人脸识别技术在智能视频监控系统中的应用

首先对监控技术的发展过程做了简单的总结,然后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。     

人脸识别的现状和发展

本文首先简单介绍了人脸识别的三大类研究方法,阐明了其各自的优缺点。紧接着对目前国内外人脸识别的发展和应用做了相应的介绍。最后对于人脸识别的未来发展进行了展望。     

基于人脸识别的图像考勤系统设计与实现

基于人脸识别的智能系统在近几年中非常活跃,是计算机视觉和模式识别领域里的研究重点,如基于人脸识别的考勤系统、基于人脸识别的门禁系统、基于人脸识别的考试系统等等。基于人脸识别的图像考勤系统首先进行人脸图像采集和人脸检测,将采集到的人脸图像保存实现人脸注册,然后对图片中的所有人脸进行检测和识别,将识别到的信息进行保存,根据人脸识别中保存的信息可以查询信息,实现考勤。     

基于深度学习算法的人脸识别管理系统

针对学生管理中人脸认证智能安防的需求,文中首先基于深度学习理论对人脸识别的相关算法进行了研究,在卷积神经网络的基础上,以提高人脸识别的准确率为目的,重新设计了包含11个卷积层和4个池化层的网络结构。网络使用标准人脸数据集CASIA-WebFace进行训练,在LTW库上的人脸识别准确率可以达到97. 8%以上。基于该深度学习网络,设计人脸识别管理系统,系统实现了1∶1的人脸认证和1∶N的人脸识别。由于深度学习算法的引入,人脸搜索系统的搜索时间小于0. 7s,大幅提高人脸识别技术的效率和实用性。     

基于复杂背景下人脸图像识别相关算法的应用

针对人脸图像系统介绍了基于复杂背景下人脸图像识别算法的应用,针对人脸识别问题,研究信息融合在人脸识别方法中的应用.本研究工作通过改进的LBP模式进行人脸识别,把彩色图像与人体生理特征结合到一起进行分析,给出了改进LBP算法公式,通过LBP算法公式计算出权重值,达到了提高人脸识别鲁棒性的效果.     

人脸识别技术综述

人脸识别技术在各行各业有着广泛的应用,现有人脸识别系统主要用于安全监控等场合,通常是小规模封闭的系统,其也可以用于人机交互、跟踪监控、身份识别等领域。人脸识别技术在各个产业中都有广泛的应用,其中电子产品是主要领导者,这导致在全球范围内涌现了许多相关的大公司,由于人脸识别在工业上的普遍应用,这也带动了该项技术在学术领域研究的热潮。本文首先介绍了目前人脸识别技术的几大主要技术和发展脉络,其次分析了人脸识别技术在专利申请方面的现状以及发展趋势,然后分别对国内外的研究和发展情况进行了分析和研究,最后对该领域的专利申请情况作了总结并对其发展前景作了展望。     

人脸识别系统综述

人脸识别系统以是现在科学研究的热门之一,本文对人脸识别系统的流程及发展前景做了简单的回顾。对该系统的应用做了简单的分析并对人脸识别的主要方法进行了相应的分类。对人脸识别系统的未来主要发展进行展望。     

基于人脸识别的校车考勤系统设计

本文介绍了基于人脸识别的校车考勤系统设计思路,并对关键的人脸检测与人脸识别算法进行了深入的分析与设计,最终结果表明该系统设计达到了实际使用要求.     

人脸识别和特征定位算法探讨

本文介绍了当前人脸识别技术的一些常用方法,对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论,其中在人脸检测部分主要是对图像进行获取和预处理的研究,然后在前人的研究基础上综合提出基于相应的检测算法,以提高人脸识别的准确度和速度。实验结果表明,在方案和算法的实现过程中虽然出现了一些问题,但经过一系列测试,总体来说还是基本能达到目的,还是比较成功的。     

通过人脸识别技术限制重复投票的电子投票系统的设计

将人脸识别技术应用于电子投票系统中,限制重复投票行为.首先分析了该电子投票系统的结构,给出了人脸识别技术在限制重复投票行为中的应用场景.针对电子投票系统对人脸识别算法的需求以及投票人图像采集背景简单和光照变化较小的特点,分析了适用于本系统的基于AdaBoost的人脸检测方法以及基于特征脸的人脸识别方法,给出了通过OpenCV实现的基于人脸识别方法的身份认证子系统的设计流程,并介绍了基本投票子系统各模块的功能.最后对身份认证子系统的性能进行了分析.     

3D人脸识别研究探索

2D人脸识别技术虽已成熟,但由于单一的2D图像不能提供识别所需的完整信息,故其识别精度很难进一步提高。在人脸识别过程中,特征提取是影响识别效果的一个重要环节,在分析了传统的主成分分析法和由此改进的2D PCA方法的基础上,提出了3D人脸识别方法。该方法将人脸图像分为几个部分分别进行特征提取,同时充分考虑每个部分所包含的特征信息量的多少,并在分类时赋予它们不同的权值。因此,将人脸用立体图像来表示并进行识别是目前提高人脸识别精度的前沿课题。     

单对象人脸识别技术研究

针对单对象人脸识别的特点,提出了一种基于DWT-DCT平均脸和自适应阈值的单对象人脸识别算法,该算法首先利用肤色模型和人脸几何特征检测、定位、归一化内脸,然后对人脸进行DWT变换和DCT变换提取人脸特征,并计算DWT-DCT平均脸,最后利用自适应阈值进行人脸识别。实验证明,该方法具有识别有效性和认证可靠性。     

