人脸检测与识别综述

计算机人脸识别技术就是利用计算机分析人脸图象,进而从中提取出有效的识别信息。用来“辨认”身份的一门技术。主要分为三个阶段：人脸检测、特征提取和人睑识别。然后分别对三个阶段所采用的技术进行探讨。     

人脸图像识别方法的研究

人脸图像识别早已不是一个新课题,从1964年到现在,已经有四十多年的研究历史了.在此期间,人们研究出了多种人脸识别方法,本文综述了人脸图像识别的各种方法以及每种方法的应用范围,进而提出一种基于几何特征的人脸识别方法.     

基于二维主成分分析方法的人脸识别

由于人脸姿态、光照和表情等各方面的显著差别,使人脸识别成为非常具有挑战性的模式识别问题.主成分分析是模式识别技术中经典的特征抽取和降维技术之一.使用二维主成分分析方法(2D PCA)实现了人脸识别,传统的主成分分析方法(PCA)把图像矩阵转换成列向量进行处理,从而丢失了一部分特征信息,并且使协方差矩阵的维数很高、计算量很大;2D PCA直接在图像矩阵上进行处理,充分利用了样本类别的差异,大大减少了计算量.在ORL人脸库上利用2D PCA方法进行实验,实验结果表明2D PCA优于PCA.     

基于PCA的人脸识别算法在考试身份验证中的应用研究

研究了主成分分析（PcA）人脸识别算法的原理及实现,并将该算法应用于考试身份验证中,结果发现,该算法简单、快速、易行。     

基于ARM Core的Bootloader分析与设计

Bootloader的开发是嵌入式系统整个开发过程中的重要环节。它是操作系统内核启动前运行的一小段程序,其作用与pc机上的BIOS相似。以ARM S3C4510B为例,分析说明了Bootloader在嵌入式Linux开发中的作用与工作流程,并设计了相应的Bootloader。     

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。     

基于ARM9液晶显示模块的应用与研究

本文提出一种基于ARM9控制TOPROLCDC-3224TFT液晶显示模块的实现方法,介绍了该液晶显示模块的性能特点,并给出ARM9与TOPROLCDC-3224TFT液晶显示模块的硬件接口设计及软件程序设计。     

基于ARM7和ARM9的系统异常处理分析与研究

嵌入式系统要求处理器快速响应异常中断。而基于ARM的不同版本和体系结构常用的异常中断有不同返回和指令执行方式．分析和研究这些异常中断原理,对在不同ARM体系下判别如何使用异常指令具有积极意义。文章以例举、比较和分析的方式展现了ARM7、ARM9中固定异常处理在不同模式下的工作过程和原理。     

基于ARM的嵌入式Linux操作系统移植

论述了基于ARM微棱的微处理器上的嵌入式Linux操作系统的移植技术，结合具体实例给出了在特定硬件平台上的实现过程，并且详细说明了如何建立交叉开发环境的方法。对其他嵌入式操作系统的开发同样具有参考意义。     

基于ARM的绝缘子监测系统设计

随着社会用电量越来越大,电力网络输电线路电压等级越来越高,电网安全性要求越来越高,绝缘子故障对输电线路正常运行的不利影响越来越严重。本文所描述的基于ARM芯片的绝缘子监测系统通过线圈从绝缘子表面采集泄露电流,经过锁相放大器进行放大滤波,ARM处理器进行数据处理、分析、判断,达到对绝缘子绝缘状况的监测。     

一种基于非线性特征提取的被动声纳目标识别方法研究

目标噪声特征提取是被动声纳目标识别系统的关键技术。首先提出了一种利用从噪声极限环中提取的非线性特征来分析舰船噪声信号的新方法,然后采用基于自适应遗传BP算法的神经网络对提取的特征进行分类。实验结果表明,该系统具有较好的分类效果。     

