基于NPE改进算法的人脸识别

邻域保持嵌入（NPE）算法与极端学习机结合后应用到人脸识别中没有达到令人满意的识别效果,为找到更优的解决方案,提出一种改进的邻域保持嵌入算法（SNPE）。在SNPE算法中将NPE目标式子与带有类间判别信息的式子做减法,通过极小化目标函数,达到最小化同一类别领域距离且最大化不同类别领域距离的目的。通过Yale人脸数据库、Yale B人脸数据库、ORL人脸数据库等实验结果表明,改进后的算法大幅提高了人脸识别率。     

人脸识别中的边缘检测技术

边缘的提取在人脸识别技术中具有重要的意义。传统的算法检测到的边缘信息往往是不完整的,而且在检测噪声污染图像时会得到许多虚假的边缘;而神经网络算法由于没有样本的压缩功能,导致训练量过大。文章在传统算法的基础上结合神经网络算法对人脸图像的边缘进行检测。实验结果表明,该方法快速稳定,得到的边缘图像边界封闭性好,抗噪能力强。     

基于局部三进制模式的边缘检测方法

边缘检测是指检测图像中灰度突变的区域边界,其结果直接影响图像后续处理,有效和准确地提取图像的边缘是边缘检测的关键。利用局部三值模式对图像结构特征的表征优势,提出一种新的图像边缘检测算法,能够准确检测出边缘,和其它边缘检测方法比较,具有边缘检出率高和抗噪性能好的优势。     

基于改进2D-DLPP算法的人脸识别

在二维局部保持投影中引入类间结构信息和类标签,得到有监督的二维判别局部保持投影算法,从而提高了特征集的鉴别性。针对算法中参数的选取问题,建立无参数权重矩阵,提出无参数的二维判别局部保持投影(无参数2D-DLPP)算法。在Yale和ORL人脸库上的仿真实验结果表明,该算法与二维判别局部保持投影(2D-DLPP)、二维局部保持投影法(2D-LPP)和二维线性判别分析法(2D-LDA)相比能够取得更高的识别率。     

基于局部通用的核协同表示单样本人脸识别算法

针对单样人脸识别中每个训练样本只有一张人脸图像,尤其是存在光照、表情以及遮挡等变化时,提取特征信息单一化等问题,提出一种局部通用的分块核协同表示单样本人脸识别算法。算法通过备用的训练样本构造通用的类内变化字典,并对通用集和训练样本进行分块,以达到样本扩充的目的,保证训练字典的完备性,从而提取足够的特征判别信息,然后利用高斯核变化将人脸数据映射到高维特征空间,从而实现人脸数据线性化的优势,增强人脸特征信息的可分性,提高算法在复杂环境下的适应能力。最后通过正则化协同表示计算每个样本块的重构误差,根据所有分块误差和最小完成样本的分类。在ORL、Extended Yale B、AR人脸库进行仿真实验,结果表明,构建通用的类内变化字典和对样本的分块除了起到扩充样本的作用外,还有助于人脸特征的线性表示,增强了样本的准确率。     

人脸识别在实验教学中的应用

高校教学管理中,课堂出勤率至关重要。基于目前课堂考勤的需求,文章研究了采用人脸识别技术的课堂管理系统的设计。     

基于多方向的Sobel算子性能研究

针对现有边缘检测算子存在的边缘不连续、方向性差和检测效果不佳等缺点,提出了基于多方向的Sobel检测算法。该算法分别采用四方向和八方向模板进行卷积、叠加、融合,得到梯度图像,再细化得到边缘图像。将传统的经典算子检测图像与多方向的边缘图像进行比较,结果表明：多方向的Sobel算子获取的图像边缘较完整、连续、定位精度高,且方向性强,检测效果优于传统算子,而且方向模板数量越多,检测效果越好。     

无约束优化问题局部解的二阶充要条件

研究了与梯度和Hessen矩阵有关的无约束问题局部解的二阶充分条件和二阶必要条件,并在此基础上提出了一个与一阶方向导数和二阶方向导数有关的无约束问题局部解的充要条件,以及由此而产生的一个相关推论.     

改进的LRC及其在姿态变化的人脸识别中的应用

分析了变量的自相似是LRC算法中线性回归模型中的不利因素,提出了改进的LRC算法.该算法利用奇异值分解降低变量间的自相似程度,同时减少了变量的个数,提高了识别过程的速度.在UMIST人脸数据库中的实验显示了算法的有效性.     

人脸识别技术在智能手机中的应用展望

随着智能手机的普及和人们对生活智能化要求的提高,人脸识别技术在手机上的应用越来越重要。本文基于人脸识别技术和人工智能的发展,阐述了目前人脸识别技术在手机上的应用,并进行了展望,对智能手机的设计者和人脸识别技术的研究具有一定的前瞻参考意义。     

改进的线性判别回归分类人脸识别算法

对线性回归分类算法进行了改进。考虑了线性回归分类算法中没有考虑的类间信息,通过选择类模式的投影方向判别不同类的模式,不同类的模式互相远离,相同类的模式尽可能靠近来估计投影矩阵;再利用投影矩阵将训练图像及测试图像投影到各类的特征子空间;最后,计算出测试图像与训练图像间的距离,利用K-近邻分类器完成人脸的识别。在FERET人脸数据库上进行实验验证。实验结果表明,相比其他回归分类算法,本算法取得了更好的识别效果。     

基于2DPCA和改进的LDA算法的人脸识别技术

为提高人脸识别的准确率,缩短图像特征提取的时间,提出了一种将二维主成分分析（简称2DPCA）与改进的线性鉴别分析（简称LDA）相结合的人脸识别方法。该法首先以图像矩阵为分析对象,直接利用原始图像矩阵构造图像的协方差矩阵。以进行特征提取和2DPCA分析;再采用改进的线性鉴别分析。得到最佳的分类特征,从理论上有效解决了传统的线性鉴别分析在人脸识别中存在的“边缘类”问题：最后．在ORL人脸库上检验了该识别方法的性能。实验结果表明,该方法抽取的鉴别特征有较强的鉴别能力。     

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DSP的人脸识别系统的设计与实现

为了提高身份识别系统的实时性、可靠性和便捷性,设计了基于DSP的人脸识别系统。基于肤色的人脸检测算法和基于小波变换的主成分分析的人脸识别算法构成了所设计系统的软件算法;DSP(DM642)微处理器、CCD传感器摄像头和显示屏等构成了该系统的硬件平台。测试结果表明,设计的人脸识别系统具有识别速度快和成功率高等优点。     

一种实用的人脸识别系统

本文构建了人脸识别软件系统的基本框架.对给定的包含人脸的输入图像,通过与已知人脸库中存储的模型进行匹配比较,确定是否是库中某一人物.如果是,则给出最佳匹配库中人物,从而实现自动人脸识别.     

对人脸识别特征数据降维算法的优化

在模式识别领域,人脸特征数据相对庞大,为了提取人脸主要的特征数据,提高识别系统的运行效率,对特征数据的降维是必须的操作。针对现有降维算法对识别率有较大影响的问题,本文总结了各类降维算法,提出了一种优化的降维算法。     

一种驾驶员面部识别中眼睛定位算法

介绍了一种精确定位眼睛的方法,该算法先利用改进的人脸图像的垂直灰度积分投影确定脸的左右边界,再根据人脸图像的水平灰度投影曲线来确定眼睛的大致高度;还将传统的积分投影方法与本文提出的微分投影相结合,实验结果表明该算法消除了背景、头发及服装等干扰,定位准确率高.     

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．