基于图像特征融合与决策融合的多模式人脸识别方法

利用可见光图像和红外热图像进行图像融合是多模式人脸识别领域的一个新的研究方向．分别从特征级和决策级两个层次上研究了可见光图像和红外热图像的融合问题．在特征级上,引入遗传算法进行特征的优选,实现了两种图像的特征融合;在决策级上,提出利用Dempster-Shafer证据理论来实现决策的融合,并给出了具体的融合方案．分别采集了50人的红外热图像和可见光图像,每种各10张,共1000张图片进行了实验研究．实验结果表明,无论是对两种图像进行特征级融合还是决策级的融合,融合以后最终得到的识别准确率都大大提高,对于LDA和D_LDA方法达到了100％的准确率因此,可以认为基于遗传算法的特征融合方法和基于Dempster-Shafer证据理论的决策融合方法是实现多模式人脸识别的可行方法．     

基于ARM的便携式心血管无创检测系统

根据脉搏波信号和修正了的弹性腔分室网络模型,设计和开发了基于ARM的便携式心血管无创检测系统。介绍了传感器设计中温度补偿、信号调理、键盘以及电源管理等几个关键的问题。     

不同规模数据集下的人脸识别方法

系统研究了类内变化和类数目增加所引起的人脸识别中的非线性识别问题，并比较了线性识别方法和非线性识别方法在不同用户集规模下的适用性．采用CAS-PEAL大型人脸数据库中的表情集（330人）和姿势集（1000人）进行了3组实验．实验结果表明：当训练集的人数在300人（表情集）以内时，增加类内的变化不会对线性识别方法造成影响，并可以提高识别的准确率；但是，当保持类内图片数不变而增加类的数目时，类数（人数）增加对线性方法和非线性方法产生了不同的影响．随着人数增加，线性识别方法的识别准确率逐渐降低，而基于核方法的非线性方法却能够一直保持识别准确率的稳定．因此，应该根据类的总数合理地选择识别方法，并合理地设计类内的图片数，这样有助于提高人脸识别系统的识别率．同时，实验也验证了基于核方法（kernel）的非线性人脸识别方法更适宜于人数规模较大的情况．