一种基于奇异值分解和隐马尔可夫模型的人脸识别方法

提出了一种新的基于隐马尔可夫模型的人脸识别方法，这种方法采用奇异值分解抽取人脸图像特征作为观察序列，减少了数据的存储量和计算量，并提高了识别率，实验结果同其它两种基于隐马尔可夫模型的方法进行了比较。     

基于连续隐马尔可夫模型的人脸识别方法

提出了一种基于连续隐马尔可夫模型的人脸图像识别方法,主要内容包括以下方面:①由于奇异值向量具有稳定性.转置不变性等特点,对归一化的人脸图像,采用奇异值分解抽取人脸图像特征作为观察值序列;②在人脸识别中应用连续隐马尔可夫模型,采用双高斯概率密度函数训练,建立HMM模型,再利用建好的HMM模型进行识别.实验结果显示,所提出的方法减少了数据计算量,运行速度快,并提高了识别率,完全满足人脸识别系统实时性要求.     

自组织隐马尔可夫模型的人脸检测研究

该文提出了自组织隐马尔可夫模型的人脸检测方法，采用多视人脸样本对隐马尔可夫模型进行训练，得到其参数的初步估计值，在此基础上，裁剪那些状态之间的弱连接，将网络自组织成多路径的左右模型（MPLR）。然后利用EM算法对参数重新进行估计，得到隐马尔可夫模型的状态图，在检测阶段，通过求取最优状态序列和最大相似度的方法来判断，与伪二维隐马尔可夫模型相比，该方法的优点在于能检测多视下的人脸，不只局限于垂直正面视，实验结果证明了该方法的有效性。     

基于结构和统计信息融合的人脸检测

人脸检测为人脸识别的第一步,是该项技术实用化必须解决的问题。本文提出了一种综合人脸结构和灰度统计特性的新的人脸检测算法。首先,在原始灰度图像上计算了各像素点的梯度方向对称性高的点为特征点,通过梯度幅值分割滤去了大部分孤立的非人脸部件的特征点,再运用一组规则对各个特征块进行组合得到候选人脸区域;然后运用隐马尔马可夫模型对这些侯选人脸的奇异值特征进行识别达到人脸检测的目的。实验表明,本文算法的有效性。     

基于奇异值分解和支持向量机的人脸检测

人脸检测在自动人脸鉴别工作中具有重要的意义。由于人脸图像特征的复杂性和多样性，使得人脸模式分类器的训练十分困难。本文提出了一种基于支持向量机（SVM）的人脸检测算法，使用了奇异值分解对训练样本进行特征提取，再由SVM分类器进行分类，有效的降低了训练难度，采用二阶多项式作为SVM分类器的核函数，实验结果表明，该方法是十分有效的。     

复杂背景下的人脸检测

提出了一种亲折复杂背景下的人脸检测方法。首先,根据图象的灰度直方图,把图象分割成若干子图象区域,然后分别在这些子图象区域中搜索可能的人脸,进行全局特征－奇异值特征的提取,最后根据特征匹配检验的结果作出决策。     

基于曲线波隐马尔可夫模型的人脸检测

提出了一种基于曲线波隐马尔可夫模型的混合人脸检测算法.曲线波变换是一种多尺度几何变换,具有很好的方向性,能用极少的非零系数精确表示图像的边缘,是一种最稀疏的表示方法.根据隐马尔可夫模型对人脸拓扑结构的约束,采用3状态的隐马尔可夫模型进行从粗到细的人脸检测.实验结果表明,这种算法具有较好的检测速度与正确率及鲁棒性.     

基于奇异值的具有年龄变化的人脸识别

为了增强现有人脸识别算法对年龄变化的鲁棒性,提出了一种新的基于奇异值分解(SVD)和嵌入式隐马尔可夫模型(EHMM)的人脸识别方法.先选取整幅人脸图像的奇异值作为基本特征向量,然后建立年龄函数,对奇异值特征进行修正,再根据得到的年龄函数,对人脸图像进行重建,提取改进后的奇异值特征作为观察序列,送入EHMM中进行分类识别,实验结果表明这种方法能够提高具有年龄变化的人脸识别效率.     

基于隐马尔可夫模型的人脸识别研究与实现

人脸识别是图像识别中受人关注较多的领域之一,人们希望计算机能有像人类一样有强大的视觉能力。人脸识别属于生物特征是识别一种,虽然准确性不如虹膜、指纹的识别,但由于它的简单、直观、易于采集特征且对用户无害,使它成为容易被用户接受的一种生物特征识别。该文介绍了基于隐马尔科夫模型进行人脸识别的算法和具体系统的实现。首先介绍识别所需的图像特征提取算法"二维离散余弦变换"和匹配算法"高斯混合模型和隐马尔可夫模型",其次介绍依据算法实现系统的过程。     

