基于PCA与MLP感知器的人脸图像辨识技术

单纯PCA的人脸辨识对未训练样本感知力低的缺点会造成识别率降低。基于PCA与MLP感知器的人脸图像辨识技术是针对该情况提出的,在PCA提取有强特征性的人脸图像后,在辨识精度不变的情况下,利用MLP感知器对简化的特征属性进行训练,加强监督式规则提取,从而提高识别率。     

多尺度YOLO人脸年龄估计方法研究

通过观察人脸估计年龄较为常见，但如何准确预测年龄则是一个难题。为提高人脸图像年龄估计的准确率，提出一种基于YOLO（You Only Look Once）模型的目标检测方法。将多尺度回归思想应用于卷积神经网络（Convolutional Neural Network，CNN），通过多尺度卷积改善模型对小尺寸目标的提取能力，结合特征通道分权重思想，改善特征提取操作中特征信息丢失的问题，构造决策树回归得到年龄估计。这种方法在人脸年龄图像库FG-NET上获得平均绝对误差（MAE）3.43，在GROUP数据集获得区间匹配度（AEM）62.4%。实验结果表明，通过多尺度特征回归以及通道权重分配，可以较为准确地进行人脸信息检测，并由此建立鲁棒性更强的人脸年龄估计模型。     

个性化三维虚拟试衣系统研究

为满足用户对虚拟试衣的个性化需求和提高虚拟试衣体验，提出一种包括自动化蒙皮、基于单张图片人脸三维自动重建、人体参数化变形以及服装模型穿透处理等模块的个性化虚拟试衣系统。设计了自动化蒙皮算法，解决已有虚拟试衣服装模型制作成本高的问题；通过基于单张图片的三维人脸自动重建和人体参数化变形，满足消费者个性化需求;运用基于自动透明贴图计算的服装穿透处理方法，改进系统试衣效果。实验表明，所提出的系统能够以较低的构建与运行成本实现较好的试衣效果，提供良好的个性化虚拟试衣体验。     

面向移动终端的教职工信息采集与应用系统

分析全国教职工基础信息采集工作的现状与流程,设计一个面向Android、双通道、多层次、在线与离线相结合的教职工信息采集和应用模式,并提出基于局部熟识关系的人脸辨识系统认证方法。该方法首先通过移动终端提交信息,同时拍照上传使用者脸部照片,然后由本部门管理人员依据照片进行身份验证和信息确认。实验结果表明,该采集模式能有效简化系统初始化过程,能在移动智能终端上实现教职工基础信息的提交与再利用,使采集工作量减少40%以上。     

人脸检测技术综述

人脸检测是人脸识别的组成部分。近年来,人脸检测逐渐发展成为独立的课题,同时也越来越受到学者们的重视。文章对人脸检测的发展历史和研究现状等进行了阐述,通过整理分析人脸检测相关文献,并对人脸检测进行了分类,对比了各个方法的优缺点,最后讨论了人脸检测今后的研究方向。     

一种适用于井下人脸跟踪的改进主动形状模型

针对煤矿井下光照变化较大、矿工脸部受污染及遮挡等情况下主动形状模型(ASM)应用于井下人脸跟踪精度低的问题,提出了一种改进ASM。首先选用专用的训练样本集,通过定义镜像图像形成镜像样本集,然后对镜像样本集进行对数尺度化处理,并用相关块模型作为ASM的学习模型进行训练。实验结果表明,改进ASM能有效提高煤矿井下人脸跟踪精度。     

数字图像处理对人脸图像的检测

通过论述人脸识别的重要性和近年来人工智能的热度，分析基于数字图像处理的人脸图像检测的工作原理和操作流程。提出该技术在应用过程中存在分析图像处理过程中存在的主要问题。