基于图像处理的智能家居系统设计

人脸和手势识别是人工智能技术的一种，通过采集人脸和手势的图像信息，对图像信息进行扫描识别。近年来，随着信息技术快速发展，智能家居应用成为研究的热点。通过采用OpenCV计算机视觉库和LBP-HOG算法搭建具有人脸识别、手势识别、邮箱远程异常提醒等功能的智能家居系统。该系统通过摄像头对图像进行人脸识别判断，通过简单邮件传输协议（Simple Mail Transfer Protocol,SMTP）实现远程异常提醒功能。在此基础上，增加手势识别功能，实现多功能的智能家居应用。实验结果表明，所设计系统的人脸识别准确率达98%以上，手势识别准确率达90%以上，具有广阔的应用前景。     

基于SIFT算法的多表情人脸识别

目前人脸识别系统在识别表情变化的人脸图像时识别准确率会降低,多表情人脸识别在人脸识别领域仍是一个热门的研究方向。本文采用SIFT算法对多表情人脸进行识别,在多表情人脸库上进行了两类仿真实验:实验一中对比了同一个人的不同表情的识别效果,实验二中对比了两个不同的人的相同表情的识别效果,实验结果表明SIFT算法能够克服不同人脸间的整体相似性并能有效提取出人脸的局部细节特征。对Jaffe表情库进行仿真实验,取得了当阈值T=0.35时对多表情人脸图像的正确识别率95.69%,实验结果表明,将SIFT算法应用于多表情人脸识别有巨大的潜在科研价值。     

嵌入式人脸识别系统的设计与实现

对嵌入式人脸识别系统的设计原理进行研究,重点探讨了人脸识别的特征提取、特征降维和识别技术等问题,并给出嵌入式人脸识别系统的完整设计方案.采用具体人脸库数据对设计的人脸识别系统进行仿真对比实验,实验结果表明,相对于PC构架的人脸识别系统,嵌入式人脸识别系统提高了人脸识别平均正确率和效率,携带方便,具有很高的商业价值.     

基于局部二元模式的快速红外人脸识别系统

红外人脸成像具有对光照、人脸皮肤、表情、姿态等因素变化不敏感的特点,可以在一定程度上弥补这些因素对可见光人脸识别影响的不足。为了充分提取红外人的局部鉴别特征,文中提出了一个基于局部二元模式的快速红外人脸识别系统。该系统首先通过thermoVision A40型红外热像仪获分辨率为320240的红外人脸图像,并通过人脸检测和归一化方法提取大小为6080的标准红外人脸图像。其次,基于人脸图像的对称性,将红外人脸图像分块。通过局部二元模式直方图提取每一分块所包含的纹理模式特征。最后,采用Kruskal-Wallis（KW）特征选择算法,进一步抽取对识别有贡献的局部纹理特征用于分类识别。实验结果表明:提出的热红外人脸系统识别率明显优于基于主成分分析（PCA）和线性鉴别分析（LDA）的传统红外人脸识别系统,可以达到98.6%的识别率。与此同时,提出的红外人脸识别系统识别速度也快于传统基于PCA和LDA系统,可以广泛应用于实时人脸识别中。     

光照鲁棒的人脸识别

传统的人脸识别方法对待识别人脸图像的质量要求较高,而且要求所采集的人脸图像的光照情况与人脸训练库的光照情况的差异不能太大,这就限制了人脸识别系统运行的环境条件,从而限制了人脸识别的应用。为了降低人脸识别对环境条件的要求,真服光照对人脸识别的影响。本文分析了人脸图像的幅频特性和相频特性,提出了频域光照归一化的人脸识别方法,使得对任何光照条件下采集的图像经过归一化后,光照情况与训练库中的图像完全相同,同时保留了人脸的可区分性。因为人脸之间差异的信息量一般较少,故本文运用最小非零特征向量作为人脸特征,通过实验仿真,与传统方法相比本文人脸识别方法对光照变化具有鲁棒性。     

基于卷积神经网络的跨年龄人脸识别系统研究

对年龄跨度具有鲁棒性的人脸识别系统在实际中具有广泛的应用,年龄的变化对人脸面部特征具有显著的影响,会导致人脸识别的准确率下降。提出一种基于卷积神经网络的跨年龄人脸识别系统,包含人脸检测、人脸预处理、卷积神经网络提取特征、期望最大化(EM)算法和余弦距离等部分。采用EM算法计算出身份特征,使得人脸识别系统对年龄变化具有鲁棒性。在MORPH-II和FG-NET跨年龄数据库中进行仿真实验,验证了人脸识别系统的有效性。     

