基于二次多项式模型的人脸光照归一化

 根据人脸光照变化非线性的特性,本文提出用二次多项式模型来描述非正面光照条件下的人脸图像与正面光照条件下的人脸图像在对应象素点灰度之间的关系,进而提出一种人脸光照归一化方法.本方法的一个重要特点是独立于先验的物理模型而通过建立统计回归模型来学习不同光照图像之间的关系.此外,提出用基于PCA的方法对光照归一化后的人脸图像进行加权补偿,进一步改善图像的视觉效果.在Extended YaleB和CMU-PIE人脸库上的实验结果表明,新方法在改善人脸视觉效果同时能大大提高人脸识别准确率.     

基于眼和嘴定位的人脸归一化算法研究

人脸归一化处理是人脸识别的关键预处理步骤,本文提出了一种基于眼和嘴定位的人脸归一化算法。首先通过直方图均衡化法消除不均匀光照对人脸图像的影响;再通过灰度投影法对人脸的双眼和嘴部中心进行定位;然后根据双眼的定位结果,通过仿射变换法进行人脸平面内旋转,实现几何位置的归一化;最后根据双眼和嘴部中心的精确定位信息进行横向和纵向的缩放,实现大小的归一化。该算法运算量小、简单可行,并具有良好的定位效果和归一化效果。     

多姿态人脸图像合成

提出了一种从单张旋转人脸图像合成正面人脸图像的方法。首先把测试人脸图像表示为形状向量和纹理向量,用线性物体类的理论来合成正面形状和纹理,之后把测试图像的纹理和合成的纹理结合产生最终的正面纹理,最后应用分段三角形拉伸算法把合成的纹理和形状结合起来,生成了测试人脸的正面图像。实验结果表明,该方法能有效地从单张旋转人脸图像合成正面人脸图像,合成正面人脸图像使识别率大幅提高。     

使用二元透镜的图像成像光学系统

1.前言最近,信息处理仪器的性能有了惊人的提高,随着CPU的高速化和大容量存储器的廉价,即使小型仪器也能很容易处理图像信息。因此,对于图像扫描或者传真等图像输入仪器,也要求其更小型而使用方便,并且要便于携带,相反,用于图像扫描或传真的图像成像光学系统,则通过使用胶合的平板微型阵列成像系统,以实现装置的大幅度小型化。但是,在已往使用凸透镜型平板微透镜阵列的场合,很难将低象差的微小透镜形成多阵列状态,并且存在着由相邻透镜的漏光带来的图像质量差等问题,因此,不能实现实用的图像成像光学系统。     

人脸的眼角自动定位

针对人脸识别中的特征提取问题,提出了一种快速准确的眼角自动定位方法。在人脸图像中自动定位两眼的眼球和内外眼角的精确位置,定位准确率达到98％以上。该方法为脸部关键特征点的自动提取和人脸识别奠定了良好的基础,有助于提高人脸识别算法的识别率。并将定位结果应用到人脸图像的预处理,提出以两眼外眼角为基准进行几何归一化校正,与通常的利用两眼瞳距作为基准的方法相比较,更加准确和稳定。     

热成像系统性能分析中的参量归一化空间

根据线性滤波理论，讨论了热成像系统性能分析中的参量归一化空间，分析了软件设计和使用时易出现的错误，提出了适合的处理方法，对于避免使用上的人为失误有积极意义。     

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。     

人脸欺诈检测最新进展及典型方法

以人脸为生物特征的身份认证由于其简单、快捷和无接触,深受用户喜爱.然而,不法分子针对人脸的易于伪造和认证场景的多样性,恶意攻击人脸识别系统,给国家安全和人民生活带来极大危害,有必要深入研究人脸的反欺诈技术.该文收集了经典和代表性论文68篇,其中包括近2年来国际主流期刊和会议的相关论文50余篇,从7大类来梳理近期人脸欺诈...     

基于OpenCV在Android平台下实现人脸识别

本文提出了使用OpenCV（OpenSourceComputerVisionLibrary）在Android平台下实现人脸识别的方法。首先,本文介绍了OpenCV2．4的人脸识别算法类FaceRecognizer的使用以及在windows平台下的实现,接着详细的阐述了利用AndroidT的JNIJavaNativeInterface）,并结合AndroidNDK（NativeDevelopmentKit）调用和编译openCV下的相关函数,生成共享函数库。经过实验的在Android下人脸识别效果良好。     

人脸自动识别方法综述

 人脸自动识别是模式识别、图像处理等学科的一大研究热点,近几年来关于人脸识别的研究取得了很大进展.本文重点对近三、四年来人脸识别的研究进行综述并对各种方法加以评论.     

基于B2DPCA和极端学习机的人脸识别

介绍一种新的基于双向二维主成分分析(B2DPCA)和极端学习机(ELM)的人脸识别方法,该方法是根据人脸曲波图像分解和一种改进的降维技术,通过B2DPCA生成识别特征集来提高分类精度.该方法还能够有效地提高分类正确率和降低对原型数量的依赖.通过做大量的实验,把结果和现存技术相比较.     

基于方向对称变换的人脸定位方法

本文定义了一种新的对称变换－－方向对称变换,它与常用的广义对称变换相比能够提供更多的信息来描述物体的形状。在此基础上提出了一种快速的人脸定位方法,与应用广义对称变换方法相比不仅可以提高定位准确率,而且能够大幅减小计算量。     

基于面分块的人脸造型技术研究

人脸面部是一个极其复杂的曲面,若将其作为一个整体进行人脸造型则使问题复杂化.本项研究在总结前人研究工作的基础上,提出了一种将人脸面部分为若干块、分别进行处理的人脸造型方法,同时将人脸表面形变模拟成弹性体的形变,并为其建立了弹性形变模型,实现了从一般人脸模型到特定人脸模型的造型,算法效率高、交互操作少,结果令人满意.     

人脸识别方法研究

首先介绍了计算机人脸识别的4类主要方法，然后重点介绍了基于本征脸法的人脸识别技术的基本原理和实现步骤，最后通过实验比较了各类方法的识别率，总结出各种方法的优缺点，并对未来的识别技术进行了展望。     

人脸识别方法的综述

人脸识别技术是利用计算机分析人脸图像,从中提取有效的特征信息,用来辨认身份的一门技术。在此简单介绍了近年来常用的几种人脸识别方法,如：特征脸、隐马尔科夫、神经网络、以及弹性图匹配方法等。