人脸识别技术

人脸图像的易取性和人脸变化的多样性使人脸识别研究更富有挑战性.按照人脸检测、特征提取和识别3个关键过程,分别对基于二维和三维人脸信息的人脸识别技术和方法进行了详细的阐述;展望了人脸识别研究的趋势,并提出了可能取得突破性研究进展的研究途径.     

基于深度卷积神经网络的人脸识别技术综述

人脸识别是计算机视觉的重要应用之一,广义的人脸识别包含图像采集、人脸检测、人脸对齐、特征表示等过程。人脸识别的发展史主要是人脸特征表示方法的变迁史。针对特征的表示方法,从人脸识别技术的发展历史、研究现状和未来发展三个方面进行综述:分阶段对传统的几类经典的人脸识别算法进行回顾和总结;以深度学习算法的诞生过程为切入点,重点分析了在人脸识别中取得突破性进展的深度卷积神经网络DCNN(deep convolutional neural networks)的技术思想和关键问题;针对人脸识别和深度学习算法的重大挑战,展望了未来可能存在的发展方向。     

基于特征脸的人脸识别系统的研究

人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,用来辨认身份的一门技术.文章阐述了基于特征脸的人脸识别的基本算法,并对该方法进行改进,最后对其进行了仿真.该方法主要通过求出人脸图象与数据库中的特征脸空间距离来进行人脸的识别和分类,做到了快速准确地识别人脸.     

面向不同传感器与复杂场景的人脸识别系统防伪方法综述

人脸识别技术作为一项重要的生物特征识别技术,在人们的日常生活中得到广泛应用。尽管人脸识别技术已取得明显进展,但当前的人脸识别系统仍容易受到非法用户的恶意攻击,因此人脸防伪技术成为人脸识别过程中必不可少的一个环节。在简述人脸防伪概念及常见攻击类型的基础上,分析人脸防伪方法的主要建模思路,从面向不同传感器与面向复杂场景的人脸识别系统防伪方法切入,分类阐述不同人脸防伪方法的基本原理及发展脉络。总结公开人脸防伪数据库,分析比较代表性防伪方法及其性能表现,并对人脸防伪问题的未来发展趋势进行展望。     

基于特征脸的人脸识别系统的研究

人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,用来辨认身份的一门技术。文章阐述了基于特征脸的人脸识别的基本算法,并对该方法进行改进,最后对其进行了仿真。该方法主要通过求出人脸图象与数据库中的特征脸空间距离来进行人脸的识别和分类,做到了快速准确地识别人脸。     

基于C＋＋和OpenCV的人脸识别系统的设计与实现

人脸识别是通过对人的脸部特征信息进行身份识别的一种生物识别技术.研究现实基于人脸识别的身份验证系统具有重要意义.提出一种基于C＋＋和OpenCV的人脸识别系统的设计与实现方法.系统实现的功能模块包括人脸图像采集、图像预处理、人脸检测与定位、人脸特征提取与识别、人脸数据库管理等.系统中人脸检测采用基于Haar-like特征的Haar 分类器,人脸识别采用Eigenfacae算法.系统经过运行测试,结果表明该系统能够满足一般的基于人脸识别的身份验证需求.     

二维Gabor特征与三维NP-3DHOG特征融合的人脸识别算法

基于二维图像的人脸识别算法提取人脸纹理特征进行识别,但是光照、表情、人脸姿态等会对其产生不利影响。三维人脸特征能更精确地描述人脸的几何结构,并且不易受化妆和光照的影响,但只采用三维人脸数据进行人脸识别又缺少人脸纹理信息,因此文中将二维人脸特征与三维人脸特征相融合进行人脸识别。采用基于Gabor变换的二维特征与基于新的分块策略的三维梯度直方图特征相融合的算法进行人脸识别。首先,提取二维人脸的Gabor特征;然后,提取三维人脸基于新的分块策略的三维梯度直方图特征,旨在提取人脸的可辨别性特征;接下来,对二维人脸特征与三维人脸特征分别使用线性判别分析子空间算法进行训练,并使用加法原则融合两种特征的相似度矩阵;最后,输出识别结果。     

一种基于多特征融合的二维人脸欺诈检测方法

针对当前人脸识别系统易受欺诈攻击的问题,提出一种基于图像分析的人脸欺诈检测方法。该方法融合了LBP、Gabor小波及像素特征,通过非线性SVM分类器区分人脸和欺诈图像。相较于现有人脸欺诈检测方法,该方法无需用户配合,具有很强的实用性。此外,提出的融合纹理特征也适用于人脸识别,为处理人脸欺诈检测和人脸识别提供了一个独特的特征空间。实验结果表明,该方法优于现有的人脸欺诈检测方法,具有更高的识别准确率。     

眼镜遮挡下的正面人脸识别

针对眼镜遮档对人脸识别影响较大这一问题,提出一种从正面人脸图像中提取并摘除眼镜的方法。首先利用主成分分析和独立成分分析法对输入的戴眼镜人脸进行重建,对比重建人脸和输入人脸,从而提取眼镜遮档区域;然后经过迭代误差补偿合成相应的无眼镜人脸;最后考虑到合成图像的特殊性,使用改进的特征加权方法实现人脸识别。实验结果表明,利用提出的人脸重建和特征加权方法进行戴眼镜人脸识别,正确率可以达到91%,优于传统方法。     

纹理特征和两级分类器相结合的人脸识别

为了提高人脸识别率和识别效率,提出一种纹理特征和两级分类器相结合的人脸识别方法。采用灰度共生矩阵表示人脸图像的纹理特征,计算待识别人脸图像与模板间欧式距离,采用拒识阈值进行评判,如果人脸图像归属类别清楚,则采用欧式距离分类器进行识别,否则将待识人脸图像送入SVM分类器进行识别,采用ORL人脸数据库和Yale人脸数据库进行仿真实验。仿真结果表明,相对于单一人脸识别器,两级分类器不仅提高了人脸识别效率,而且提高了人脸识别率,具有更好的人脸识别性能。     