AFRS人脸自动识别系统的设计与开发

人脸检测、跟踪和识别技术是人机自然交互领域中一个富有挑战性的课题,也是近年来研究的一个热点。在新一代(第四代)人机自然交互系统中人脸自动识别系统提供了一个友好的人机交互接口。本文着重介绍了AFRS人脸自动识别系统的设计思想和实现技术。该系统以实现一个实时的、鲁棒的、自动化的系统为目标,融合了人脸检测、跟踪和识别技术以及其它的图像和视频处理技术,并且建立和维护了一个含有人脸特征数据的数据库,从而使得系统可以自动地对进入系统监控范围内的人脸自动进行检测、跟踪和识别。该系统在新一代的人机交互、安保、视频监控等方面有着广泛的应用前景。     

面部表情跟踪描绘中的边缘特征量

由于外界环境的不确定性和人脸的复杂性,人脸表情的跟踪与计算机形象描绘是一个较难问题.基于此问题,提出了一种有别于模式识别、样本学习等传统手段的较为简单解决方法,在视频采集条件下,分析帧图像,通过对比多种边缘检测方法,采用一种基于边缘特征提取的人脸表情建模方法,来完成用于表情描绘的面部特征量提取与建模,并结合曲线拟合和模型控制等手段,进行人脸卡通造型生成和二维表情动画模拟.实现了从输入数据生成卡通造型画并真实地表现出表情变化情况.     

基于双层异构深度神经网络模型的人脸识别关键技术研究

伴随着人工智能的快速发展,人脸识别技术在社会领域和工业领域都呈现出较广泛的应用潜力空间,但由于传统人脸识别技术识别率低,识别速度慢,对环境要求非常高,迫切需要革新方法.本文旨在研究如何将深度学习算法引入人脸识别领域,通过构建双层异构深度神经网络模型,模拟神经网络进行学习,使用CNN与DBN等众多模型让计算机逐渐根据大量数据特征学会识别图像与人脸,并对人脸识别领域关键技术难点进行深入研究,从而大幅度提升人脸识别技术的识别率与鲁棒性.     

基于学习的模糊人脸图像重构算法研究

人脸研究一直是计算机视觉、模式识别和计算机图形学领域中的热点研究问题之一。现今,通过监视器得到的人脸图像分辨率不高,以至于给人脸识别和跟踪等后续应用带来很大的难度。本文提出一种基于学习的超分辨率重构算法来得到清晰的人脸图像,采用对图像块搜索操作进行位置限制和检查图像分块间重叠区域水平兼容性的思想,降低了搜索的复杂度,提高了匹配相关性。     

使用关键点信息改进弹性匹配人脸识别算法

本文提出了一种增加经典弹性匹配算法对强背景干扰鲁棒性的算法.人脸的自动识别有着广泛的应用前景,弹性匹配是其中的一种重要算法,并有着相对于其他方法更高的鲁棒性,但其并不能有效地防止强背景干扰的影响.本文的主要思路是将局部信息和整体信息相结合,利用没有受到背景干扰影响的局部关键点的位置信息来对基于整体信息的经典弹性匹配方法进行改进.实验结果表明,本文提出的算法有效地提高了弹性匹配识别算法的鲁棒性.     

用于人脸识别的下颌轮廓线分类方法

研究了下颌轮廓线的分类方法,并通过下颌轮廓线分类改进人脸识别系统人脸识别系统的性能.将下颌作为人脸识别的新特征,并综合其他特征进行人脸分类,可以提高人脸识别的识别率;同时,人脸数据库根据下颌的类属分类,可以提高识别速度.通过对下颌轮廓线进行主元分析得到下颌的（PCA）特征字串,并用K mean自动聚类方法和两类划分进行了下颌轮廓线分类的尝试.实验结果表明,这种方法在人脸识别系统中取得了较好的应用,识别率和识别速度都有明显提高.     

基于肤色和Adaboost算法的人脸检测

人脸检测是人脸识别的第一环节,也是非常关键的环节。试验中主要针对静态彩色图像进行人脸检测,研究肤色在人脸检测中的应用。不同图像背景、人脸的可变性和光照条件变化都增加了人脸检测的难度。因此,从一幅图像中检测人脸是一项具有挑战性的任务。采用Adaboost的人脸检测,并提出肤色与Adaboost算法相结合的人脸检测方法。对输入的彩色图像进行从RGB空间到YCbCr空间的转换,然后进行肤色分割,排除背景干扰,最后用Adaboost算法对可能区域进行检测,得到人脸位置。实验表明,该方法误检率低,鲁棒性好,对人脸检测有较强的实用性。     

二代证人脸识别的多姿态虚拟样本生成方法

使用第二代身份证照片作为训练样本进行人脸识别属于典型的单样本问题,由于没有充分数量的训练样本,会造成常规的人脸识别算法识别率低下。甚至无效的问题。为此采用虚拟样本生成方法,并针对遇到姿态变化较复杂的人脸时,识别率不高的问题,提出了一种新的多姿态的虚拟样本生成方法,通过模拟人脸侧向旋转、俯仰和立体旋转等增加有效的训练样本。再使用鲁棒性较好的HMM进行人脸识别。在自建的身份证人脸库上进行测试,实验结果显示．该方法在一定程度上减弱了人脸姿态的变化对识别率的影响,并取得了较好的识别效果。