基于SVM的人脸识别系统的研究

该文使用PCA来提取人脸的特征,克服了K-L算法计算量大,计算耗时长的缺点。实验表明该算法减少了特征提取时间。然后运用SVM来进行人脸识别。将两类分类问题的识别策略应用到多类分类问题,以ORL人脸库做的实验中得到了很好的识别效果     

基于MATLAB的指纹识别研究与实现

随着生物识别技术的发展,指纹识别技术因其唯一性和安全可靠性在现实中不断地被广泛使用,在身份识别应用中大有取代其他传统方式的趋势。本文以MATLAB作为仿真平台,充分利用MATLAB工具强大的绘图能力和多样而实用的工具箱的优点,对指纹识别系统设计图像进行了一系列的处理,最后通过实验对指纹图像的特征点进行提取。     

基于向量空间模型的特征抽取技术分析

特征降维是基于向量空间模型(VSM)文本分类的关键技术之一,特征抽取是特征降维的主要方法。本文主要分析了几种常用的特征抽取方法,并给出了它们的实现步骤。     

基于步态特征提取方法的研究

对步态识别的国内外研究现状进行了详细的论述;介绍了基于步态识别的身份识别过程,阐述了在步态识别各阶段用到的一些方法;对步态识别的下一步工作进行了探讨。     

基于改进Hu矩的变电站红外图像特征提取

首先介绍了Hu不变距的相关理论,采用Hu矩对红外图像进行特征提取,并针对提取的Hu矩各分量数值的数量级差别过大,不能同等体现各分量的重要性,以及Hu不变矩对二维离散图像不满足保证缩放不变性的问题,提出了两种改进方法。然后对两种改进方法的尺度收缩性进行比较,采用Matlab实验仿真技术对缩放性能较优的Hu矩改进方法进行了不变性测试并提取特征。     

基于鉴别分析的彩色人脸图像灰度转换方法

当前主流的人脸识别算法,都是把原有的彩色图像转化为灰度图后,采用基于灰度图像的特征抽取与识别算法进行分类识别。人们在实际操作过程中,只是使用一组简单的加权系数实现从彩色图像到灰度图的转换,这并不能很好的体现R,G,B 3个颜色分量之间的次重关系。本文根据人脸图像颜色组成的特点,对彩色人脸图像的R,G,B 3个分量的颜色信息进行特征抽取与分析,从中找出鉴别特征的三基色系数表示方法,把彩色图像转化为灰度图。最后,在国际通用的AR标准彩色人脸库中进行了大量实验,验证了本文算法的有效性。     

基于特征矩阵的高效数字识别算法

传统的数字识别算法存在识别速度、识别准确率和识别方法复杂度三者无法兼顾的问题,为解决该问题,提出了基于特征矩阵的高效数字识别算法。该算法首先在预处理的基础上获取字符的特征矩阵,然后用特征矩阵对字符的特征横线、竖线等特征进行提取,最后利用结构语句识别的方法实现数字识别。实验结果表明,基于特征矩阵的高效数字识别算法思路简单、速度快,且识别率达97％以上。     

一种基于指纹人脸的多生物特征身份认证方法

本文分别介绍了一种基于指纹人脸识别的多生物特征身份认证方法,并针对传统的指纹人脸方法提出相应的改进算法。对指纹识别,本文提出采用局部归一化方法结合Gaussian滤波器来计算指纹方向,再对局部脊线补偿法(Loca lRidge Compensation)进行快速运算,能够更加快速准确地进行指纹识别。人脸识别通过定位人脸位置并且进一步提取人脸特征来进行匹配,使用LBP(Local binary patterns)算子对人脸样本进行局部特征提取,对LBP处理后的人脸图像使用主成分分析(PCA)进行降维,并采取了极限学习机(Extreme learning machine,ELM)分类器进行匹配,将指纹、人脸的识别结果在决策层进行融合,最后做出判断,从而得到准确稳定的身份认证系统。     

基于互信息的特征提取方法在中文法律案情文本分类中的改进及应用

本文主要论述了一种改进的基于互信息的特征提取方法及其在中文法律案情文本分类中的应用,文中给出了具体实现过程及实验数据。