基于改进GAN的局部遮挡人脸表情自动识别方法

传统的局部遮挡人脸自动识别方法识别出的人脸特征中存在批量不定的无效数据,难以高效适应批量的变化,本文提出基于改进生成式对抗网络的局部遮挡人脸表情自动识别方法。利用激光扫描技术获得人脸表情图像,统一处理图像和图像中的细节特征,使用改进生成式对抗网络技术提取图像中已遮挡的表情特征,将其输入到正则化编码的稀疏分类器中,实现局部遮挡人脸表情的自动识别。实验结果表明,该方法在大批量数据和小批量数据区域内,对不同表情都具有较高的累积匹配成功率,适应能力得到了提升。     

基于Gabor和支持向量机的遮挡人脸识别

提出一种针对部分遮挡的人脸图像进行分类识别的新算法。采用Gabor小波变换对人脸图像进行特征提取,从而得到图像的Gabor特征矩阵。并利用支持向量机的方法实现遮挡人脸的分类识别。经仿真实验证明该算法有效。     

基于C5.0算法的人脸表情识别研究

本文通过对人脸表情图像进行预处理,对预处理后的待测图像进行特征点标定,统计出这些特征点之间的几何特征,建立表情属性表,构建基于决策树C5.0算法的人脸表情识别模型,获取分类规则,得到较好的识别精度,为人脸表情识别提供了一条有效途径。     

人面部表情识别方法综述

人脸表情识别是模式识别中一个非常重要却十分复杂的课题。首先对计算机人脸表情识别技术的研究背景及发展历程作了简单回顾。然后对近期人脸表情识别的方法进行了分类综述。通过对各种识别方法的分析与比较,提出了人脸表情识别技术实用化所需要考虑的几个方面,进而展望了人脸表情识别技术的发展方向。     

基于SVM的人脸表情识别

提出利用独立成分分析提取人脸表情特征并用SVM进行识别的方法。实验分析SVM的一对一、一对多两种多分类方法,实验验证了ICA和SVM在人脸表情识别上的可行性和有效性。     

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.     

基于可变形部件模型的人脸检测模式识别算法

针对目前人脸表情识别鲁棒性较差的问题,提出了一种基于可变形部件模型的人脸检测模式识别算法。通过一种多视点人脸检测的树状结构模型,使用详细的面部标志性标签来模拟面部内部结构。本文使用潜在支持向量机(LSVM)从部分标记的图像中获取,增强数据挖掘和引导过程在训练期间的丰富模型,逐步学习潜在阳性和阴性样本的同时,建立基于弱标记数据的模型。最后在每一个模型的检测定位过程中,综合主滤波器以及部件滤波器的响应,通过位置关系对每一个扫描到的窗口评分,并将得分和阈值相比较,得到多角度融合模型的检测结果。在对人脸检测数据集提出的算法进行验证头部姿势变化和面部封闭情况下模型的准确性。研究结果表明,该模型能较好地处理表情丰富、部分遮挡的人脸等复杂情况下的识别,正检率达到97.1%,具有较强的准确性和适用性。     

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.     

一种基于多层BP神经网络面部表情识别方法

人脸表情识别是指通过面部表情特征的计算,实现表情的分类.研究了基于面部运动特征的表情识别方法,提出基于神经网络的表情识别方法.该方法提出一种基于多层BP神经网络进行表情分类的方法,其特征提取利用脸部运动编码系(FACS)进行;训练BP网络作为依据运动特征进行表情分类的判别方法.实验表明分别时上下半边脸的运动单元(AU)进行训练和测试,取得了较好的识别效果.     

基于Garbor滤波和PCA的双核LSSVM人脸识别

为了对具有不同表情和姿势等特征的人脸进行有效识别,同时解决以往人脸识别方法的维数灾和识别准确率低的问题,提出了一种基于Garbor滤波和双核LSSVM的人脸识别方法。首先,采用Gabor滤波器提取原始人脸图像在不同尺度和方向上的人脸特征向量,然后采用主成分分析法对特征向量降维以解决维数灾问题。为了解决传统最小二乘支持向量机方法中核函数选取不能同时具有较强外推能力和插值能力的缺点,设计了一种新的核函数综合加权了多项式核函数和径向基函数。最后,采用训练样本数据对LSSVM进行训练得到最终的人脸分类模型。采用Matlab仿真工具对文中方法进行仿真,并与其它方法进行对比,实验结果表明文中的方法能有效地实现对人脸表情进行分类,且具有分类效率高和识别精度高的优点。     

图像识别在考生身份认证系统中的应用

针对传统考生身份认证方法的缺陷,提出一种基于人脸识别的考生身份认证系统。首先利用图像采集系统采集考生人脸图像,然后对人脸图像进行特征提取和特征选择,并将人脸特征输入到人脸特征库进行匹配,最后采用支持向量机算法对人脸进行分类识别。实验结果表明,该系统提高了考生身份识别的正确率,减少了识别时间,能够很好满足实际考试的要求。     

HOG-assisted deep feature learning for pedestrian gender recognition

Pedestrian gender recognition is a very challenging problem, since the viewpoint variations, illumination changes, occlusion, and poor quality are usually encountered in the pedestrian images. To address this problem, an effective HOG-assisted deep feature learning (HDFL) method is proposed in this paper. The key novelty lies in the design of HDFL network to effectively explore both deep-learned feature and weighted histogram of oriented gradient (HOG) feature for the pedestrian gender recognition. Specifically, the deep-learned and weighted HOG feature extraction branches are simultaneously performed on the input pedestrian image. A feature fusion process is subsequently conducted to obtain a more robust and discriminative feature, which is then fed to a softmax classifier for pedestrian gender recognition. Extensive experiments on multiple existing pedestrian image datasets have shown that the proposed HDFL method is able to effectively recognize the pedestrian gender, and consistently outperforms the state-of-the-art methods.     

