基于MobileNetV3与注意力机制的脸型分类研究

人脸形状是人脸识别、个性化推荐等应用中的重要信息.例如,在人脸识别前进行粗糙的人脸形状过滤,可以有效提高识别准确率和速度.同时,可以使用有效的脸型分类来构建发型和眼镜的推荐系统.基于此,文章提出了一种新的人脸形状分类算法.首先使用MTCNN网络进行人脸图像的裁剪与对齐.其次,将注意力机制与MobileNetV3网络相结...     

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.     

基于多分类投影极速学习机的快速人脸识别方法

提出了一种基于多分类投影极速学习机的快速人脸识别方法.首先采用2DGabor小波提取所有人脸样本图像的人脸特征,然后将学习样本的人脸特征用于训练多分类投影向量机,最后将训练好的多分类投影极速学习机用于分类.采用CMU-PIE和ORL人脸数据库进行了对比实验,大量实验结果证实所提方法的识别正确率和速度均优于极速学习机和支持向量机方法.     

基于体绘制思维的人脸识别算法优化研究

传统的人脸识别算法主要解决二维正面图像识别,如果人体姿态发生明显变化,或外界环境发生显著变化,则算法性能大大降低,无法获取准确的识别结果。体绘制算法针对三维数据场进行绘制,绘制的图像能够描述人脸的内部细节,可提高人脸识别精度。因此,提出一种基于体绘制思维的人脸识别算法,依据聚类思想对二维人脸库进行聚类,在各分类的基础上,构建人脸相似模型。通过错切变形体制算法,构建人脸体数据,实现人脸体数据坐标系统的转换以及人脸三维图像的合成,从人脸三维图像中采集人脸特征,利用相似性模型对人脸关键特征同数据库已有的特征进行匹配分析,完成人脸身份识别。实验结果说明,所提算法对于不同表情和不同光照条件下的人脸图像,都具有较高的识别率和鲁棒性。     

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。     

Gabor字典及l0范数快速稀疏表示的人脸识别算法

针对光照、遮挡、伪装情况下,识别率比较低,识别时间长的问题,本文提出了基于Gabor字典及l0范数快速稀疏表示的人脸识别算法。Gabor小波提取的特征能够克服遮挡、光照等干扰对人脸识别的影响,平滑l0算法通过平滑连续函数来近似 l0范数,只需较少测量值并且较快速度便能重构稀疏信号。本算法通过提取人脸的Gabor特征、主成分分析法（PCA）降低维度,l0范数快速稀疏分类完成识别。在伪装人脸情况下,分块计算Gabor人脸特征,提高Gabor字典的形成速度。基于AR人脸数据库的实验结果表明,本算法可在一定程度上提高识别速度和识别时间,即使在小样本情况下,依然具有较高的识别率。      

多姿态、光照不均人脸图像的子空间人脸识别方法研究

针对人脸识别中存在的光照不均匀问题,提出了一种预处理链技术,能达到很好的光照补偿效果。为了提高多姿态、多表情、多细节人脸图像的人脸识别率,设计了一种将最近邻分类器与支持向量机相结合的分类算法（NN-SVM）,基于该分类算法提出了一种基于Gabor变换和NN-SVM的子空间人脸识别方法。在FERET和ORL两大人脸数据库中对所提方法进行性能评估,实验结果表明所提出方法能有效的解决人脸识别中光照不均匀问题,大大的提高人脸识别率,而且相比其他现存的人脸识别方法,所设计的方法具有更好、更稳定的识别效果。     

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。     

光照不均人脸图像的子空间人脸识别方法研究

针对人脸识别中存在的光照不均匀问题,提出了一种预处理链技术,能达到很好的光照补偿效果。为了提高多姿态、多表情、多细节人脸图像的人脸识别率,设计了一种将最近邻分类器与支持向量机相结合的分类算法(NN-SVM),基于该分类算法提出了一种基于Gabor变换和NN-SVM的子空间人脸识别方法。在FERET和ORL两大人脸数据库中对所提方法进行性能评估,实验结果表明所提出方法能有效地解决人脸识别中光照不均匀问题,大大提高人脸识别率,而且相比其他现有的人脸识别方法,所设计的方法具有更好、更稳定的识别效果。     

基于LLE和LS-SVM的人脸识别方法

为了提高人脸识别的速度,提出了一种基于局部线性嵌套(LLE)和最小二乘支持向量机(LS-SVM)的人脸识别方法.该方法采用主成分分析(PCA)和LLE相结合的算法,对归一化处理过的人脸图像进行特征提取,利用LS-SVM对人脸图像样本集进行训练和识别,以提高识别的速度.最后将本文方法在ORL人脸数据库上进行试验,结果表明,人脸识别的速度有了一定的提高,识别率达到了90%以上.     

