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。     

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。     

一种改进的基于Ada-Boost的人脸检测算法

提出了一种改进的基于Ada-Boost的人脸检测算法。该算法在第一阶段使用基于Ada-Boost算法的分级分类器检测人脸,由于受到噪声与亮度的影响,一些非人脸区域可能被误判别为人脸。因此在YCbCr空间中采用肤色模型,去除非人脸区域。在第三阶段,采用SVM更精确地提取人脸区域。实验结果表明,改进的算法在实时性与误检率方面都优于Ada-Boost算法。     

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。     

C2D-CNN模型下的人脸识别方法研究

为解决人脸识别工作中测试数据与训练数据的差异带来的精度损失问题,提出一种C2D-CNN模型下的人脸识别方法。该模型将彩色2DPCA算法提取的原始图像像素特征与CNN(Convolutional Neural Network)学习的图像表示相融合,能显著提高人脸识别性能。进一步的,提出一种新的CNN模型,在CNN中引入归一化层,以加速网络收敛,此外还加入了分层激活函数,使得激活函数对归一化后的数据有自适应性。选取复杂环境下的FRGC人脸库以及自采集人脸库进行实验。实验结果表明,对于FRGC人脸库,相比Alex Net网络,本算法的预训练时间缩短了69. 4%,识别率提高了9. 72%～22. 99%,相比微调后的AlexNet网络,识别率提高了6. 07%～15. 28%,解决了测试集与训练集之间的差异带来的识别率低的问题。     

基于树莓派和Open CV的深度学习人脸检测和性别年龄预测方法的研究

随着人工智能的发展,图像处理和计算机视觉技术已经应用在了多个领域。人脸检测识别和人脸特征分析,仍然是计算机视觉图像处理中很重要的一部分。本文主要研究在树莓派开发平台下,以开源计算机视觉库Open CV为主进行人脸的检测识别。基于深度学习,以Open CV机器学习模块中的DNN为主,基于深度残差网络DRN来构建人脸检测算法模型。在人脸检测基础上以基于Caffe框架的CNN预训练模型对年龄性别进行预测和分类。使用树莓派作为硬件主体来搭建Open CV人脸检测环境,通过神经网络模型来进行人脸检测和性别年龄预测的训练,得到一个理想化的人脸检测和年龄性别预测方法。     

人脸建模中纹理的生成

本文内容为面向真实感三维人脸建模中纹理生成部分技巧的探究,作为三维人脸建模中的关键一步,好的纹理生成可以使得人脸模型更好地模拟真实人脸,逼真地实现人面部的各种细节特征,本文从纹理映射和照片拼接等细节方面对三维人脸建模中的模型面部纹理生成进行了研究。     

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.     

基于图像的人脸检测和识别进展研究

在现在社会中,图像的识别尤其是脸部信息的识别已经成为模式识别中研究比较活跃的一部分。在图像源中对人脸进行识别主要包括了两个部分的内容,一个是人脸的定位,一个是对人脸细节的辨认。现在已经作了很多的对定位和细节辨认也就是识别的研究。文章对识别和检测的主要算法作了一定的研究,最后提出基于图像的模式识别的发展趋势和前景。     

基于迁移学习ResNet50的表情识别

<正>为提高人脸表情识别效果,提出基于迁移学习和数据增强技术的人脸表情识别方法。在ResNet50卷积神经网络的基础上,保留了愿网络的卷积层并设计了全新的全连接层。对数据集的训练集图片使用Keras中翻转、偏移、旋转等方式达到数据增强,在相同参数和实验环境下,对7种人脸表情的分类效果优于AlexNet、GoogleNet模型。实验结果：基于迁移学习的ResNet50模型在FER2013的测试集上对各类表情的平均识别率为68.7%,达到了主流识别效果。     

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。     

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。     

彩色图像中肤色分割方法研究

肤色特征不依赖于面部细节,对于旋转,表情变化等不敏感,具有相对的稳定性,所以在人脸检测过程中肤色常常成为辅助的人脸定位的手段。对不同颜色空间下的图像进行分析,寻找肤色分割的最佳效果是非常重要的研究课题。     

基于云计算的海量人脸特征图像大规模对比技术

生物特征识别过程中的人脸识别,人脸数量的巨大,限制了这项技术的应用性.本文提出了一种基于云计算的大规模人脸特征图像匹配技术,运用广域云计算网络模型,对图像中存在的人脸特征信息进行有效地提取.在云计算的相关对比算法中,运用改进的ASM匹配模型进行人脸特征的提取与匹配.保证特征的进度,运用云计算强大的运算能力,完成海量图像的人脸图像匹配,克服了传统算法的弊端.实验证明,这种算法能够避免由于人脸的图像数量过大,造成的图像匹配耗时的缺陷,大幅提高了相关算法的应用性.     

皮划艇运动的有效训练方法探析

在我国皮划艇运动历史悠久,但在奥运会等国际大赛中成绩不理想,因此要对皮划艇运动的训练技巧和方法进行研究。皮划艇运动的训练要坚持有氧训练为主,个体能力训练和团体训练相结合,一般体能训练和专项体能训练相结合。提高皮划艇运动训练效果的具体措施是:运动多种教学方法,激发学生的兴趣;抓住细节进行练习;充分运用现代科学技术;加强实战练习,鼓励创新。     

基于PCA模型的人脸图像纹理特征高精度识别方法

针对传统人脸图像纹理特征识别方法中存在的计算量大,样本训练与测试时间较长,识别正确率较低等问题,提出一种新的基于PCA模型的人脸图像纹理特征高精度识别方法。在人脸图像预处理过程中,采用Gabor滤波器确定人脸图像训练样本中的双眼位置,结合卷积运算与人脸几何模型从图像中分割出目标人脸区域,并对分割得到的图像进行规范化处理;采用PCA模型对预处理后的图像进行降维与特征向量提取,并根据选取的主要纹理特征以及欧式距离近似度量结果,实现人脸图像纹理特征高精度识别。实验结果表明,所提方法的识别准确度高于实验对比方法,且样本训练时间与测试时间明显缩短,具有较好的鲁棒性。     

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。     

基于改进卷积神经网络的人脸识别算法

针对经典人脸识别卷积神经网络(CNN)结构中因网络层次设计过深导致计算量大且训练耗时长的问题,设计一种改进的卷积神经网络结构,该结构由3个卷积层、3个池化层、1个全连接层和1个分类层组成。利用Softmax回归算法进行人脸分类识别,卷积神经网络在输出层利用改进的Softmax进行分类。实验结果表明:在AR人脸库上,所述方法的识别率接近100%,优于传统人脸识别方法,其训练速度也明显快于普通的卷积神经网络,验证了改进方法的有效性。     

基于ＥＭ ＰＣＡ和级联分类器的人脸检测

为了提高人脸检测的速度及鲁棒性,提出了一种基于级联分类器和期望最大、主成分分析（ＥＭ ＰＣＡ）的人脸检测方法．该方法在训练阶段利用不同分辨率的训练样本来训练２个ｆｉｓｈｅｒ线性分类器,再利用ＥＭ ＰＣＡ提取特征来训练非线性支持向量机（ＳＶＭ）;在检测阶段,首先通过２个ｆｉｓｈｅｒ线性分类器快速过滤掉大量的背景区域,再利用非线性支持向量机对余下的候选区域进行进一步验证,以确认是否为人脸．实验结果证明了该方法的有效性和正确性．