基于融合子空间的人脸识别方法

针对PCA、LDA、Bayesian 3种子空间方法,介绍了这3种子空间判别人脸的原理,用一种新颖的思想分析了3种子空间的判别依据,在此基础上来提出了一种改进的子空间识别方法--融合子空间.实验结果证明,该方法跟传统的PCA、LDA和Bayesian子空间识别方法相比,有效的增加了对表情和光照的鲁棒性,并提高了识别率.     

基于LBP特征和贝叶斯模型的单样本人脸识别

针对单样本人脸识别这一人脸识别中的难点问题,提出了一种基于局部二元模式(LBP)直方图特征和贝叶斯(Bayes)模型的人脸识别方法.首先在独立的训练集上学习同类样本和异类样本的LBP直方图特征的相似度先验信息,估计同类和异类的类条件概率密度函数,在识别过程中利用一对图像的LBP直方图相似度计算该对图像属于同一类的后验概...     

基于特征融合的红外目标跟踪方法

为了能够对红外目标实现稳健跟踪,提出一种特征融合算法,将目标的LBP纹理特征和灰度特征空间融合,构造了由基于区域置信度及空间距离加权的LBP特征直方图,以及灰度加权直方图联合表示的目标模型。以均值偏移算法为跟踪框架,在当前帧中迭代搜索目标位置。实验证明该方法对于目标和背景灰度相似以及目标被部分遮挡时的跟踪是有效和稳健的。     

小样本条件下基于全局和局部特征融合的人脸识别

针对线性判别分析的小样本空间问题,提出了一种基于类向量的融合全局和局部特征的人脸识别算法.首先,提取人脸的全局特征;然后将人脸分割成6个关键部分,并用一种新的基于Gabor小波的方法提取特征;其次,将全局和局部特征融合,得出样本的特征向量;再次,得出每类样本的类向量并据此得出一种新的投影准则;最后,将类向量和试验样本分别进行投影,根据其欧氏距离的大小得出试验人脸的最终类.试验表明本文算法不仅能有效解决小样本空间问题,而且计算速度快,识别率高,应用前景良好.     

基于权值融合虚拟样本的LBP特征人脸识别算法

提出了基于权值融合虚拟样本的LBP特征人脸识别算法.首先生成轴对称虚拟样本,再提取LBP特征进行协同表示分类,最后加权值融合,分析不同权值下的人脸识别率.实验结果显示识别率有所提高,在权值融合中原始样本作为主体成分,能最优化识别率.结果表明,提出的算法能有效提高人脸识别率.     

基于改进的子模式局部保持映射人脸识别方法

虽然子模式局部保持映射算法(Sub-pattern Locality Preserving Projections,SpLPP)对外部因素如光照、表情等变化具有较好的鲁棒性,但是流形的LPP在人脸识别过程中常常碰到奇异值问题,所以提出了一种利用奇异值分解的SpLPP方法,以此解决奇异值问题。该算法的关键点是将样本数据映射到一个非奇异正交矩阵中,然后再根据SpLPP求出新样本空间的低维投影子空间。在标准人脸数据库(ORL、YALE)上进行验证,实验结果表明改进的子模式局部保持映射算法在人脸识别中的有效性。     

采用自适应加权扩展LBP的单样本人脸识别

提出了一种采用自适应加权扩展LBP(AWELBP,adaptively weighted extended local binarypattern)的单样本人脸描述方法,首先对单样本的人脸图像进行多尺度分块,对子块的图像进行扩展均匀LBP算子运算,同时同步生成图像局部熵图谱(LEM,local entropy map),计算每一子块对整体人脸图像纹理描述的贡献度图谱,根据贡献度图谱对每个子块的LBP直方图进行自适应加权,最后将各子块的LBP直方图进行连接形成人脸特征。本算法在ORL、Yale、Yale B人脸库上对部分遮挡、表情变化、光照变化等环境进行测试,并与传统算法以及与多种LBP改进算法进行比较,结果表明该算法对部分遮挡、表情变化和光照等环境下单样本人脸描述具有较好的效果。     

