基于特征脸的主成分分析人脸识别

采用基于PCA（主成分分析）的特征脸人脸识别方法,判断一张给定的图像是否为人脸图像。该方法通过计算训练集的特征向量,得到一个由特征脸组成的子空间,并将训练集中的人脸图像投影到该子空间中。检测人脸时,将二维的人脸图像投影到脸空间,并计算该图像与脸空间之间的欧几里得距离,以距离是否小于某一设定的阀值来识别是否人脸图像,实验测试结果准确率为97.5%。     

基于距离限定优化的多姿态人脸图像智能识别

针对人脸角度、姿态和表情复杂多变,导致人脸面部表情识别准确率较低的问题,提出基于距离限定优化的多姿态人脸图像智能识别方法.根据人脸图像特征类别进行标号并调整图像角度等值,借助向量内积确定人脸图像特征相似程度,提取人脸图像特征;采用离散化处理人脸图像特征,构建特征矩阵,将人脸图像特征分量中维度作为条件属性,采用粗糙集近似约简法对所得特征向量降维处理;通过边界值和阈值优化特征向量距离,采集不同姿态特征向量,生成多种姿态人脸图像库,将待测人脸图像特征与人脸特征姿态库中图像相匹配,通过匹配结果相似程度判定二者是否为同一对象,完成人脸识别全过程.实验结果证明,采用所提识别方法对多姿态人脸图像识别的准确率较高,鲁棒性更好.     

基于Gabor小波的人脸检测

提出了一种新的正面人脸检测算法。该方法组合了Gabor小波变换、输入图像的Gabor特征分析和Bayes分类器来进行正面人脸检测。对训练集的平均脸作Gabor小波变换得到40个投影向量；通过计算输入图像和这40个投影向量间的内积来提取图像的Gabor特征向量；训练Bayes分类器来进行正面人脸检测。实验结果表明，该算法的计算效率和检测精度均优于特征脸方法。     

图像集的离散度矩阵及其在人脸图像识别中的应用

本文提出了图像集离散度矩阵的基本概念及用于人脸图像识别的方法。该方法把同一类图像集中的各幅图像的信息矩阵的奇异值向量作为矩阵中的一列构成图像集特征矩阵。把这些矩阵组成一图像库,并找出图像集离散度矩阵和图像库离散度矩阵,从而计算出它们的最佳投影系数。然后,把测试样本的图像集特征矩阵与图像集库中的训练样本图像集的特征按投影系数相比较找出它的相似程度,从而进行人脸图像识别。     

基于三元空间融合的模糊人脸图像特征相似度识别

提出一种基于三元空间融合的模糊人脸图像特征相似度识别方法.通过建立模糊人脸图像特征相似度投影矩阵,将模糊人脸图像映射到同一个特征表示空间,得到维数一致的特征向量;针对10种LIH特征相似度进行分析,确定模糊人脸图像特征相似度信息能量百分比;使用三元空间融合技术中编码的方式描述模糊人脸图像中的特征描述子,基于三元空间融合提取局部特征描述子;通过设计对称表示相似性度量方法,取得最完整的特征相似度识别结果.实验结果表明,该方法可以实现模糊人脸图像特征相似度精准识别,其特征相似度识别分辨率明显高于传统方法.     

基于样例学习的面部特征自动标定算法

面部特征标定是人脸识别中的一个关键问题.提出了一种基于样例学习的面部特征自动标定(人脸形状自动提取)方法.该方法是基于下面假设提出来的:人脸图像差和形状差之间存在一种近似的线性关系--相似的人脸图像在较大程度上蕴涵着相似的形状.因此,给定标注了特征点的人脸图像学习集,则任意新的输入人脸图像的面部形状可以采用如下方法估计:测量该人脸图像和训练集中图像的相似度,并将同样的相似度用于该人脸图像形状的重建.即:如果输入人脸图像可以表示为训练图像的优化的线性组合,那么同样的线性组合系数就可以直接用于训练集对应形状的线性组合从而得到输入人脸图像的形状.实验表明,该算法相对于其他传统的特征标定算法具有可比的精度和较快的速度.并且,还将此算法扩展到了多姿态情况下,实现了多姿态人脸图像形状的自动提取.     

一种基于二次直方图距离的人脸识别方法

提出一种非约束条件下的人脸识别方法。利用Prewitte算子将人脸图像转换成特征图像以保护更多的局部信息,并将特征图像划分为多个区域特征向量表示人脸,通过调整二次直方图距离中的权系数矩阵以降低干扰因素的影响,利用改进的距离测度计算特征图像间的相似度。实验结果表明该算法与传统的识别方法相比,有一定的人脸特征描述和识别性能。     

深度卷积特征向量用于快速人脸图像检索

针对计算机视觉领域的人脸图像检索计算复杂和检索时长问题,提出一种基于深度卷积特征的快速人脸图像检索算法.首先使用人脸图像训练集对深度卷积神经网络模型进行人脸分类训练;然后采用三元组损失方法对已训练好的人脸分类网络模型进行微调,更新网络的参数,使得网络能够更加有效地提取不同人的人脸图像特征,构建高效的卷积特征向量进行人脸检索初步过滤;为了进一步提高系统的检索性能,提出一阶段查询扩展方法对待检索人脸图像的卷积特征向量进行均值融合加强,再次执行检索任务,得到最终的检索结果.在Celebrities Face Set和Labeled Faces in the Wild dataset这2个人脸检索数据集上进行实验的结果表明,该算法不仅能够显著地提高检索结果的准确率,而且简单可靠,能够快速地实现人脸检索任务.     

基于图谱分解的人脸表情分析

文中探索用人脸的几何结构图谱方法嵌入到模式空间米分析人脸表情，以网的加权邻接矩阵主要特征向量来定望矩阵的特征模。计算潜特征向量-模间邻接矩阵。用两类模式向量在范数下的多维尺度变换方法（MDS）嵌入该向量到一个模式空间，用人脸特征点来表示人脸图，并存模式空间里描述该嵌入方法下的同一人脸的不同表情。     

基于人眼定位的人脸检测与归一化算法

文中针对复杂背景下多姿态静态人脸图像,提出了一种通过对眼睛这一特征的自动检测与定位,从而实现对人脸检测的新方法。首先对原灰度图像做边缘灰度加强;然后结合根据人脸几何特征先验知识建立的人眼位置判定准则,在分割阈值递增的过程中,寻找能分割出双眼眼块的最优分割阈值;最后用两维相关系数作为对称相似度来检验检测出的双眼的真实性,并利用找到的双眼图像垂直方向的灰度积分投影,精确定位瞳孔中心。对彩色图像,利用肤色在YCbCr颜色空间的分布特性建立肤色模型,粗略找出肤色区域,进行灰度变换后,再采用上述方法检测人脸。最后提出一种脸相归一化方法,便于进一步的提取特征工作。实验结果证实了文中方法在速度和准确性方面具有良好的性能。