基于小波包分解的虹膜图像识别方法研究

针对虹膜图像的纹理特征表示主要集中在中高频能量部分,对图像进行小波包分解,并提取出特征向量,运用变维方式对奇异值特征向量做进一步处理,进而将获得的特征向量做为虹膜图像的识别特征向量,依据欧氏距离分类器对他们做识别分类。最后的试验结果证明了这种算法的有效性与合理性。     

一种新的正交保局投影人脸识别方法

针对人脸识别中判别特征的提取问题,提出了一种新的人脸识别算法—Schur正交保局投影(Schur-OLPP)。该方法在保局投影(LPP)的基础上引入Schur分解,求取最佳正交投影矩阵,充分提取样本的判别特征。本文采用最小近邻分类器估算识别率。在Yale人脸库以及AR人脸库的测试结果表明,在姿态、光照、表情、时间变化的情况下,Schur-OLPP都具有较好的识别率。     

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。     

基于隐马尔可夫模型的人像鉴别算法

提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解，然后把3个不同分辨率的低频子图像由小到大排列成树状结构，形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维，形成特征小波树枝，并把它作为观测向量对隐马尔可夫模型进行训练，把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系，以及状态个数和高斯概率混合成分的个数对识别率的影响，定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上，同其他四种相关方法进行了比较，实验结果表明，该方法识别率较高，工程上易于应用.     

DCT-BP神经网络在表情识别中的应用

人脸表情识别作为智能化人机交互技术中的一个重要组成部分,近年来得到了广泛关注。本文提出了一种用DCT-BP神经网络算法来识别面部表情,先对图像进行灰度均衡和图像平滑的预处理,然后利用离散余弦变换获取图像的表情特征参数,最后利用前向反馈算法进行识别。     

Recognition of handwritten Arabic alphabet via hand motion tracking

This paper proposes an online video-based approach to handwritten Arabic alphabet recognition. Various temporal and spatial feature extraction techniques are introduced. The motion information of the hand movement is projected onto two static accumulated difference images according to the motion directionality. The temporal analysis is followed by two-dimensional discrete cosine transform and Zonal coding or Radon transformation and low pass filtering. The resulting feature vectors are time-independent thus can be classified by a simple classification technique such as K Nearest Neighbor (KNN). The solution is further enhanced by introducing the notion of superclasses where similar classes are grouped together for the purpose of multiresolutional classification. Experimental results indicate an impressive 99% recognition rate on user-dependant mode. To validate the proposed technique, we have conducted a series of experiments using Hidden Markov models (HMM), which is the classical way of classifying data with temporal dependencies. Experimental results revealed that the proposed feature extraction scheme combined with simple KNN yields superior results to those obtained by the classical HMM-based scheme.     

基于DR-Transformer模型的多模态情感识别研究

【目的/意义】本文融合文本和图像的多模态信息进行情感识别,引入图片模态信息进行情感语义增强,旨在 解决单一文本模态信息无法准确判定情感极性的问题。【方法/过程】本文以网民在新浪微博发表的微博数据为实 验对象,提出了一种基于DR-Transformer模型的多模态情感识别算法,使用预训练的DenseNet和RoBERTa模型, 分别提取图片模态和文本模态的情感特征;通过引入Modal Embedding机制,达到标识不同模态特征来源的目的; 采用浅层Transformer Encoder对不同模态的情感特征进行融合,利用Self-Attention机制动态调整各模态信息特征 的权重。【结果/结论】在微博数据集上的实验表明：模型情感识别准确率为 79.84%;相较于基于单一文本、图片模 态的情感分类算法,本模型准确率分别提升了 4.74%、19.05%;相较于对不同模态特征向量进行直接拼接的特征融 合方法,本模型准确率提升了 1.12%。充分说明了本模型在情感识别的问题上具有科学性、合理性、有效性。【创 新/局限】利用 Modal Embedding 和 Self-Attention 机制能够有效的融合多模态信息。微博网络舆情数据集还需进 一步扩充。     

水声目标特征分析与识别技术

水声目标识别技术是水下信息获取和水下信息对抗的重要支撑技术,其核心是目标特征提取。文章针对水声目标辐射噪声和目标回波信号,探讨总结了水声目标信号的主要声源及目标特征表征、水声信号特征分析与提取方法、常用的水声目标分类识别方法,分析了水声目标特征提取与识别技术面临的问题,提出了今后的技术发展方向。