基于色彩和纹理特征融合的模糊人脸识别方法

基于纹理特征的方法被广泛应用于人脸识别。然而纹理特征依赖于图像的高频细节信息,当图像出现模糊时,单纯利用纹理特征的识别方法的识别精度会急剧下降。为了克服纹理特征的在模糊人脸识别中的不足,提出了一种基于色彩特征和纹理特征融合的识别方法。首先参照人类的对立色感知机制提取人脸的色彩特征;然后,将该色彩特征和纹理特征分别用于识别分类;最后,将二者的识别相似度进行融合,得到最终的识别结果。该色彩特征描述了图像的低频信息,其对图像模糊不敏感,并且与描述图像高频信息的纹理特征具有良好的互补性。在FERET 和AR 人脸库上的实验表明,融合色彩特征和纹理特征有效地提高了模糊人脸的识别精度。     

自适应多阈值LBP人脸识别方法

传统的基于多阈值LBP的人脸识别方法在提取梯度特征时需要预设一个固定阈值,不利于该方法的广泛应用。文章提出了一种自适应多阈值LBP人脸识别方法,通过自适应阈值来提取人脸的梯度特征和轮廓特征,然后将这些特征与人脸的局部纹理特征进行特征融合来得到最终的识别结果。该方法较传统的基于多阈值LBP的人脸识别方法更具一般适用性。仿真表明该方法提高了人脸识别率。     

一种基于多类特征融合的车辆识别方法

为研究融合多类特征形成的新特征对车辆识别准确率的影响,首先对图像的方向梯度直方图(HOG)特征、不变矩特征和灰度共生矩阵特征进行特征提取,并对HOG特征采用主成分分析法(PCA)进行降维;利用极差变换法对三类特征进行归一化处理并采用线性融合法进行融合构成新的特征。实验结果表明,基于上述三类单一特征的车辆识别准确率分别为51.39%,59.72%和75%,识别准确率较低;基于融合后形成的新特征的车辆识别准确率达到了97.22%,识别准确率有了较大提高,验证了多类特征融合在提高车辆识别准确率方面的有效性,对研究道路交通安全具有重要意义。     

基于环形核的旋转不变性特征提取方法

针对人脸在XOZ平面内旋转,即在图像所在平面内人脸产生的旋转,因特征值变化大导致人脸识别率降低的问题,提出了一种新颖的基于环形核的旋转不变性特征(Circular Kernel Feature,CKF)提取方法.所提算法有两个创新点,第一点是给出了环形核的建立方式,定位人脸上明显的特征部分.第二点是提供了特征的旋转不变计算方式.首先建立环形核,定位人脸上明显特征的坐标区域;然后,用旋转不变的计算方式获取定位区域的特征值.在Georgia Tech人脸数据库上的实验证明:人脸旋转前后CKF的值相较Gabor,LBP等特征值的变化小了98％.     

Textural feature based face recognition for single training images

A novel face recognition algorithm using single training face image is proposed. The algorithm is based on textural features extracted using the 2D log Gabor wavelet. These features are encoded into a binary pattern to form a face template which is used for matching. Experimental results show that on the colour FERET database the accuracy of the proposed algorithm is higher than the local feature analysis (LFA) and correlation filter (CF) based face recognition algorithms even when the number of training images is reduced to one. In comparison with recent single training image based face recognition algorithms, the proposed 2D log Gabor wavelet based algorithm shows an improvement of more than 3% in accuracy.     