模板匹配技术在图像识别中的应用

在图像目标识别技术的研究应用中,模板匹配技术是其中一个重要的研究方向,它具有算法简单、计算量小以及识别率高的特点。介绍了几种改进的模板匹配技术在图像处理、模式识别等领域的应用,包括有条码识别、生物特征识别技术(人脸识别、指纹识别等)、车牌识别、字符识别、飞机识别等。     

TH FACE2000人脸识别系统的设计与实现

文章着重介绍了THFACE2000人脸自动识别系统的设计思想和实现技术。该系统以人像识别技术为核心,用客户机/服务器模式,建立和维护了一个含有人像特征的综合数据库,从而能够在输入一张未知人像照片时,迅速地询出最接近于待查照片的若干已登记人员的身份信息。该系统应用到了人像识别,机群,数据库等多种技术。该系统在安刑侦,海关,机场,车站等领域有着广泛的应用前景。     

四合一的人脸识别查询系统的设计与实现

论文介绍了TH人脸识别查询系统(四合一)的设计思想和实现技术。该系统以人像识别技术为核心,采用客户机/服务器模式,建立和维护了一个含有人像特征以及文档信息的综合数据库,从而能够在输入一张未知人脸图像时,迅速地查询出最接近于待查图像的若干已登记人员的身份信息。该系统应用到了人像识别、机群、数据库等多种技术。该系统在公安刑侦,海关,机场,车站等领域有着广泛的应用前景。     

A system of algorithms for stable human recognition

The principles for designing multimodal biometric systems for improving the reliability of human recognition systems are discussed. The problem is solved by the example of a combination of two biometric human features that can be obtained without any contact with the registering sensor, namely, face images and records of the human voice. The identification technique developed involves face, speech, and voice recognition. Note that the data is processed in real time. The following identification scheme is employed: detection of human presence-face detection-enquiry of speech data-joint recognition of the facial and vocal features. The methods and algorithms employed for solving all posed problems are described, and the rules for making joint decisions are addressed. The results of testing the described algorithms are presented.     

基于深度学习的证件照人脸识别方法

为解决安防业务中对人脸识别技术的迫切需求,进行了基于深度学习的证件照人脸识别方法的研究与实现.对人脸识别各关键技术环节进行了实现并进行了算法对比,同时提出了使用Siamese网络进行特征重映射的方法进一步提升人脸识别精度.实验结果表明,使用证件照构建的人脸库,通过基于深度学习的算法实现了高效精确的人脸识别.     

基于决策级的多源人脸融合识别

仅依赖于可见光谱进行人脸识别,在实际应用中存在很多问题。目前的研究表明,红外人脸识别也可以作为一种很好的生物鉴定技术。但是,红外图像也有自己的缺陷,其中眼镜的存在对识别的影响很大。文章提出了一种对可见光和红外人脸进行融合识别的方法。首先用PCA提取人脸主分量,计算测试样本与各类的欧氏距离,并通过构造的转换函数获得子决策;然后在决策级用D-S证据理论对子决策进行融合,得到最优决策。实验结果表明,该方法有效地提高了识别率。     

基于人脸图像的性别识别方法研究

研究性别优化识别问题,在当前的性别识别方法中,大部分依靠的是一些明显的人体第二性征作为识别依据,当人脸上性别特征不明显的时候,识别成功率不高。为了提高准确率,提出了一种性别模型的性别识别判定方法。利用摄像设备采集单帧人脸图像,首先采集人脸关键部位的有效特征点,建立有效的性别识别模型,运用模型进行性别的判定。实验结果表明,方法相对于以人体性别特征为参数的性别识别方法,识别的准确率有了明显改进,取得了不错的识别效果。     

一种高性能的人脸识别方法

在基于人脸图像的身份认证系统中，最关键的技术就是如何提取人脸图像的高质量特征以及如何进行分类识别，该文就提出了一种快速、准确的人脸图像识别方法。该方法利用基于核函数的学习算法，进行人脸图像的特征提取和分类。首先，该方法分别利用核主分量分析以及核Fisher算法提取人脸图像的特征，然后对这些特征进行合理的组合以构成组合特征向量，再利用支持向量机进行识别。实验结果显示，所提出的高性能人脸识别方法的识别率高，即使对于轻度光照不均匀的人脸图像、人脸姿势的有限变化图像，也能获得较高的识别率；同时，该方法的训练速度和识别速度也非常快，完全满足人脸识别系统实时性要求。     

Audio-visual human recognition using semi-supervised spectral learning and hidden Markov models

This paper presents a multimodal system for reliable human identity recognition under variant conditions. Our system fuses the recognition of face and speech with a general probabilistic framework. For face recognition, we propose a new spectral learning algorithm, which considers not only the discriminative relations among the training data but also the generative models for each class. Due to the tedious cost of face labeling in practice, our spectral face learning utilizes a semi-supervised strategy. That is, only a small number of labeled faces are used in our training step, and the labels are optimally propagated to other unlabeled training faces. Besides requiring much less labeled data, our algorithm also enables a natural way to explicitly train an outlier model that approximately represents unauthorized faces. To boost the robustness of our system for human recognition under various environments, our face recognition is further complemented by a speaker identification agent. Specifically, this agent models the statistical variations of fixed-phrase speech using speaker-dependent word hidden Markov models. Experiments on benchmark databases validate the effectiveness of our face recognition and speaker identification agents, and demonstrate that the recognition accuracy can be apparently improved by integrating these two independent biometric sources together.