基于深度学习的人脸识别跟随六足机器人

本文介绍了一种基于深度学习的人脸识别算法进行人脸检测达到智能跟随的六足机器人。该机器人系统包括人脸捕捉单元、主控制单元和行为运动控制单元。所述人脸捕捉单元是利用摄像机获取人脸图像或视频并传输给机器人主控制单元。而主控制单元运用改进的VGG-Net人脸识别算法进行人脸检测,再根据检测结果发出信号到行为运动控制单元完成智能跟随,通过驱动直流电机实现六足机器人的运动。     

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。     

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。     

基于2DPCA和Fisher的嵌入式人脸识别系统的实现

使用人脸类Haar特征进行人脸检测,采用2DPCA与Fisher结合的降维算法得到人脸特征子空间,将经过PC机得到的样本特征子空间文件通过网络传输到嵌入式平台,结合最近邻算法识别人脸,实现了一种嵌入式人脸识别系统,较好地解决了嵌入式人脸识别系统由于图像处理数据巨大而造成处理效率低的难点。基于EELiod270嵌入式开发平台实现了该系统,结合实际图片进行了人脸识别测试,实践结果表明系统效果良好。     

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.     

改进的AdaBoost检测算法在身份识别中的应用

传统的Ada Boost人脸检测算法训练时间长对设备要求高,在复杂背景下存在漏检误检。提出一种基于小波重构和特征提取的Ada Boost人脸检测算法,并应用到身份验证中。采用小波重构方法,实现对人脸信息有用特征的重构,进行去噪处理提高人脸识别的准确性。采用人脸特征关联性方法将不同的人脸特征子集进行分类处理,采用特征提取算法实现对Ada Boost算法的改进。仿真结果表明,采用改进的人脸检测算法进行身份验证,能检测到一定范围内的非正脸图像特征,有效提取人脸的局部信息特征点,提高身份验证对象的检测精度和正确识别率。     

基于MATLAB的人脸识别考勤系统应用探究

近几年来,MATLAB技术在我国应用很广,我们基于MATLAB的部分图像处理功能,研究并开发了一个简易的人脸识别系统,这个系统结合了人脸图像采集和图像预处理等多个技术,此系统的实现,对于企业的考勤、管理具有积极地意义,因为人脸识别考勤系统的核心就是对人脸的识别、检测。本文在MATLAB的基础上,对人脸识别考勤系统的应用情况进行了探究,提高我们对此系统的了解程度。     

基于小波和PCA的人脸识别系统的研究与实现

人脸识别技术是人脸识别系统以人脸图像作为识别身份的媒介。主成分分析(Principal Components Analysis)~[1-2]即是人脸识别算法中一种常用的方法,算法寻求的是能最大程度代表原始信息的特征信息。理解了算法的原理,基于平台实现了人脸识别系统。该系统首先对图像进行预处理,预处理的目的是为了减弱光照、噪声等非线性因素的干扰,再以人脸库中的部分图像为训练样本,采用算法计算训练样本得到特征脸向量,然后用工具箱~[3]中的函数对训练样本进行训练得到模型,通过训练出来的模型用部分测试样本进行预测,最后分类识别得出结果。实验证明,该系统识别率较高,具有一定的参考和研究价值。     

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。     

融合SIFT特征和保局投影的人脸识别

提出一种人脸识别方法用于解决姿态变化对识别准确率的影响。首先检测人脸图像的SIFT特征,然后根据SIFT特征计算人脸图像间的多示例距离;基于此多示例距离,用保局投影将人脸图像映射至流形空间,最后在流形空间中采用K近邻方法进行人脸识别。该方法有三个特点：(1)采用SIFT特征减小了未知姿态对识别准确率的影响;(2)通过保局投影将特征变换到流形空间一个点,避免了复杂的SIFT特征匹配策略;(3)借助流形方法滤除高维特征中的噪声。实验结果表明与已有方法相比,在人脸姿态不确定的情况下,该方法能提供较为理想的识别准确率。     

