基于信息融合的身份识别技术

侧面人脸识别和人耳识别是生物特征识别技术领域中崭新的课题,目前国内外对这两种识别的研究很少,这里讨论了人耳识别和侧面人脸识别的可行性,并针对单一的生物识别技术识别率不高的现状,提出了将侧面人脸识别和人耳识别进行信息融合的新方法,这两种识别方法可以形成技术上的互补,这种融合可以实现一种"非打扰识别".     

基于人脸识别技术的门禁系统设计与实现

近几年,人脸识别技术作为生物特征识别技术中非常重要的一项,逐渐成为人工智能以及模式识别的一项焦点。本文将人脸识别技术应用于门禁系统,制定出一种设计方案实现基于人脸识别的门禁管理,采用二维线性判别分析(2D Linear Discriminant Analysis,2DLDA)算法有效提升了人脸识别门禁系统的识别效率,该系统具有方便、简单、成本低以及可移植性强等优势。     

基于AdaBoost算法的人脸识别系统的研究与实现EI北大核心CSCD

在现代生活中,人类通过人脸来抒发情感、传递个人思想及相互交流。人脸能够深刻地反映人们内心状态的变化,成为最直接、最重要的表达手段。随着图像技术的逐渐发展,人脸识别技术引起了人们的广泛关注。针对近年来在人脸识别领域的相关技术以及理论进行研究,并选择AdaBoost算法进行整合实现,以达到更好的识别效果。在识别过程中,针对图片的特征进行灰度化和均衡预处理,改善图片质量、提高图片分辨率和运算速率;选定Haar的特征分类器进行特征分类;使用SIFT特征提取算法作为对比算法,将待匹配图像与图像库中的图像进行比较,完成人脸识别过程。最后,通过上述方式设计并实现了一个简单的人脸识别系统,利用上述算法完成计算,实现了图像的检测人脸、识别使用人脸。并通过实验验证了该识别方法和系统的准确性、有效性。     

基于AdaBoost算法的人脸识别系统的研究与实现

在现代生活中,人类通过人脸来抒发情感、传递个人思想及相互交流。人脸能够深刻地反映人们内心状态的变化,成为最直接、最重要的表达手段。随着图像技术的逐渐发展,人脸识别技术引起了人们的广泛关注。针对近年来在人脸识别领域的相关技术以及理论进行研究,并选择AdaBoost算法进行整合实现,以达到更好的识别效果。在识别过程中,针对图片的特征进行灰度化和均衡预处理,改善图片质量、提高图片分辨率和运算速率;选定Haar的特征分类器进行特征分类;使用SIFT特征提取算法作为对比算法,将待匹配图像与图像库中的图像进行比较,完成人脸识别过程。最后,通过上述方式设计并实现了一个简单的人脸识别系统,利用上述算法完成计算,实现了图像的检测人脸、识别使用人脸。并通过实验验证了该识别方法和系统的准确性、有效性。     

基于小波变换和核主成分分析的人脸识别算法

人脸识别是当前模式识别和图像处理领域的研究热点。属于生物鉴别技术的一部分。一个完整的人脸识别系统主要由以下几个基本环节构成：图像预处理、人脸检测与定位、特征提取分类识别。本文主要针对图像的特征提取分类识别环节进行分析和试验：首先应用哈尔小波变换初步提取人脸图像的特征;再对小波系数运用核主成分分析进行最终的人脸特征提取。     

融合卷积块注意力模块和Siamese神经网络的人脸识别算法

针对传统人脸识别方法识别性能较差,基于深度学习的方法在非限制条件下识别较为困难,人脸特征区分性弱,识别精度容易受到姿势、表情等方面影响的问题,提出了一种引入卷积块注意力模块的孪生神经网络模型结构。该结构是基于孪生神经网络（Siamese neural network）的基础框架进行改进的,在框架中引入改进的VGG11＿BN模型进行特征提取。该模型是在VGG11结构的基础上引入批归一化（Batch Normalization,BN）技术,在原模型结构的基础上,提出引入CBAM混合注意力机制的特征提取网络;最后,针对目前亚洲人的人脸识别训练较少的情况,采用更加符合亚洲人脸特征的CASIA-FaceV5数据集进行识别训练。实验结果表明：本文算法在人脸识别方面的准确率达到了96.67%,并且在CAS-PEAL-R1人脸数据集上比SRGES,VGG11+siamese算法的准确率分别提升6.05%,6.7%。该算法可以在多因素影响下更好地进行人脸识别验证,具有良好的稳定性。     

