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Adaboost的快速人脸检测系统

提出了基于Adaboost的快速人脸检测方法。根据人脸生理学特点,针对PaulViola方法提出了新的Haar-like特征,扩展了图像预处理及扫描方法,设计并实现了快速人脸检测系统。     

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。     

位面切割在非负矩阵分解人脸识别方法中的应用

非负矩阵分解方法将人脸图像表示为基图像的线性组合,较好地提取了人脸的局部特征。应用非负矩阵分解和奇异值分解相结合的方法识别人脸,实验结果表明,这种方法并不能有效提高识别率。位面切割可有效降低人脸图像中的噪声信息,基于这一认识,笔者提取了将位面切割应用于人脸识别的方法,在ORL人脸库上的实验证明了这一方法的有效性。     

基于信息熵下的人脸定位技术

为解决人脸定位过程中人脸图像处理困难、定位结果不准确以及人脸易受环境影响的问题,本文提出了利用图像信息熵对人脸进行定位的方法。首先引入了图像信息熵对图像进行色彩空间转化,采用MATLAB进行人脸阈值分割;然后根据人脸肤色与人身体肤色不同对人脸进行处理;最后利用人脸的眼、嘴等像素点信息熵值的比较对人脸进行定位。实验结果表明:可以利用图像信息熵进行人脸定位,方法简单,适应性强,定位结果不受客观因素的影响,识别结果准确。     

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SIFT特征匹配的多人脸图像拼接方法研究

针对日常生活中多张人脸图像的合成问题,提出了基于SIFT特征匹配的多人脸图像的拼接方法。首先应用SIFT算法实现了多张人脸图像的拼接,最后采用VC++6.0实现了多人脸图像的拼接,获得了所需视野大小的全景图像。从实验结果可以看出,本文所研究的方法具有很好的效果,完全可用于课堂考勤的多人脸检测与识别中。     

基于单张正面人脸图像的三维人脸自动建模系统实现

研究了一种基于正面人脸照片的真实感三维人脸自动重建方法,并运用计算机视觉图OpenCV和图形开发库OpenGL ,在VC＋＋6．0环境下开发了三维人脸自动建模系统。该系统对输入的人脸照片首先进行人脸检测,在检测到的区域进行人脸关键特征提取,并根据检测到的特征点的几何信息对CANDIDE-3模型进行整体和局部调整,得到个性化的三维几何人脸,最后从人脸图像上获取面部纹理信息并得到真实感的三维人脸。     

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CLM的人脸特征点检测

人脸分析在人机交互中发挥着重要作用,人脸特征点检测是人脸检测、人脸特征提取以及人脸分析的重要组成部分之一,因而鲁棒的人脸特征点检测算法受到广泛关注。人脸特征点检测经常使用的方法有ASM和AAM,CLM分别继承了ASM和AAM的一些特征,速度和效果也得到了提升。主要介绍CLM模型的构建和CLM模型的搜索方法,其中CLM模型由形状模型和面片模型组成,形状模型用PCA建立,面片模型由SVM训练获得。     

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。     

基于Adaboost的人脸光照补偿方法

针对传统Adaboost人脸检测算法中光照不均匀、图像检测正确率低的问题,提出一种基于Adaboost算法的人脸光照补偿检测方法。介绍Adaboost人脸检测算法的处理流程以及直方图均衡化原理,并将Adaboost算法和直方图均衡化相结合,实现人脸检测。检测结果表明,与传统的Adaboost人脸检测方法相比,新方法对于光照不均匀图像的人脸检测有很好的效果。     

基于小波变换的人脸边缘特征提取的研究

本文研究了利用二维离散小波变换在边缘检测上的特征。当前人脸检进行测遇到的问题是如何自动地检测人脸的边缘。通过小波变换,将人脸图片分解成相似图片和细节图片,而这些图片都包含边缘信息,将此方法应用在实验中。首先,为比较其检测效率,将二维离散小波变化与其他的人脸边缘检测方法比较：其次,在比较中,测验了多频带的组合方法。通过这些方面的研究,提出了一个基于目标边界响应的新的人脸边缘追踪算法。     

基于AdaBoost的侧面人脸、人耳检测

现今,人脸检测技术的局限性主要存在于侧面人脸检测这方面,本文主要利用人脸人耳的位置关系,用AdaBoost方法进行分别检测,最后人脸检测与人耳检测融合在一起,以提高人脸检测效率。     

基于灰色理论和局部奇异值的人脸识别方法

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。     

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。     

人脸检测技术研究

人脸检测技术已成为图像工程与模式识别领域研究的热点。文章首先简要介绍了人脸模式的特征,并着重分析了几种有代表性的人脸检测方法,然后讨论了国内外的研究概况,最后提出了该领域存在的问题及今后的发展趋势。     

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。     

基于Gabor和CS-LBP的人脸识别研究

由于使用Gabor小波描述的人脸易忽略人脸的局部特征,且存在一定的冗余度,本文研究了一种基于Gabor滤波和中心对称局部二值模式(CS-LBP)的人脸识别方法。该方法结合了Gabor提取人脸图像在空域和频域局部信息的优势和CS-LBP提取细节纹理特征的优势,可以提取出更好的用于识别的特征。在Yale人脸数据库上的测试结果显示,此方法得到的识别率更高,鲁棒性更好。