基于多分类器组合的多角度彩色人脸图像检测

提出了基于神经网络和隐马尔可夫模型组合的彩色人脸图像检测方法 .根据归一化后的彩色图像的色度彩色分量直方图将图像粗分割成若干幅二值图像 ;在亮度图像上 ,以上述二值图像为掩模进行多分辨率的旋转不变性人脸检测 .在人脸检测时 ,本文分两步 :第一步先用神经网络来确定人脸的旋转角度 ,然后对旋正后的图像运用识别人脸奇异值特征的隐马尔可夫模型进行验证 .实验结果表明 ,本文算法是有效的     

基于连续隐马尔可夫模型的人脸识别方法

提出了一种基于连续隐马尔可夫模型的人脸图像识别方法,主要内容包括以下方面:①由于奇异值向量具有稳定性.转置不变性等特点,对归一化的人脸图像,采用奇异值分解抽取人脸图像特征作为观察值序列;②在人脸识别中应用连续隐马尔可夫模型,采用双高斯概率密度函数训练,建立HMM模型,再利用建好的HMM模型进行识别.实验结果显示,所提出的方法减少了数据计算量,运行速度快,并提高了识别率,完全满足人脸识别系统实时性要求.     

基于隐马尔可夫模型的人脸检测与识别

此文讨论了隐马尔可夫模型(HMM)在人脸检测与识别中的实现及其逐步改进.采用了基于DCT系数的伪二维隐马尔可夫人脸模型(P2D-HMM).由于此模型更好的利用了人脸图象的二维统计特性,所以与基于KLT系数的一维隐马尔可夫人脸模型相比,识别效果更好.虽然一维隐马尔可夫模型(1D-HMM)表现二维人脸存在不足,但训练识别比较简单.P2D-HMM可以充分表现二维人脸模型的统计特性,但结构复杂、运算量大.综合考虑二者的优缺点,结合支持向量机(SVM)对静态数据识别效率明显的长处,建立了SVM和HMM的混合人脸识别模型.采用独立分量分析(ICA)的方法提取人脸区域的特征,作为SVM的输入.在ORL人脸库中,测试基于1D-HMM、P2D-HMM和SVM/HMM的人脸识别方法,识别率分别达到86.2%、97.2%和97.0%,并且以上方法对姿态和环境的变化具有较好鲁棒性.     

基于奇异值的具有年龄变化的人脸识别

为了增强现有人脸识别算法对年龄变化的鲁棒性,提出了一种新的基于奇异值分解(SVD)和嵌入式隐马尔可夫模型(EHMM)的人脸识别方法.先选取整幅人脸图像的奇异值作为基本特征向量,然后建立年龄函数,对奇异值特征进行修正,再根据得到的年龄函数,对人脸图像进行重建,提取改进后的奇异值特征作为观察序列,送入EHMM中进行分类识别,实验结果表明这种方法能够提高具有年龄变化的人脸识别效率.     

基于隐马尔可夫模型的自动人脸识别方法

基于DCT系数的伪二维隐马尔可夫人脸模型(P2D HMM)由于更好的利用了人脸图像 的二维统计特性,所以与基于KLT系数的一维隐马尔可夫人脸模型相比,识别效果更好,但是结构复 杂、运算量大。一维隐马尔可夫模型(1D HMM)表现二维人脸存在不足,但训练识别比较简单。综合 考虑二者的优缺点,结合支持向量机(SVM)对静态数据识别效率明显的长处,建立了SVM和HMM 的混合人脸识别模型。采用独立分量分析(ICA)的方法提取人脸区域的特征,作为SVM的输入。在 ORL人脸库中,测试基于SVM/HMM的人脸识别方法,实验结果表明该方法在获得与P2D HMM相应 的识别率的前提下,结构简单,运算量小。     

基于二级神经网络的多角度人脸检测

论文提出一种基于二级神经网络的人脸检测算法,先用第一级神经网络筛选出可能的人脸区域,然后将该区域进行不同角度旋转,送入第二级神经网络,根据网络的输出值确定人脸的倾斜角度,最后用验证策略进行判定是否为人脸。对各种图像进行实验的结果表明,该算法对于检测正面端正人脸有较好的效果和较强的鲁棒性,检测正面多角度的人脸也很有效。     

基于HMM的单样本可变光照、姿态人脸识别

提出了一种基于HMM的单样本可变光照、姿态人脸识别算法.该算法首先利用人工配准的训练集对单张正面人脸输入图像与Candide3模型进行自动配准,在配准的基础上重建特定人脸三维模型.对重建模型进行各种角度的旋转可得到姿态不同的数字人脸,然后利用球面谐波基图像调整数字人脸的光照系数可产生光照不同的数字人脸.将产生的光照、姿态不同的数字人脸同原始样本图像一起作为训练数据,为每个用户建立其独立的人脸隐马尔可夫模型.将所提算法对现有人脸库进行识别,并与基于光照补偿和姿态校正的识别方法进行比较.结果显示,该算法能有效避免光照补偿、姿态校正方法因对某些光照、姿态校正不理想而造成的识别率低的情况,能更好地适应光照、姿态不同条件下的人脸识别.     