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。     

基于LDP和LTP模型的人脸识别技术探究

表面的纹理特征常被用于目标的识别。这种特征被广泛的应用于各个领域,比如基于纹理特征的人脸识别系统、监视、身份识别等。局部二值模式纹理特征方法(LBP)是最成功的基于纹理特征的人脸识别方法。由于LBP的巨大成功,出现了许多LBP的变异方法,比如多层LBP、中心对称LBP、主LBP等。本文的主要目的在于研究各种LBP的变异方法在人脸识别中的有用性。同时本文还评估了各种实际问题,比如光照变化、旋转、人脸图像表示的变化等在不同LBP人脸识别方法中的影响。基于实际人脸图像数据库的验证表明局部纹理模式(LTP)和局部衍生模式(LDP)具有更好的识别性能。     

一种鲁棒性强的光照人脸预处理算法

为解决变光照下人脸识别率低问题,提出一种鲁棒性强的光照人脸处理算法(ISSR)。首先对亮度图像进行粗估计,然后通过非线性运算在反射图像中对粗估计的亮度图像进行补偿,最后采用支持向量机建立人脸识别分类器,并采用Yale、CMU-PIE和AR人脸库进行仿真测试。结果表明,相对于其它光照处理算法,ISSR算法增强了人脸图像的质量,提高不同光照条件下的人脸图像识别正确率,鲁棒性更强。     

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.     

基于形态学滤波和PCA的人脸图像识别方法

针对基于主成分分析(Principal Components Analysis PCA)的人脸识别方法容易受光照影响的问题,提出了一种基于形态学滤波和PCA相结合的人脸识别方法,首先利用形态学滤波对含噪人脸图像进行滤波处理,然后通过PCA提取特征,最后利用最近邻法进行分类,在ORL人脸数据库上的实验结果表明,本文方法取得了比传统PCA更好的识别性能.     

智能家居嵌入式人脸识别门禁系统的设计与实现

随着信息技术的飞速发展和现代生活节奏的加速,同时伴随家居安全的隐患,智能安防系统得到了大力推广。而门禁系统占据安防系统的核心位置,得到高度关注。本文将嵌入式与人脸识别技术相结合,设计了基于STM32的人脸识别门禁系统。结合开源的OpenCV图像处理库,通过Haar特征检测抓到人脸,然后用Lbp算法进行人脸识别。用户也可以通过输入密码进行开锁,并设置管理员模式查看所有用户,为新用户增加密码并发送开门记录至上位机。通过实验测试,该系统较好的实现了人脸识别门禁功能,具有一定实用价值。     

基于子图分割与多类支持向量机的人脸识别方法

由于姿态、光照、表情、遮挡等变化引起的面部特征变化仅出现在整个图像的局部区域中,使用整体图像进行特征提取和识别的传统人脸识别方法效果不佳。为解决上述问题,提出了一种融合子图分割和多类支持向量机的人脸识别方法。首先,将人脸图像分割成多个不重叠的子图像;然后采用广义二维Fisher线性判别分析对每个子图像和整体图像进行局部和全局特征提取,并使用SVM做为图像分类器;最后,通过融合各个SVM分类器的决策给出人脸识别结果。在ORL人脸数据库上对所提出的SD-MSVM方法进行了灵敏度、特异度和K折交叉验证测试,实验结果表明,新的SD-MSVM方法各项指标均优于传统的全局特征提取方法。     

基于Curvelet与2DPCA的嵌入式人脸识别

针对小波变换在嵌入式人脸识别中的不足,提出了Curvelet(曲波)变换结合2DPCA(二维主分量分析)的嵌入式人脸识别.采用Curvelet变换进行人脸图像特征的提取,经过比较,选取了Wrapping算法,然后利用2DPCA进行降维,并结合最近邻算法进行人脸识别.实验结果表明该方法很好得解决了人脸特征维数过高、数据量...     

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.     

一种OpenCV与云计算结合的人脸识别方法

为了提高人脸识别的准确度同时降低技术成本,采用OpenCV与云计算结合的方法来实现人脸识别,首先在OpenCV下采用AdaBoost算法训练出级联分类器用来进行人脸检测,然后使用OAuth2.0授权调用百度云的AI开放平台人脸比对接口进行人脸识别,根据返回的人脸图像相似度值判断是否为同一个人,实现了一个人脸识别的登录验证系统。系统在基于Java的web应用上实现,采用MVC设计模型,其各个层使用的框架为SSM框架。本地资源OpenCV跨平台计算机视觉库有丰富的算法,可以简化程序设计,节省通信开销;使用百度云的AI开放平台可以提高人脸识别精度。文章提出的方法结合了本地资源和云计算的优势,为高精确度低成本实现人脸识别技术提供了一种思路。