经网络结构,该结构由3个卷积层、3个池化层、1个全连接层和1个分类层组成。利用Softmax回归算法进行人脸分类识别,卷积神经网络在输出层利用改进的Softmax进行分类。实验结果表明:在AR人脸库上,所述方法的识别率接近100%,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性。     

基于PCA-LDA与蚁群优化BP神经网络的人脸识别算法

针对人脸识别问题,提出了一种新的算法。该算法利用融合的PCA和LDA算法进行特征提取,并使用蚁群优化的BP神经网络进行人脸识别。使用融合的PCA和LDA算法对特征向量进行提取压缩,为了提高BP神经网络对人脸的分类精度和减少训练时间,使用蚁群算法优化BP神经网络的初始参数,并使用优化后的BP神经网络进行训练和人脸识别。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。     

人脸识别技术研究

人脸识别技术在当今社会应用非常广泛,目前已经有很多技术取得了很好的成绩.文章主要针对人脸识别技术进行了综述,并展望了其未来的发展前景.     

人脸识别技术研究

本文首先对人脸识别(Face Recognition)的概念、过程以及其发展和研究现状作了简单回顾,然后简要介绍了其应用领域,接着对人脸识别的常用方法进行分类综述,主要介绍了基于几何特征(Geometric Features)的方法、特征脸(Eigenface)方法、隐马尔可夫模型(HMM,Hidden Markov Model)方法、神经网络(Neural Networks)方法以及弹性图匹配(Elastic Matching)方法,并分析了人脸识别过程中存在的困难,最后展望了人脸识别技术今后的研究方向.     

人脸识别技术及应用

近年来,人脸识别正在引起学术界和商业界越来越多的关注,随着人脸识别技术的飞速发展,它正在越来越多被应用在安全验证系统、医学、档案管理、银行和海关的监控系统及自动门禁系统等。对于人脸识别技术及其应用作了浅要分析。     

Eigenface和Fisherface用于人脸识别的性能比较

论述了Eigenface和Fisherface用于人脸识别的基本原理,给出了这两种方法的MATLAB伪代码,并实验分析了这两种方法在uMIST和ORL人脸库上的识别性能.     

基于PCA的实时人脸识别

近年来,生物特征识别技术得到了快速的发展,人脸检测技术也在不断进步.与其他人体生物特征识别系统相比,人脸识别更加直接和便利化,因而容易为用户所接受,并且其在身份验证、公安刑侦、智能视频监控、智能人机交互系统等方面都有着广泛的应用.     

人脸识别方法综述

人脸识别问题关键要解决的技术是光照问题及表情特证识别技术。对一系列人脸识别方法进行了综合性描述,阐述了人脸识别已经取得的方法和研究成果,给出了人脸识别中需要解决的关键问题。     

C2D-CNN模型下的人脸识别方法研究

为解决人脸识别工作中测试数据与训练数据的差异带来的精度损失问题,提出一种C2D-CNN模型下的人脸识别方法。该模型将彩色2DPCA算法提取的原始图像像素特征与CNN(Convolutional Neural Network)学习的图像表示相融合,能显著提高人脸识别性能。进一步的,提出一种新的CNN模型,在CNN中引入归一化层,以加速网络收敛,此外还加入了分层激活函数,使得激活函数对归一化后的数据有自适应性。选取复杂环境下的FRGC人脸库以及自采集人脸库进行实验。实验结果表明,对于FRGC人脸库,相比Alex Net网络,本算法的预训练时间缩短了69. 4%,识别率提高了9. 72%～22. 99%,相比微调后的AlexNet网络,识别率提高了6. 07%～15. 28%,解决了测试集与训练集之间的差异带来的识别率低的问题。     

国际人脸识别技术景观分析

人脸识别技术是人工智能的重要细分领域。针对现有研究缺乏系统的分析模型和定量的指标分析现状,提出技术演化趋势、技术集群特点和技术竞争态势三维技术景观分析框架,深入挖掘和分析国际人脸识别技术,并对我国人脸识别研究机构及相关企业提出有关建议。     

人脸识别技术概述

人脸识别技术是一种基于人的面部特征的生物识别技术,现已广泛的应用到我们的生活中。本文首先对深度学习和人脸识别的概念进行了简述,然后对现有领域主要的人脸识别方法进行简单介绍,然后举出人脸识别在现实生活中的应用,最后指出现有人脸识别方法的一些不足,最后对未来作出展望。     

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。     

人脸识别技术在视频监控系统中的应用探讨

人脸识别技术是一种新兴的生物识别技术,近二十年成为科研热点,它是利用计算机分析人脸图像,提取有效的信息进而实现身份确认的一门技术。     

人脸识别中图像预处理方法的研究

文章针对人脸识别中图像预处理进行研究,采取直方图均衡化、中值滤波和同态滤波等方法对读入的人脸图像进行处理,从而突出图像细节,为下一步人脸图像的特征提取、匹配、识别等步骤打下基础,提高可靠性。仿真结果表明,所采取的方法是可行有效的。     

人工智能人脸识别技术安全风险评估研究

以北京、上海、深圳、福州、广州地区42家人工智能人脸识别技术开发方为调查对象,构建了人脸识别技术安全风险评估指标体系,利用模糊综合评价法对其进行了实证研究.结果表明:被调查企业人脸识别技术应用处于较安全等级,风险水平较低,数据安全及隐私安全等级最高,管理体系最低;算法、模型可靠性和可解释性对人脸识别技术安全性影响程度最大,软件系统安全的影响程度最小;数据访问权限控制对人脸识别技术应用过程中的安全防御效用发挥得最好,而安全管理策略、制度防御效用最低.     

基于PCA算法人脸识别的matlab实现

本文介绍了人脸识别中常用的PCA算法,并在matlab环境下分别实现了基于PCA的人脸识别,融合了小波变换,PCA,奇异值分解等方法简化特征提取和识别过程,采用了ORL人脸数据库作为实验库,验证了该方法可以有效地进行识别,对实际应用有一定参考价值。