基于视频的人脸识别研究进展

近年来基于视频的人脸识别已成为人脸识别领域最为活跃的研究方向之一.如何充分利用视频中人脸的时间和空间信息克服视频中人脸分辨率低,尺度变化范围大,光照、姿态变化比较剧烈以及时常发生遮挡等困难是研究的重点.文中对近期(主要近5年)基于视频的人脸识别研究进行了详细的介绍和讨论,在对相关方法分类的基础上,分析了各类方法中典型技术的优缺点,并概况介绍了常用的视频人脸数据库和实验结果,最后展望了基于视频人脸识别未来的发展方向和趋势.     

新时代背景下基于深度学习的人脸识别技术开发探究

人脸识别技术的出现具有划时代的意义,该技术凭借强大的技术支持被广泛应用于监控、安防、支付等领域。传统人脸识别具有卡顿和识别准确率低等问题,基于深度学习的人脸识别技术能够很好地解决这些问题,优化识别流程,提升识别效率。文章首先对深度学习、卷积神经网络及人脸识别进行概述,然后对人脸识别的数据预处理进行分析,包括人脸检测、人脸关键点监测和人脸归一化,最后对基于深度学习网络的人脸识别进行研究。     

大容量人脸识别门禁系统的研究

人脸识别技术是当今的热门技术,将人脸识别技术应用于安防领域是未来的发展方向.但是,在很短的时间内,对成千上万人的人脸识别如何实现?强背光影响人脸图像如何解决?从系统的角度出发,给出了大容量人脸识别门禁系统的设计,综合运用了远程射频识别(RFID)技术,重构人脸识别标准数据库,缩小了人脸识别的范围,提高了识别速度和识别率,解决了大容量的人脸识别问题;采用补偿光的办法,解决强背光对人脸图像影响.为人脸识别门禁系统的推广应用提供了借鉴.     

基于改进脉冲耦合神经网络的动态人脸识别

动态人脸识别在实时监控和人员追踪等领域具有广泛应用前景,是目前人脸识别技术的研究热点之一.针对传统人脸识别技术在动态人脸识别应用中识别率不高的问题,提出一种基于背景差分法的改进脉冲耦合神经网络的动态人脸识别方法.利用脉冲耦合神经网络时空总和特性,将脉冲耦合神经网络神经元与人脸图像像素对应,使对不同人脸图像像素产生不同点火序列,通过对图像像素点火序列分析,可以进行不同人脸的区分.对500组动态人脸图像的随机抽取实验表明,改进脉冲神经网络对实际场景中的动态人脸识别性较好,可以较好地对不同人物进行区分,具有稳定鲁棒性.     

人脸识别在考勤中的应用

人脸是最重要的视觉图像之一,在计算机视觉、模式识别等多个领域具有重要的研究意义.人脸识别现在应用广泛,比如2008年北京奥运会的售票系统就采用了人脸识别的技术.现在的考勤系统多为打卡机,并且代打卡现象严重.而人脸识别应用到考勤系统,保存考劫时人脸截图,并给出识别的结果,加强了考勤数据的准确性、完整性,并为日后考勤记录提...     

人脸检测方法的研究

目前人脸识别技术已广泛应用于政府、军队、银行、杜会福利保障、电子商务、安全防务等领域,而人脸检测是人脸识别系统中需要解决的一个关键问题,由于人脸模式的多样性和复杂性,导致大量不同的人脸检测方法,总结了人脸检测中遇到的关键问题与难点,并对各种人脸检测方法进行整理归纳,从基于特征的方法和基于图像的方法两个角度介绍了相关算法...     

基于C＋＋和OpenCV的人脸识别系统的设计与实现

人脸识别是通过对人的脸部特征信息进行身份识别的一种生物识别技术.研究现实基于人脸识别的身份验证系统具有重要意义.提出一种基于C＋＋和OpenCV的人脸识别系统的设计与实现方法.系统实现的功能模块包括人脸图像采集、图像预处理、人脸检测与定位、人脸特征提取与识别、人脸数据库管理等.系统中人脸检测采用基于Haar-like特征的Haar 分类器,人脸识别采用Eigenfacae算法.系统经过运行测试,结果表明该系统能够满足一般的基于人脸识别的身份验证需求.     

基于支持向量机的人脸识别方法

1.引言人脸是人类视觉中的常见模式,人脸识别在安全验证系统、公安(犯罪识别等)、医学、视频会议、交通量控制等方面有着广阔的应用前景。现有的基于生物特征的识别技术,包括语音识别、虹膜识别、指纹识别等,都已用于商业应用。然而最吸引人的还是人脸识别,因为从人机交互的方式来看,人脸识别更符合人们的理想。虽然人能毫不费力地识别出人脸及其表情,但人脸的机器自动识别仍然是一个具挑战性的研究领域。由于人脸结构的复杂性以及人脸表情的多样性、成像过     

基于特征脸的人脸识别系统的研究

人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,用来辨认身份的一门技术.文章阐述了基于特征脸的人脸识别的基本算法,并对该方法进行改进,最后对其进行了仿真.该方法主要通过求出人脸图象与数据库中的特征脸空间距离来进行人脸的识别和分类,做到了快速准确地识别人脸.     

人脸识别技术

人脸图像的易取性和人脸变化的多样性使人脸识别研究更富有挑战性.按照人脸检测、特征提取和识别3个关键过程,分别对基于二维和三维人脸信息的人脸识别技术和方法进行了详细的阐述;展望了人脸识别研究的趋势,并提出了可能取得突破性研究进展的研究途径.     

