人脸识别常用方法研究

计算机自动人脸识别技术是生物识别的一个重要分支本文简要回顾了人脸自动识别技术的研究背景及发展历程．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进行评价。最后，结合现存的研究困难，提出了今后的发展方向。     

略论人脸自动识别系统及其识别方法

科学技术快速发展的过程中,各种新技术也不断的走入人们的工作生活。人脸自动识别系统以及逐渐的成为考勤系统的重要组成部分。探讨人脸自动识别系统及其识别方法,对其发展有着积极意义。本文从人脸自动识别系统出发,探讨了人脸识别方法的研究。     

基于小波分析的人脸特征提取方法

人脸识别是目前生物识别的热门研究领域 ,具有广泛的应用前景。人脸具有唯一性 ,相对稳定 ,所以机器自动识别人脸是可行的。本文提出利用小波分解提取人脸特征进行分类     

人脸自动识别方法综述

简要回顾了人脸自动识别技术的研究背景及发展历程；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并提出了解决方法及今后的发展方向。     

人脸检测技术在ATM自动识别功能拓展系统中应用

针对ATM机存在的不安全因素,开发研制了ATM自动识别功能拓展系统。鉴于人脸特征的独一无二性,在现有的ATM机上增加人脸识别作为一种身份验证手段。而人脸检测是人脸识别的首要环节,采用了基于AdaBoost算法,构造了人脸检测系统。实验结果表明,该算法实现人脸检测时间在70ms左右,在环境较好的情况下,可有效检测单个人脸和多个人脸,满足了该系统的要求。     

人脸识别理论研究进展

简要回顾了人脸自动识别技术的研究背景及发展历程，重点对近3、4年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，总结了现存的研究困难并提出了解决方法及今后的发展方向。     

三维人脸识别及其关键技术

利用三维信息进行人脸识别是近年来提出的很有发展前景的人脸识别新思路。本文对三维人脸识别的优越性、思想方法和存在的困难进行了综述，并对三维人脸建模、人脸姿态估计和人脸识别算法这些三维人脸识别的关键技术进行了讨论。     

基于支持向量机的人脸识别方法

1.引言人脸是人类视觉中的常见模式,人脸识别在安全验证系统、公安(犯罪识别等)、医学、视频会议、交通量控制等方面有着广阔的应用前景。现有的基于生物特征的识别技术,包括语音识别、虹膜识别、指纹识别等,都已用于商业应用。然而最吸引人的还是人脸识别,因为从人机交互的方式来看,人脸识别更符合人们的理想。虽然人能毫不费力地识别出人脸及其表情,但人脸的机器自动识别仍然是一个具挑战性的研究领域。由于人脸结构的复杂性以及人脸表情的多样性、成像过     

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。     

基于无人机数据采样的人脸识别研究方法

提出了一种基于无人机数据采样的人脸识别研究方法。针对无人机采集的图像或视频数据进行人脸识别应用,采用深度学习算法对此进行研究,通过线下采集获取目标人脸,对采集到的目标人脸进行数据增强扩充数据集,进而增加人物识别准确率,使用训练好的Facenet网络对目标人脸进行特征提取,获得目标人物人脸特征并建立人脸特征库。在人脸检测阶段,当接收端接收到无人机采集的图像数据后,利用YOLOv5进行检测,识别人物所在区域,随后裁剪出人脸区域,传入Facenet网络进行人脸识别,获得采集到的人脸特征向量,然后结合人脸库与采集到的人脸特征向量。采用SVM进行数据分类,实现对不同类别的目标人物人脸分类,通过实验论证了此方法的可行性。     

基于SVM的彩色人脸识别研究

人脸识别是模式识别、图像处理等学科的研究热点,有广阔的应用前景。简单介绍人脸识别的概念、过程及其技术发展和研究现状,重点对颜色模型、支持向量机的原理及在人脸识别中的应用进行概述,分析人脸识别过程中存在的困难,展望人脸识别技术今后的研究方向。     

人脸识别会议签到的嵌入式系统设计

为了解决传统会议签到问题,利用S5PV210与CC2530、摄像头、按键、液晶显示屏等硬件设备设计了一种人脸识别会议签到硬件终端。在定义的通信协议的基础上,采用C语言开发出了下位机与上位机间进行数据传输的程序。利用QT编制了人脸识别会议签到终端控制系统软件,重点研究了基于PCA算法的人脸识别实现、QT与CC2530的串口通信、ZigBee组网的数据传输。实验结果表明:基于PCA算法的人脸识别稳定可靠、上位机软件操作方便,ZigBee无线通信稳定,软硬件设计达到了预期的功能和要求。     

