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。     

奇异值分解在人脸识别中的应用

使用人脸数字图像奇异值分解中前面部分较大的奇异值及其对应的特征向量来重构图像，以剔除原图像中由于光照、表情、姿势等噪声影响对应的高频信息，并将重构图像作为模板进行识别．此方法无需使用较多的奇异值和训练样本，就能达到了很高的识别率，大大降低了识别工作量，并优于PCA方法．     

一种改进的人脸检测方法

当光照和肤色变化较大时,肤色的色度值易受影响,因此提出了改进的高斯肤色模型方法,此方法只提取人眼下方的部分像素作为样本,获得了自适应的肤色的色度值。同时,由于图像矩阵奇异值分解以后,其维数较高,因此引入Frobenius范数来降维。降维以后,为了能够实现非线性可分,提高训练速度与人脸检测率,又提出了改进的决策树SVM分类方法。实验结果表明,用改进的高斯肤色模型与改进的决策树SVM分类的方法相结合不仅提高了人脸检测准确率,而且还降低了误检率与漏检率。     

融合纹理和形状特征的人脸图像性别识别

针对人脸图像性别识别中单一特征识别率不高的问题,提出了融合纹理特征和形状特征的人脸图像性别识别方法.通过局部二值模式(LBP)及其改进算法提取人脸图像的纹理特征,梯度直方图(HOG)提取人脸图像的形状特征,融合两个特征利用Adaboost分类器进行人脸图像的性别分类.在ORL人脸数据库和自制人脸数据库CZB上的实验结果表明,相对于直接利用像素特征和单一特征的识别方法,融合多特征的人脸性别识别方法的识别率明显提高.     

固定场景中基于肤色信息的人脸检测

给出了一种用于固定场景的快速人脸检测方法。在背景差的情况下,利用SHEN滤波进行二值图像并提取出运动目标区域,基于肤色聚类模型对运动目标子图像进行肤色分割,结合椭圆模板检测出人脸区域,进行人脸定位。实验数据表明,该方法对固定场景中的人脸检测具有较好的鲁棒性,对姿态、表情、年龄都有较强的适应性,并具有一定的实时性。     

固定背景下人脸图像的特征提取

对于复杂人脸模式、脸部特征的提取,是人脸自动识别技术的关键,本文对固定背景下人脸图像特征的定位和提取算法进行了分析.文中首先对彩色图像背景进行分割,得到二值化图像;然后采用边界搜索方法确定人脸外接矩形;最后在色度空间中,结合SUSAN角点检测方法,实现人眼、嘴角定位,完成了人脸图像特征的提取和识别.实验证明,该算法在降低运算区域的同时,降低了运算复杂度和其他干扰因素,并且在速度、效率、准确性方面均有良好的性能.     

一种利用R/G值检测人脸的方法

在图像分析领域,对图像中人脸的检测和处理越来越受到重视,在许多地方被应用.如人脸的识别,人脸的分析,眼睛的检测,凝视的追踪等.经过对人脸肤色在RGB和HSV颜色空间中的分布情况的研究,提出一种利用R/G值来检测人脸的方法.     

基于投影和几何变换的人脸图像规范化方法研究与实现

对于人脸图像的规范化处理是人脸识别过程中的重要步骤.采用基于投影和几何变换的人脸图像规范化方法,对人脸图像水平垂直投影算法和几何变换算法进行了分析,并在ORL人脸库上进行实验.实验结果表明,该算法对人脸图像处理效果明显,适用于对人脸图像的规范化.     

基于人脸识别的人脸图像预处理研究

根据人脸图像的特点以及后续处理的要求,主要使用了各种滤波方法对人脸图像进行预处理,进行预处理后的人脸图像利用形态学和BP神经元网络实现识别。实验结果表明取得较好的识别效果。     

基于D-LLE算法和图像分块的人脸识别方法

人脸识别是当前计算机视觉领域的一个研究热点,在日常生活中的应用也非常广泛.近年来,流形被认为是视觉感知的基础,利用流形学习算法可以寻找图像的内在特征.文章提出一种基于差异性值监督LLE(D-LLE)算法和图像分块的人脸识别方法,首先对提取的人脸图像进行分块,然后利用D-LLE算法进行人脸子图像集特征提取,最后使用最近邻分类器进行人脸图像识别.通过与现有人脸识别方法进行仿真结果比较,该方法能够取得较好的识别效果.     