基于MobileNetV2与树莓派的人脸识别系统

人脸识别技术在安防,商业,金融等领域都有广泛的应用.针对目前人脸识别系统成本高,易用性低等现象,提出了基于树莓派(Raspberry Pi)实现人脸识别的方案.首先利用OpenCV计算机视觉库中的Harr级联方法,对图像中的人脸进行定位;然后利用改进的MobileNetV2网络模型对人脸进行特征提取和分类,得到一个优化的人脸识别模型;最后将模型移植到Raspberry Pi进行人脸识别.该模型对图库中的人识别准确率为95％,对陌生人识别准确率为80％.实验结果表明该系统进行人脸识别工作稳定,识别速度快,应用场景广.     

视频监控系统与人脸识别技术的结合应用

随着信息技术不断发展,视频信息越来越广泛的应用与娱乐、教育、安全、生活等各种领域。介绍了人脸识别技术的研究方向、应用领域及技术优势并针对人脸识别技术在视频监控系统中应用的架构、关键技术和算法做了有益的探讨特别对矫正有旋转角度的人脸图像技术做了较为详尽的表述最后得出结论人脸识别技术可以应用于监控系统中。而基于人脸识别技术的智能视频监控系统应该具有十分广泛的应用前景。     

基于Linux的人脸识别系统设计

文章提出了基于Linux系统环境下的人脸识别系统设计,硬件采用了基于S3C2440芯片作为处理器,采用USB摄像头进行人脸图像采集,以QT作为人机交互界面.对人脸识别系统设计原理进行了研究,重点探讨了特征提取、特征降维和人脸识别等技术问题.最后将PC上实验成功的人脸识别系统植到开发板上,测试结果表明,该系统能准确快速地识别人脸.     

红外图像人脸识别方法研究进展

介绍了红外图像人脸识别应用前景和困难所在,阐述了红外图像人脸识别的特征,报告了红外图像人脸识别近年来的研究进展,综述了红外图像人脸识别的方法和技术,介绍了基于红外频谱的人脸和伪装检测方法、基于热红外成像的人脸识别方法、基于支撑向量机的红外图像人脸识别方法,基于线性辨别分析的红外图像人脸识别新方法,并进行了简单的分析和比较.最后探讨了红外图像人脸识别领域的发展与研究方向.     

人脸识别技术研究

人脸识别技术是利用计算机通过时人脸图像的分析、特征的提取,从中提取出有效的识别信息,进而实现(自动)辨别人脸,并进行自动身份验证的技术.介绍了人脸识别技术的主要方法,并对各种方法进行了比较.     

静态人脸识别技术探讨

人脸识别是人工智能领域的一个研究热点.本文简要介绍了静态人脸识别技术的研究背景及识别系统的构成,重点对目前人脸特征提取与识别的主要方法进行了分类总结.通过对各种方法的分析比较,总结了当前存在的技术困难,并展望了今后的研究趋势.     

基于曲波变换和余弦测度的人脸识别方法

人脸识别是一种常用的生物特征识别技术,广泛应用于门禁考勤、公安司法等领域。光照、人脸表情与姿态、遮挡等采集条件的变化对 现有人脸识别方法 影响较大,限制了其应用。提出了一种基于曲波变换和余弦测度的人脸识别方法,以提高人脸识别对采集条件的鲁棒性。首先,对待识别人脸图像进行曲波变换,依据曲波系数检测人脸区域的关键点;然后,提取各关键点在不同尺度和方向上的曲波特征,构建人脸特征描述子;最后,依据余弦测度、累加和运算和极值运算求取人脸的最优匹配结果。仿真实验表明,所提方法对光照、姿态、表情和遮挡等变化的鲁棒性强,且识别性能好。     

在人脸识别中应用Cure聚类算法的实验研究

聚类分析技术能使人脸识别系统了解人脸特征数据的分布方式,并为人脸数据库建立适当的索引结构.目前缺乏对真实人脸数据进行聚类分析的工作,为弥补不足,此文探索了Cure聚类算法在人脸识别中的应用.在分析过各种影响聚类效果的因素,如高维人脸特征数据对聚类效果的影响、Cure算法的缺点等,对Cure算法提出了若干改进.     

基于非负张量分解的人脸识别算法研究

人脸识别是生物特征识别中一个活跃的研究领域。非负张量分解作为非负矩阵分解的多线性推广,已被成功应用到人脸识别等领域。提出了基于非负张量分解的人脸识别算法。该方法无需将人脸矩阵向量化,从而保持了人脸矩阵的内部结构,即人脸图像的整体结构,使人脸特征提取更精确。 实验结果表明, 与经典的人脸识别算法如PCA和NMF相比,该算法提供了一种更好的脸部表示模式,提高了人脸识别的正确率。     

基于人脸分类和K-L变换的人脸识别新方法

为解决目前人脸识别领域中,对含有大量人脸样本训练库识别准确性低、实时效果差的问题,本文提出了一种基于人脸分类的K-L变换人脸识别新方法。该方法首先采用协同模式将ORL人脸库中的人脸样本分成若干聚类;之后利用K-L变换的方式识别待测人脸样本。降低了参加识别比对的样本数量,提高了人脸识别的效率,适用于身份鉴别领域。