基于离散余弦变换的人脸画像识别方法

设计了一个人脸画像自动识别系统，利用离散余弦变换进行特征提取，结合图像整体信息和局部信息，然后用最近邻分类器进行分类识别。实验获得了94.3％的正确识别率。     

人脸图象的校准与特征抽取

脸自动识别是计算机模式识别领域的一个活跃课题,文中提出了一个基于眼睛位置估计的人脸校准方法,并提出了个基于ＫＬ变换与具有统计不相关性的最佳鉴别变换抽取人脸有效鉴别特征的方法,对由９６个,每个１０幅图象所组成的人脸图象数据库所作的实验结果表明,文中所提出的人脸校准方法能从具有一定复杂背景的人脸图象中比较成功地实现人脸自动校准,成功率与可靠性分别可达到９１．５％和９９．５％,文中所提出的人脸特征抽取     

人脸识别技术综述

首先对计算机人脸自动识别技术的研究背景及发展历程做了简单回顾,然后对人脸正面像的识别方法,按照识别特征的不同进行了分类综述,主要介绍了特征脸（Ｅｉｇｅｎｆａｃｅ）方法、基于小波特征的弹性匹配（Ｅｌａｓｔｉｃ Ｍａｔｃｈｉｎｇ）的方法、形状和灰度模型分离的可变形模型（Ｆｌｅｘｉｂｌ Ｍｏｄｅｌ）以及传统的部件建模等分析方法。通过对各种识别方法的分析与比较,总结了影响人脸识别技术实用化的几个因素,并提出了研究和开发成功的人脸识别技术所需要考虑的几个重要方面,进而展望了人脸识别技术今后的发展方向。     

人脸识别技术研究进展

近20年来,人脸识别技术已经作为机器人视觉与模式识别技术中的一个重要研究方向,受到很多研究学者的关注。对当今国内外人脸识别技术的各种研究方法进行了分析和比较,指出了现存的技术困难及今后的研究发展方向。     

Automatic extraction of face contours in images and videos

The paper proposed an automatic and accurate extraction of the human face contour algorithm. Because a human face contour includes very important facial features to identifying or verifying a person, the accuracy of face contour extraction influences performance of face recognition. The automatic extraction human face contour algorithm includes a novel flowchart for improving accuracy of face contours extraction. To obtain the edge map of a face contour, the divided-and-conquer technique and Canny edge detector were used to avoid the features in the central part of face. The genetic algorithm is implemented to automatically find the parameters of Canny edge detector. Finally, the Poisson gradient vector flow (PGVF) active contour model used the edge map to extract face contours. Three datasets with temporal sequence images were tested for evaluation of the proposed algorithm. The experimental results demonstrated that the algorithm obtained accurate face contours.     

基于二维照片进行人脸识别的算法研究

研究图像人脸识别的问题,针对直接对照照片进行人脸识别时,受二维照片信息量的限制,以及识别时受检测人员的主观经验的影响,极易造成误识别,不能满足人脸识别准确率的要求。为了解决上述问题,提出了一种利用二维照片构建三维样本进行人脸识别的方法,通过提取二维图像中人脸的层次化特征,并利用特征向量重构人脸的参数曲面,然后在三维曲面中完成人脸的自动识别。实验表明,改进方法能够有效避免二维图像信息量的限制,以及检测人员主观经验的影响,准确完成人脸的识别,具有一定的使用价值。     

Robust Hausdorff distance measure for face recognition

Face is considered to be one of the biometrics in automatic person identification. The non-intrusive nature of face recognition makes it an attractive choice. For face recognition system to be practical, it should be robust to variations in illumination, pose and expression as humans recognize faces irrespective of all these variations. In this paper, an attempt to address these issues is made using a new Hausdorff distance-based measure. The proposed measure represent the gray values of pixels in face images as vectors giving the neighborhood intensity distribution of the pixels. The transformation is expected to be less sensitive to illumination variations besides preserving the appearance of face embedded in the original gray image. While the existing Hausdorff distance-based measures are defined between the binary edge images of faces which contains primarily structural information, the proposed measure gives the dissimilarity between the appearance of faces. An efficient method to compute the proposed measure is presented. The performance of the method on bench mark face databases shows that it is robust to considerable variations in pose, expression and illumination. Comparison with some of the existing Hausdorff distance-based methods shows that the proposed method performs better in many cases.