基于特征融合的车牌汉字识别技术

本文提出一种新的基于特征融合的车牌汉字识别技术．该方法首先对字符图像进行奇异值分解,然后利用奇异值和奇异向量进行特征融合,得到既包含能量特性又包含几何特性的特征向量,并结合BP神经网络分类器,应用于车牌汉字识别。仿真模拟结果表明,该方法具有很好的识别率和较低的误识率。     

四元数分形奇异值分解方法与彩色图像重建

基于四元数矩阵彩色图像奇异值分解,得到表征彩色图像的不同分量的奇异值,运用分形快速确定图像的拐点。该方法具有快速和简单可行的优点。以受噪声污染图像为例,该方法针对彩色图像去噪具有较好的效果。     

基于高阶奇异值分解的多聚焦图像融合新方法

针对传统多聚焦图像融合方法不能有效度量图像中聚焦区域的问题,提出一种基于高阶奇异值分解的图像融合新方法。高阶奇异值分解可以精确提取图像纹理特征,并对源图像进行分解。充分考虑像素间的区域相关性,提取分解系数的空间频率、平均梯度和区域能量等区域特征,并提出一种新颖的基于区域特征的多活动测度融合策略,该策略可有效度量图像中的聚焦区域。实验结果表明,该融合方法能够更好地保留图像的边缘细节信息。     

基于眼定位的人脸图像归一化方法

人脸图像的归一化对于人脸识别系统是一个承上启下的步骤.本文提出了一种基于眼定位的人脸图像归一化方法.首先在人脸区域采用形态方法定位眼睛中心点;然后以双眼中心点为基准的进行旋转校正,保证了人脸方向的一致性;其次根据人脸各部分比例关系切割出人脸矩形区域,对切割后人脸矩形区域进行图像缩放,保证人脸位置和大小的一致性,实现了几何归一化;最后采用光照归一化方法,消除不均匀光照及亮度不一致,达到光线归一化.该方法应用在识别系统中效果良好.     

基于Adaboost算法的人脸图像情绪识别

提出一种基于Adaboost算法对人脸图像进行情绪识别的方法。先将视频进行图像数据采集,再通过基于Haar特征值的自适应增强计算,即Adaboost计算检测人脸特征,将迁移机器学习技术运用到多任务的卷积式神经网络,然后利用卷积神经网络的情绪回归计算人脸表情的效价和唤醒度得分。不但可以解决对复杂背景图像的高误检率问题,而且还可以解决对多姿态单人脸图像的低检率问题。经仿真试验证明,该方法对单人脸、多人脸和复杂背景多人图像都有较好的测量效果,实用性较强。     

基于奇异值分解的简化数据应用

奇异值分解是提取数据特征信息的一种强大工具,其应用可以从信息检索领域扩展到金融、医疗、统计学等各领域,是简化数据、相似度计算的一种有效方法。对奇异值分解原理和特性进行阐述,介绍了基于Python与其相关科学计算库的奇异值分解过程和相似度算法,解释了将庞大的数据矩阵映射到低维空间的转换过程,图像数据通过奇异值分解较原始图像压缩了近8倍。分别对SVD在推荐系统和图像压缩两方面的具体应用进行描述,总结出奇异值分解在数据降维中的强大应用和良好前景。     

基于单幅图像的人脸三维建模研究

由于人脸三维模型在三维动画、计算机游戏、视频会议、医学手术以及生物教学等许多领域都有着广泛的应用价值,使得越来越多的研究人员开始思考获取人脸三维模型的有效途径。文中先采用AdaBoost算法进行人脸检测,判断输入图像中是否含有人脸;接着,采用ASM模型对含有人脸的图像进行特征点提取;最后依据从图像中提取的特征点等信息对初始模型进行调整,实现了一种基于单幅图像的建模方法。     

基于人脸识别的智能门禁系统

针对智能门禁系统的发展需求,提出了一种基于人脸识别的门禁系统.系统首先通过图像采集设备得到目标图像,然后利用空间转换建立目标图像在新空间下的肤色似然图,进而通过二值化、形态学处理并结合特征过滤实现人脸的定位和提取.提取到人脸图像后,利用主成分分析获得待测人脸与数据库的人脸特征并通过相似度度量实现人脸的识别.实验证明,该系统能够有效的实现人脸定位和识别,能够满足智能门禁系统的基本需求.     

彩色人脸鉴别特征抽取及识别

目前存在的彩色人脸识别方法大多是将彩色图像转换为灰度图像后,采用基于灰度图像的特征抽取与识别算法进行分类识别.本文根据彩色人脸图像的构成特点,对彩色人脸图像的R、G、B三个分量色彩信息进行特征抽取与分析,进而找出适合对彩色人脸图像进行自动识别的鉴别特征.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.     

基于姿态和光照不变的三维人脸识别研究

为了解决由姿态和光照变化引起的误识率,提出了一种利用稀疏统计形变模型,进行三维人脸形状重建,通过调整角度,解决人脸图像姿态发生改变的方法.运用球面谐波商图像的方法,估计原始输入图像的光照属性,对生成的模型进行标准化的姿态和光照重构,解决了原始输入图像中由于姿态和光照不同所引起的识别误差.实验表明,该方法能够有效地提高对三维人脸的识别率.