基于BP神经网络的人脸识别系统研究

本文设计了一种基于BP神经网络的人脸识别系统,并对其进行了性能分析.该系统首先利用离散小波变换获取包含人脸图像大部分原始信息的低频分量,对图像数据进行降维;再由PCA算法对人脸图像进行主成分特征提取,进一步降低图像数据的处理量;最后使用经过训练后的BP神经网络对待测人脸进行分类识别.详细介绍了离散小波变换、PCA特征提取以及BP神经网络分类设计.通过系统仿真实验与分析发现:人脸特征的提取是该系统的关键;同时,由于人脸灰度信息的统计特征与有监督训练BP神经网络分类器,使该系统只在固定类别,并且光照均匀的人脸识别应用场景中具有较高的识别准确率.因此,很难在复杂环境中应用.     

云计算平台下的人脸识别

对云计算平台下的人脸识别方法进行研究,在Hadoop平台上建立基于支持向量机分类模型的人脸识别方法,以发挥Map Reduce并行计算优势,提高识别效率。由于常规LBP算子和深度LBP算子识别人脸特征不同,所以该文使用加权方式结合两种算子,以发挥各自的优点。最后,使用人脸识别领域应用最为广泛的Yale B人脸数据库、ORL人脸数据库以及FERET人脸数据库对该文研究的云计算平台下的人脸识别算法进行实例分析。实验结果表明,所研究的识别方法的识别准确率要高于使用传统方法的识别率。在相同云计算平台下,使用BP神经网络和RBF神经网络建立分类器与该文研究的人脸识别方法进行对比,结果表明,在云计算平台下,使用SVM分类器进行人脸识别的效果优于BP神经网络和RBF神经网络分类器。     

基于三维变换的多姿态人脸识别

现有的人脸识别系统大多基于数码相机等设备获取的二维人脸图像,当目标的姿态或者摄像机的方位发生改变时,往往会造成图像的变形以至于无法识别。而当输入的人脸为三维图像时,可以进行任意的姿态变换,从而实现对目标的识别。因此,可以通过三维人脸重建并进行空间姿态变换的方法实现任意姿态的人脸识别。在对原有三维人脸识别算法研究的基础上提出了更为通用的方法,该方法将三维深度数据与二维RGB数据结合起来,通过空间变换实现同一人脸的多姿态表示,从而建立人脸库,而在测试时只需要输入普通二维图像即可实现人脸识别。实验结果表明,此方法在采集的人脸库上,得到了很好的识别效果。     

通用学习框架结合2DPCA的鲁棒人脸识别

针对现有的人脸识别算法由于光照、表情、姿态、伪装等变化而严重影响识别性能的问题,提出了一种基于通用学习框架结合2DPCA的鲁棒人脸识别算法。首先借助于额外的通用训练样本集进行样本的叠加以增加训练样本的数量;然后利用经典的2DPCA算法进行特征提取;最后,利用最近邻分类器对人脸进行分类并完成最终的人脸识别。在基准人脸数据库ORL、FERET及鲁棒人脸数据库AR、扩展YaleB上的实验验证了该算法的有效性及鲁棒性,实验结果表明,相比其他几种人脸识别算法,提出的算法不仅提高了人脸识别率,而且大大地减少了识别所用时间,有望应用于实时鲁棒人脸自动识别系统中。     

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。     

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PCA算法的人脸识别

PCA算法作为一种数值分析技术,主要的应用是用于简化数据、降低数据维度。将PCA算法应用到人脸识别,能提取出人脸图像中最主要特征,去除数据的冗余和噪声。文中采用PCA进行人脸识别,能为人脸识别提取区分度高的特征数据,有效提高了识别的准确性。且在ORL和YALE人脸库进行了实验。实验结果表明,该方法对实验的人脸图像有较高的识别率。     

基于最大Gabor相似度的多光谱人脸识别系统

以精准识别不同特征维数以及噪声情况下的多光谱人脸为目标,设计基于最大Gabor相似度的多光谱人脸识别系统。原始可见光光谱图像以及热红外光谱图像分别输入系统的可见光光谱图像处理模块以及热红外光谱图像处理模块,图像处理模块分别提取原始可见光光谱图像以及热红外光谱图像特征并建立特征集,多光谱图像融合模块基于特征集内特征利用双匹配度图像策略融合多光谱图像,利用融合后图像建立人脸数据库,将待识别人脸图像输入人脸识别模块,人脸识别模块利用人脸数据库通过最大Gabor相似度的人脸识别方法识别人脸,并输出识别结果。系统测试结果表明,不同特征维数图像以及加入椒盐噪声情况下,系统均具有较高的识别准确率。     