计算机系统入侵检测的隐马尔可夫模型

入侵检测技术作为计算机安全技术的一个重要组成部分，现在受到越来越广泛的关注，首先建立了一个计算机系统运行状况的隐马尔可夫模型（HMM），然后在此模型的基础上提出了一个用于计算机系统实时异常检测的算法，以及该模型的训练算法。这个算法的优点是准确率高，算法简单，占用的存储空间很小，适合用于在计算机系统上进行实时检测。     

基于拉普拉斯脸和隐马尔可夫的视频人脸识别

提出了一种基于拉普拉斯脸和隐马尔可夫模型的视频人脸识别方法。在训练过程中，采用拉普拉斯脸方法将每一视频序列中的人脸图像映射到拉普拉斯空间，将降维后的特征作为观测值，通过隐马尔可夫模型得到每一训练视频的统计特性和时间动态特性。在识别过程中，用每一个训练视频的隐马尔可夫模型来分析测试视频的时间动态特性，计算出每一训练模型产生该序列的概率，概率最大值所对应的模型就是待识别序列所属的类别。实验结果表明，该方法能够很好地进行视频人脸识别。     

基于伪二维隐马尔可夫模型的人脸识别

采用小波分解将原始图像分解为4幅子图像，分别对子图像利用HMM进行学习、识别，根据信息融合的方法确定最后的分类结果，同时改进了Samaria算法中直接利用原始图像灰度数据作为观察矢量，通过K－L变换将降维以后的特征矢量作为观察矢量。     

基于Gabor小波和HMM的人像鉴别算法

探讨了利用Gabor小波和隐马尔可夫模型（HMM）进行人脸识别的方法,首先对人脸图像进行多分辨率的Gabor小波变换;然后在图像上放置一组网格结点,每个结点用该结点处的多尺度Gabor幅度特征描述,采用独立元分析法对每个结点进行去相关和降维;最后形成特征结,把每个特征结作为观测向量,对隐马尔可夫模型进行训练,并将优化的模型参数用于人脸识别,ORL人脸库的实验结果表明,该方法识别率高,工程上易于应用。     

基于局部奇异值对称平均的人脸识别方法

提出了一种基于局部奇异值对称平均的人脸识别方法。该方法首先对原始图像进行线性映射处理;接着采用局部奇异值分解提取人脸特征,并对所获得的特征作对称平均处理;最后依据最近邻决策规则进行识别。基于ORL人脸数据库的实验结果表明,该方法大大降低了原始特征空间的维数,有效地消除了图像亮度和噪声的影响,并取得了较高且稳定的正确识别率,在人脸识别中是一种有效的方法。     

IP包间关联异常检测的免疫隐马尔柯夫模型

数据包是网络通信的基本单位,网络上的入侵行为都应该在数据包中以不同的形式存在、表达着,而且网络中流通的数据包之间必然存在一定的关联性。人工免疫以往的研究多集中在对单个数据包的分析,很难察觉到隐蔽的、缓慢的入侵行为（这些行为的数据包序列间大多有一定的关联性）。因此,该文对于相互联系的多个数据包,挖掘出它们之间的关联特征,并针对这些特征采用了隐马尔柯夫模型的自动机识别器来检测入侵。     

基于小波和奇异值分解的人脸识别方法

该文提出了一种基于小波和奇异值分解的人脸识别方法。首先对人脸图象进行小波分解,由于小波变换具有良好的多尺度特征表达能力,能将图象的大部分能量集中到低频子图中,使图象得到有效压缩。然后,对得到的每幅低频子图进行基于奇异值分解的特征提取,并将奇异值特征向量进行压缩,把压缩后的特征向量作为每幅人脸图象的特征,进而求出每一类人脸图象的特征向量中心。最后,将每一类的特征向量中心输入到分类器中进行识别。最终得到了令人满意的识别结果。     

人脸图像检测与识别方法综述

本文对人脸识别技术中的检测和识别分成两部分进行了讨论。首先,系统的整理分析了人脸检测的各种方法,其次,作为人脸识别技术的第二个环节,对人脸的各种识别方法进行了比较的论述,重点讨论了当前热点的识别算法,最后对人脸识别技术的发展方向进行了展望。     

基于奇异值特征提取的彩色人脸识别*

基于彩色图像的四元数模型,将彩色人脸图像视为一个模板直接处理,并首次将奇异值向量应用到彩色人脸识别中.首先证明了彩色图像的奇异值向量具有代数和几何不变性;然后将其提取为图像的代数特征并应用到人脸识别中.实验表明该方法的识别率为90%左右,是一种有效的彩色人脸识别方法.     

人脸检测与识别技术综述

人脸的自动识别是模式识别、图像处理等学科的研究热点,并在商业和法律方面有广阔的应用前景(如身份证、信用卡、护照等身份认证以及智能小区管理、电视监控系统等等),近年来关于人脸自动识别的研究取得了很大的进展。但是,这些研究成果离这一问题的彻底解决还有很大的距离,这一课题仍然是当前研究的热点问题之一。本文重点对现有的人脸检测与识别的方法及研究进行总结,并比较了各种方法的优缺点。并在最后指出了进一步工作的方向。