基于样本扩张和最大散度差融合的单样本人脸识别算法

为解决只有一个训练样本时最大散度差(MSD) 鉴别分析在人脸识别中的识别性能会降低这一问题,提 出一种基于样本扩张和MSD融合的单样本人脸识别算法。首先,根据人脸的对称相似理论 ,人脸样本的相关变化信息可 以从它的对称脸上提取,并且平均脸也具有要识别测试人脸的某些可能变化,提出组合原始 训练样本及它的虚 拟平均脸和虚拟对称脸作为新的训练样本集;然后,在新的训练样本集上应用类内中间值MS D鉴别分析算法得到最 优投影矩阵,从而可以基于这个最优投影矩阵计算训练样本和待测试样本的特征;最后利用 模糊决策方法进行分类。在ORL和FERET人脸数据库上的大量实验结果表明,本文算法可以提 高识别率,具有一定的鲁棒性。     

一种多算法融合的人脸识别方法研究

针对人脸识别技术易受光照、姿态、表情等影响 ,为了增强人脸识别算法的鲁棒性,提出首先采用 LBP算法提取人脸图像的局部纹理特征,使用PCA算法将高维的空间人脸图像投影到低维的 特征空间,使 用LDA算法利用人脸类别标签信息寻找最优的投影向量,实现了人脸图像维度进一步地压缩 ,最后使用SVM 分类器分类匹配得到识别结果。分别使用ORL和Yale人脸数据库验证了算法的有效性,实 验结果表明,文 中该方法具有良好的识别性能,与其它的识别算法相比,识别率有了较大的提高。     

基于稀疏表示与特征融合的人脸识别方法

针对人脸识别在有遮挡、表情、光照的变化或受到噪声污染时鲁棒性变差问题,提出一种基于稀疏表示与特征融合的人脸识别算法。首先采用低秩恢复算法得到训练样本和测试样本的干净人脸图像,提取干净人脸图像的LBP,HOG,Gabor三种特征向量;然后对部分训练样本进行SRC分类测试,根据SRC的识别结果与分类残差定义一个损失函数,再利用正则化最小二乘法计算出使损失函数最小的权重向量;最后根据该权重向量重构规则化残差进行分类。在ORL,Extended Yale B和AR数据库上进行实验,结果表明,该算法优于利用单一特征识别的方法,并且对光照、噪声、遮挡等因素产生的影响有较好的泛化性能。     

基于特征融合的手势识别

在手势识别的过程中,手势的多样性和复杂性会对识别的可靠性和准确性带来较大影响.基于视觉的手势识别通常采取单一特征用于手势分类,但是单一特征无法较好地描述整个图像.因此本文提出多种特征融合的方法,分别提取改进后的梯度方向直方图(HOG)特征和MB-LBP特征,并进行特征融合,结合支持向量机(SVM)分类器完成手势图像的识别.实验结果表明,提取的融合特征包含手势图像的局部区域梯度信息和图像的纹理信息,可以更加全面地描述图像的手势特征.相较于单一特征识别方法而言,基于特征融合的方法有着更高的识别率.     

一种基于融合深度卷积神经网络与度量学习的人脸识别方法

现有的卷积神经网络方法大多以增大类间距离为学习目标,而忽略类内距离的减小,这对于人脸识别来说,将导致一些非限制条件下(如姿态、光照等)的人脸无法被准确识别,为了解决此问题,提出一种基于融合度量学习算法和深度卷积神经网络的人脸识别方法。首先,提出一种基于多Inception结构的人脸特征提取网络,使用较少参数来提取特征;其次,提出一种联合损失的度量学习方法,将分类损失和中心损失进行加权联合;最后,将深度卷积神经网络和度量学习方法进行融合,在网络训练时,达到增大类间距离同时减小类内距离的学习目标。实验结果表明,该方法能提取出更具区分性的人脸特征,与分类损失方法及融合了其他度量学习方式的方法相比,提升了非限制条件下的人脸识别准确率。     

基于Gabor的特征提取算法在人脸识别中的应用

针对人脸识别中的特征提取问题,提出一种新的基于Gabor的特征提取算法,利用Gabor小波变换良好的提取区分能力和LDA所具有的判别性优势来进行特征提取。首先利用Gabor小波变换来提取人脸特征。然后对得到的高维特征采用PCA进行初次降维,再利用LDA实现再次降维,得到最终的特征向量。在ORL和YALE人脸库上的实验验证了该算法的有效性。