一种基于Gabor描述的概率子空间人脸识别方法

该文提出了一种Gabor小波域的概率子空间人脸识别方法,简称GPSA方法。考虑到Gabor小波在人脸识别中的优势,首先给出了一种改进的人脸图像Gabor特征描述方法,在此基础上建立基于Gabor特征的概率子空间模型,人脸识别按照概率匹配方式进行,从而有机集成了Gabor特征描述和基于类内、类间变化的概率子空间分析两者所提供的鉴别信息,增强了人脸识别系统的鲁棒性。在包括190人的人脸数据库上的实验结果表明,所提出方法的识别性能较现有的概率子空间分析方法有了较明显的改善。     

基于AdaBoost和PCA的动态人脸考勤技术研究

设计并实现了基于Adaboost和PCA的动态人脸识别考勤系统。利用AdaBoost快速人脸检测方法为基础,然后使用PCA方法来实现人脸识别.实验结果表明,利用该方法开发的动态人脸识别考勤系统具有识别率高、实用性好、可靠性强等特点.     

浅谈人脸识别技术在智能电视系统中的应用

文章介绍了三种基于人脸识别技术的电视应用,第一种是通过人脸识别技术来识别人的面部表情,从而知道用户当时的心情,根据用户的心情来调整图像模式和声音模式,达到一种电视和用户自动互动的效果;第二种是通过人脸识别技术来较为实时地监测电视机前面是否有人在观看电视节目,如果在一定时间内,没有人看电视节目,就自动待机,从而实现节能的目的;第三种应用是利用人脸识别技术来鉴定用户的身份,根据用户的身份和与之关联的喜好,来自动为用户推送节目。     

融合原始样本和虚拟样本的人脸识别算法

由于有限的存储容量和捕获图片的时间,实际的人脸识别系统往往只能获得少量的训练样本,但是,在小训练样本情况下大多数人脸识别算法都会遇到困难.因此,为了提高人脸识别的分类正确率,提出了一种融合原始样本和虚拟样本的人脸识别方法.该方法先利用人脸的对称性来构造虚拟训练样本;然后,利用协同表示方法分别对原始训练样本和虚拟训练样本进行分析,并且分别得到每一类训练样本的重建误差;最后,将原始训练样本和虚拟训练样本的同一类重建误差进行加权融合并得到最终的分类结果.大量的实验结果比较分析表明,该方法可以获得更好的识别效果.     

一种基于Retinex和PCA的人脸图像识别方法

针对目前人脸识别算法在光照条件恶劣时识别精度较低的缺陷,提出一种基于Retinex和PCA的人脸图像识别方法.Retinex算法能够有效去除图像中光照恶劣导致的阴影,而PCA能够有效提取图像中有代表性的特征,从而使得快速准确的识别成为可能.在Yale和Yale B数据库上验证该算法的性能,结果证明,此算法简单快速,且具有较高的识别精度,是一种实用的人脸图像识别方法.     

FACE RECOGNITION FROM FRONT－VIEW FACE

This letter presents a face normalization algorithm based on 2-D face model to rec-ognize faces with variant postures from front-view face.A 2-D face mesh model can be extracted from faces with rotation to left or right and the corresponding front-view mesh model can be estimated according to facial symmetry.Then based on the relationship between the two mesh models,the nrmalized front-view face is formed by gray level mapping.Finally,the face recognition will be finished based on Principal Component Analysis(PCA).Experiments show that better face recognition performance is achieved in this way.     

结合主成分分析和局部导数模式的人脸识别方法

针对基于局部模式的人脸识别方法特征维数高、计算复杂度高、识别时间长的问题,提出一种结合主成分分析和局部导数模式的人脸识别方法,并针对如何解决光照、人脸表情等方面的问题提出了改进的编码方法。该方法首先将人脸图像分成很多小的区域,然后在每一个小区域中用改进的编码方法进行编码,并建立该区域的局部导数直方图,然后采用主成分分析法对所有直方图向量进行降维得到特征向量,最后利用最近邻分类器计算相似度。实验表明,这里提出的结合主成分分析和局部导数模式方法无论在识别率还是在运算速度上都优于传统的识别算法。     

基于MTCNN和Facenet的人脸识别

人脸识别技术在智能城市建设中广泛应用,传统人脸识别算法依赖人工设定的特征,通常会带来不可期望的人为因素和误差。随着计算机算力的提升,基于神经网络的人脸识别方法由于其准确高效深受工业界偏爱。提出了基于多任务卷积神经网络(MTCNN——Multi-task Cascaded Convolutional Networks)和Facenet的人脸识别方法,并实现了从图像处理到识别结果输出的整个人脸识别系统。     

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。     

基于LDA算法的人脸识别方法的比较研究

线性判别分析（LDA）是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人脸识别会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于LDA的人脸识别。文章对几种基于LDA的人脸识别方法做了理论上的比较和实验数据的支持，这些方法包括Eigenfaces、Fisherfaces、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法。