基于遗传模拟退火神经网络的人脸识别方法

该文提出一种基于遗传模拟退火算法的神经网络,并应用到人脸识别中。实验结果表明,用遗传模拟退火算法精度高、迭代步骤少、收敛快,基于遗传模拟退火的神经网络应用于人脸识别是有效的,能提高识别率。     

深度学习与人脸识别算法研究

目前人脸识别技术已经得到了较多的应用,包括在安检工作、金融工作以及交通等领域中,其稳定性强、识别精度高,市场应用前景广阔,能够为用户信息的识别提供更便捷的服务。随着对人脸识别研究的深入,出现了更多的算法,最初大多都是提取浅层特征来进行分析,并采用特征融合的方式识别,在最后的识别过程中主要利用了联合贝叶斯分布等机器学习分类器进行处理。这种方法虽然能够达到一定的识别效果,但是精度不高,容易受到多种外部因素(光照、遮盖等)的影响,降低了识别结果的准确性。本文主要对人脸识别的框架进行了研究与分析,首先设计了人脸识别框架,然后对深度学习人脸识别算法的几个重要组成部分进行了分析与研究,主要包括人脸对齐模块、人脸特征提取、人脸识别验证模块等。     

拟人机器人人脸识别系统研究

研究了人脸识别系统。基于拟人机器人人脸识别系统的工作流程,对人脸识别系统中人脸检测阶段所采用的Adaboost算法、人脸跟踪阶段采用的Camshift算法,以及人脸识别阶段所使用的PCA算法进行了探讨。采用了这些经典的算法后,该系统具有较高的识别率和系统性能。     

人脸活体检测综述

人脸识别系统往往面临着各类人脸欺诈攻击,如打印相片、屏幕播放和3维面具等。如何区分真实人脸与虚假人脸,亦称人脸活体检测,对于人脸识别系统的安全具有十分重要的意义。近年来,已有大量人脸活体检测方法相继提出,部分已经成功获得实际应用。本文对人脸活体检测技术进行了全面的梳理回顾,包括硬件方案、算法、数据集、技术标准以及业界实际应用情况。最后,进行了总结与展望。整体而言,基于多模态数据,采取先验知识启发的深度学习方法目前能获得占优的人脸活体验证精度。随着人脸欺诈攻击方式的不断升级变更,面向未知类型攻击的人脸活体检测研究愈加重要,此外,新型的传感硬件方案也值得鼓励探讨。     

安全人脸识别解决方案研究

人脸面部特征,与生俱来,具有唯一性、自然性、终身不变等特点,因此人脸识别作为一种身份鉴别方式,相比于传统的认证技术具有巨大的便利性优势.然而人脸识别容易受到图片、视频、面具等伪造攻击,由于其不可更改特性,若生物特征发生泄漏或篡改,会造成难以挽回的风险和损失.本文提出的安全人脸识别解决方案,通过特殊的安全人脸采集模组,完成活体检测,模组中通过人脸加密专用密钥,对图片进行加密、签名处理,同时在识别流程中的多重安全设计,保证人脸生物特征的安全.     

人脸识别的方法研究

人脸识别系统主要包括:人脸检测定位,人脸识别两环节。本文简要回顾了人脸自动识别技术的研究背景,重点对近年来人脸自动识别方法的研究进展进行综述,并对各种方法加以评价。总结了现在存在的研究困难,提出了今后的发展方向。     

多用途人脸识别系统的设计与实现

人脸识别技术是近年来研究的一个热点,众多的人脸识别系统应运而生。提出了一种多用途人脸识别系统,可用作实际环境中智能监控,也可用作实验室环境下的算法测试。该系统整合了人脸检测、正则化、识别等模式识别处理技术,可以在复杂环境下实时、鲁棒地进行人脸识别。系统设计过程中引入了BioAPI国际标准,实现了对相关行业标准的兼容性,便利了算法及系统的实用化。     

基于改进型PCA和LDA融合算法的人脸图像识别

研究提高人脸识别率问题,因人脸图像易受光照条件、人脸丰富的表情变化以及周围复杂环境干扰等因素的负面影响,导致其识别准确度很低,影响其识别效果。鉴于此,提出了改进型PCA和LDA融合算法人脸图像识别方法,首先通过在改进PCA算法中结合基于标准差和局部均值的图像增强处理,使其可以有效调节光照不均匀对人脸识别所造成的负面影响,进而拓展了PCA算法的应用条件范围,然后将改进的PCA算法与LDA算法相结合,运用改进的PCA算法对训练图像降维,最后再对降维以后的特征采用LDA算法,训练出一个最具判别力的分类器,实验证明本文提出的方法对光照不均匀、表情变化的人脸具有一定的鲁棒性,具有很好的人脸识别性能,提高了其识别率,优于一般的PCA算法。     

人脸识别研究的新进展及趋势

简要回顾了人脸识别技术的研究背景及发展历程,总结了近三四年人脸识别方法的研究进展,根据三维人脸重构方法的数据来源不同,将其分为基于静态图像和视频序列的三维重构技术.重点对目前多特征和多模态识别技术进行了分类阐述,分析了一些有代表性的算法并对其识别结果进行了比较.最后,总结了人脸识别技术现存的研究难点,并探讨了其未来的发展方向.     

人脸识别综述

介绍了人脸识别的概念和发展,分析和比较了各种人脸识别方法的差异,探讨了人脸识别的应用和未来的研究趋势。