基于频谱脸和不变矩人脸识别新方法的研究

提出了基于频谱脸和不变矩的人脸识别方法。频谱脸是一种人脸的特征表达方式,可以有效地消除人脸表情变化、少许遮掩对人脸识别的影响。而不变矩是图像的一种统计特征,具有的平移不变性、旋转不变性和比例不变性,可以有效减少少许姿态和光照条件变化所带来的识别误差。因此首先对原始图像进行适当级数的小波变换及傅立叶变换得到人脸图像的频谱脸表达,然后利用频谱脸图像矩阵的不变矩作为识别特征,建立人脸识别模型。利用ORL人脸数据库进行仿真实验,结果表明,该方法识别率较高,识别速度较快,便于实时实现。     

基于图像识别技术的车辆管理系统的改进研究

本文在现有车牌识别的基础上加入人脸识别技术,设计出基于图像识别技术的车辆管理系统,即车牌识别确定车辆,人脸识别确定人员,然后将车辆与人员进行信息匹配。     

人脸特征识别

人脸识别是模式识别、图像处理等学科的一大研究热点,可以广泛地应用于安全部门、电视会议、身份鉴别、数字监控等领域。人脸识别技术因其广泛的应用领域而成为最具吸引力的研究方向之一。人脸是一个非常复杂的模型．因此即使一个小孩也可以轻易地识别出一张人脸．但是应用计算机进行人脸识别却是一件困难的事情。人脸识别技术有着广泛的应用前景和迫切的现实需要,是当前模式识别领域最热门的研究方向之一。一般的人脸识别系统主要包括预处理,特征提取．样本学习和识别过程四个部分。其中特征提取的好坏将直接影晌到识别效果。     

支持向量机技术在人脸识别考勤机上的应用

以人脸识别考勤机为硬件基础,在Vertex—Ⅱ平台下,通过从实时图像中识别出面部特征。该技术介绍了一个根据视频图像对面部特征进行识别实时的方法,并使用一个自动的面部特征跟踪方法对面部进行定位和特征抽取,提取的面部特征作为支持向量机分类器的输入。实验证明,该方法能够有效的提高考勤机对人脸的识别准确度。     

模拟生物视觉机制的彩色人脸识别方法

为了充分利用彩色图像提供的信息提高人脸识别的性能,提出了一种模拟生物视觉机制的彩色人脸识别方法。该方法首先构造一种模拟人类的色彩感知机制的对立色模型,将彩色人脸图像描述为对立色形式。然后,模拟初级视皮层的信息处理机制,从图像对立色描述的亮度分量和色度分量分别提取人脸的纹理特征和色彩特征。最后,分别对纹理特征和色彩特征进行分类识别,并将二者的识别相似度融合得到最终的人脸识别结果。该方法利用对立色模型提高了色彩特征对光照变化的鲁棒性,并且综合利用彩色图像的色彩和纹理信息提高了人脸识别的精度,特别是对模糊图像的识别精度。在彩色FERET人脸库和AR人脸库上的实验表明,相对于直接对灰度图像进行识别的方法,该方法对清晰图像的识别率提高了4.5%～16.3%,而对模糊图像的识别率提升更加显著。     

基于内容特征提取的短波红外-可见光人脸识别

为了实现短波红外-可见光人脸图像的跨模态识别,提出了基于内容特征提取的短波红外-可见光人脸识别框架。首先建立了短波红外-可见光人脸图像数据集,对图像翻译框架DRIT进行改进,更为准确地获取图像的内容特征并得到更好的翻译结果;接着,采用改进的图像翻译框架中的内容特征提取器进行内容特征提取,以克服模态差异对识别的干扰,然后设计识别网络,基于内容特征完成跨模态的短波红外-可见光人脸识别任务。在自建短波红外-可见光人脸图像数据集上对改进的图像翻译框架和跨模态人脸识别框架进行测试,实验结果表明,改进的DRIT图像翻译框架中的内容特征提取器可以更准确地进行内容特征提取,应用于识别任务时识别准确率提升了12.89%,整体识别框架对短波红外人脸识别准确率达到88.86%。本文提出的基于内容特征提取的识别方案有效克服了模态差异,获得了较好的短波红外-可见光人脸识别结果。     

基于FisherFace算法的人脸识别方案研究

Fisherface算法是由Ronald Fisher发明的,是一种基于人的脸部特征信息进行身份识别的生物识别技术。现提出一种基于FisherFace算法的人脸识别方案,建立在人脸图像预处理的过程已经完成的基础之上,进行特征提取和匹配识别的操作。该方案基于LDA和PCA理论,是对原有数据进行整体降维进而映射到低维空间去的方法。     