改进的双向2DPCA的人脸识别方法

为了提高人脸识别的准确率,且考虑到训练样本的平均值不一定是训练样本分布中心,提出了改进的双向2DPCA人脸识别方法。首先,应用样本中间值代替样本的平均值来重建图像的总体散布矩阵,求解图像总体散布矩阵得到行列两个方向的最优投影向量,然后把人脸图像向这两个方向变换得到人脸识别特征矩阵,最后应用支持向量机进行分类识别。在ORL人脸库和Yale人脸库上对该算法进行实验研究,表明此方法在识别性能上优于普通的二维主成分分析和普通的双向二维主成分分析算法。     

结合改进CamShift算法的人脸识别门禁系统

人脸识别门禁系统已经得到了广泛的应用,但是要求被识别人员靠近图像采集设备,使用起来极不方便.解决此问题的关键是在被识别人员的正常行走过程中完成人脸识别的任务,然而在人的正常行走过程中,因为角度、表情等变化,可能会导致人脸识别产生错误的结果.针对此问题,设计了一种结合CamShift跟踪算法的人脸识别门禁系统,采用人脸检测的结果来改进CamShift跟踪算法,然后再利用这条CamShift跟踪轨迹上人脸识别结果序列来修正错误识别.实验结果表明该系统能够完成正常行走过程中的人脸识别任务,并且有更高的识别率.     

人脸识别技术在安全保卫工作中的应用及发展趋势研究

人脸识别技术作为一种新兴的生物特征识别技术,与其他生物特征识别技术相比,可以非接触式远距离采集生物特征,数据获取更加自然、直接、便捷。人脸识别技术在公共安全、经济文化保卫、人机交互等领域具有广泛的应用前景,在研究和应用方面得到长足的发展。人脸识别技术安保领域中主要有2种类型的应用,即静态人脸比对识别和动态人脸监控识别。动态识别技术可应用于车站、机场、地铁等重点场所和人群密集公共场所以及学校、医院等企事业单位出入口等多种治安、安保、安防、反伪等领域。静态人脸识别搜索比对是指静态人脸照片与人脸数据库比对,进行人的身份搜索和身份管理,主要应用在治安和户籍管理、身份核查、内保等方面。文章对人脸识别技术在安全保卫工作中的应用及发展趋势进行了研究。     

人脸识别技术发展现状与未来趋势分析

人脸识别技术指基于人的脸部特征,对输入的人脸图像或视频流进行判断,依据脸的位置、大小和主要器官提取出人脸中所蕴含的身份特征,并与已知的人脸进行对比,从而识别人脸身份的一种技术,并且广泛应用于各领域。基于此背景,文章对几类常见人脸识别技术进行介绍,并对人脸识别的应用现状进行研究,探究当前人脸识别技术在各个领域的应用状况,同时对现状进行分析,提出未来人脸识别技术的发展趋势。     

基于网络摄像头的活体人脸识别系统设计

针对当前监控系统平台体积大、功能单一、造价高等问题,文中基于海思3518E平台设计了一套在线活体人脸识别系统。该系统包含图像预处理、图像获取、人脸检测、人脸活体检测、人脸识别共5个部分,并针对传统算法在嵌入式平台的不足进行了改进与优化。系统通过摄像头采集的人脸图像对图像做预处理,为后续图像特征提取提供保障,利用扩展Haar特征训练分类器,并使用Adaboost算法级联分类器进行人脸检测,将检测到的人脸利用HSV和Ycbcr多色彩空间下提取的COALBP和LPQ融合特征训练SVM模型,并进行活体人脸检测。最后,对人脸图像分块提取LBP特征进行人脸识别,将识别结果通过微信小程序显示。实验结果表明,基于海思网络摄像头人脸识别系统的可行性,具有一定的实用价值。     

基于人脸识别技术的电力服务客户身份自动识别系统设计与应用

以人脸识别技术在电力服务中的应用为研究对象,通过PCA神经网络进行人脸图像的降维和提取人脸的特征向量,在利用BP神经网络进行人脸识别,将识别出的人脸与电力服务客户身份进行绑定进行客户身份自动识别,提高电力服务的效率。通过本文所设计的基于人脸识别技术的电力服务客户身份自动识别系统可以快速准确的为电力客户提供身份自动识别服务,具有较好的先进性和实用性,具有非常实用的价值。