基于紧致全姿态二值SIFT(CCPBS)的人脸识别

姿态变化是人脸识别中的关键问题之一,全姿态二值SIFT（CPBS）提取等间隔采样姿态人脸图像的二值化SIFT特征,并用于任意姿态人脸识别,获得了良好的识别性能。但是,CPBS特征量很大,计算成本很高。提出了紧致全姿态二值SIFT（CCPBS）的人脸识别方法。选取间隔45°的人脸图像作为训练集,首先提取ASIFT特征进行融合。然后用基于稀疏表示的方法进行特征选择,有效地滤除相似或相同的特征,减少数据冗余。进一步对选择的特征进行二值化,即可得到CCPBS。人脸识别通过计算待识别人脸和CCPBS之间的汉明距离来完成。在CMU PIE和FERET人脸库上实验结果表明,提出的算法无需人脸对齐和标记,即可以取得很高的正确识别率,明显优于其他算法。与CPBS相比,识别率仅降低很少的同时,特征量降低了22.11%和32.63%。     

基于紧致全姿态二值SIFT的人脸识别

姿态变化是人脸识别中的关键问题之一,全姿态二值SIFT(CPBS)提取等间隔采样姿态人脸图像的二值化SIFT特征,并用于任意姿态人脸识别,获得了良好的识别性能。但是,CPBS特征量很大,计算成本很高。提出了紧致全姿态二值SIFT(CCPBS)的人脸识别方法。选取间隔45°的人脸图像作为训练集,首先提取ASIFT特征进行融合。然后用基于稀疏表示的方法进行特征选择,有效地滤除相似或相同的特征,减少数据冗余。进一步对选择的特征进行二值化,即可得到CCPBS。人脸识别通过计算待识别人脸和CCPBS之间的汉明距离来完成。在CMU-PIE和FERET人脸库上实验结果表明,提出的算法无需人脸对齐和标记,即可以取得很高的正确识别率,明显优于其他算法。与CPBS相比,识别率仅降低很少的同时,特征量降低了22.11%和32.63%。     

基于3DMM的视频流立体人脸识别算法研究

针对目前人脸三维重建存在的问题,提出了融合ASM、3DMM和PCA的立体人脸识别算法。首先利用ASM提取人脸特征点,并计算人脸区域,然后应用3DMM算法对人脸区域进行三维重建得到三维人脸模型,最后采用PCA立体人脸识别算法计算出特征空间中欧式距离最相近的样本脸,实现了基于视频流的人脸识别。实验结果表明,提出的算法具有良好的三维重建效果和识别准确率。     

基于主成分分析法的人脸识别系统构建

人脸识别是机器视觉以及图像模式识别邻域中的关键技术,提取人脸图像特征的主要方法是主成分分析法。考虑到支持向量机在处理小样本、高维数等问题方面有显著优势,提出了两者结合的方法,采用主成分分析法提取图像特征,使用支持向量机对人脸图像进行分类识别,构建了完整的人脸识别系统。仿真实验的分类结果表明,该方法处理速度快,识别率高,可很好地应用于实践。     

人脸识别技术的探讨和研究

文章从人脸识别技术原理、图像预处理、人脸检测、椭圆拟合等方面对人脸识别技术进行了介绍。对人脸图像的灰度化、二值化及图像的预处理过程进行了阐述,并以肤色分割方法进行去噪声、开启运算、连通域处理后的图像进行椭圆拟合,最终实现对人脸的检测和识别。     

基于多尺度LBP特征的人脸描述与识别

为提高人脸识别的准确性和鲁棒性,提出了一种基于多尺度LBP特征的人脸描述与识别算法。先对原始人脸图像进行二级小波分解,并采用LBP算子分别计算两幅低频逼近图像的LBP特征谱,再将LBP特征谱划分为若干个互不重叠的特征区域,并分别进行直方图统计,最后将所有区域的LBP直方图序列连接起来得到多尺度LBP特征,将其作为人脸的鉴别特征用于分类识别。所提出算法在ORL人脸数据库上取得高达99%的人脸识别率。实验分析表明,多尺度LBP特征具有较强的人脸图像描述能力和可鉴别性,且对人脸表情及位置的变化具有较高的鲁棒性。     

基于人脸识别技术的疲劳监测系统设计

提出了一种基于人脸识别技术的人体疲劳状态实时监测系统,主要依据人脸识别技术进一步对人眼识别,通过人眼轮廓的变化判断人体的疲劳状态。该方法可以用于实时准确监测课堂上学生的疲劳状态,也可以对疲劳驾驶、小区人员管理方面进行监测。本系统具有硬件简单、成本低廉、易于推广的特点。