一种基于DSmT和HMM的序列飞机目标识别算法

针对姿态多变化的飞机自动目标识别中的低识别率问题, 提出了一种基于DSmT (Dezert-Smarandache theory)与隐马尔可夫模型(Hidden Markov model, HMM)的飞机多特征序列信息融合识别算法(Multiple features and sequential information fusion, MFSIF). 其创新性在于将单幅图像的多特征信息融合识别和序列图像信息融合识别进行有机结合.首先, 对图像进行二值化预处理, 并提取目标的Hu矩和轮廓局部奇异值特征; 然后, 利用概率神经网络(Probabilistic neural networks, PNN)构造基本信度赋值(Basic belief assignment, BBA); 接着, 利用DSmT对该图像的不同特征进行融合,从而获得HMM的观察值序列;再接着, 利用隐马尔可夫模型对飞机序列信息融合, 计算观察值序列与各隐马尔可夫模型之间的相似度, 从而实现姿态多变化的飞机目标自动识别;最后, 通过仿真实验, 验证了该算法在飞机姿态发生较大变化时, 依然可以获得较高的正确识别率,同时在实时性方面也可以满足飞机目标识别的要求. 另外, 在飞机序列发生连续遮挡帧数τ ≤ 6的情况下, 也具有较高的飞机目标正确识别率.     

基于便携式传感器数据的GMM-HMM人体姿态识别算法

人体姿态识别在人机交互, 游戏以及医疗健康等领域有着深远意义, 基于便携式传感器进行多种人体姿态高精度的稳定识别是该领域的研究难点. 本文采集了8种姿态的高频传感器数据, 提取原始数据的窗口时域特征组成数据集. 根据人体姿态的传感器数据特点将人体姿态划分为4个阶段, 使用高斯混合模型(Gaussian Mixture Model, GMM)拟合人体姿态的观测序列, 结合隐马尔可夫模型(Hidden Markov Model, HMM), 利用GMM-HMM算法进行姿态识别. 本文对比了不同窗口值下的一阶隐马尔可夫模型(1 Order Hidden Markov Model, 1OHMM)和二阶隐马尔可夫模型(2 Order Hidden Markov Model, 2OHMM)的效果, 当窗口值为8时, 2OHMM的性能最优, 整体召回率达到了95.30%, 平均准确率达到了95.23%. 与其它研究相比, 本文算法能识别的姿态种类较多, 算法识别性能较佳且算法耗时较短.     

一种简便的视角无关动作识别方法

针对日常生活中人体执行动作时存在视角变化而导致难以识别的问题,提出一种基于视角空间切分的多视角空间隐马尔可夫模型（ HMM）概率融合的视角无关动作识别算法。该方法首先按照人体相对于摄像机的旋转方向将视角空间分割为多个子空间,然后选取兴趣点视频段词袋特征与分区域的光流特征相融合,形成具有一定视角鲁棒性特征对人体运动信息进行描述,并在每个子视角空间下利用HMM建立各人体动作的模型,最终通过将多视角空间相应的动作模型似然概率加权融合,实现对未知视角动作的识别。利用多视角IXMAS动作识别数据库对该算法进行测试的实验结果表明,该算法实现简单且对未知视角下的动作具有较好识别结果。     

High-performance rotation invariant multiview face detection

Rotation invariant multiview face detection (MVFD) aims to detect faces with arbitrary rotation-in-plane (RIP) and rotation-off-plane (ROP) angles in still images or video sequences. MVFD is crucial as the first step in automatic face processing for general applications since face images are seldom upright and frontal unless they are taken cooperatively. In this paper, we propose a series of innovative methods to construct a high-performance rotation invariant multiview face detector, including the width-first-search (WFS) tree detector structure, the vector boosting algorithm for learning vector-output strong classifiers, the domain-partition-based weak learning method, the sparse feature in granular space, and the heuristic search for sparse feature selection. As a result of that, our multiview face detector achieves low computational complexity, broad detection scope, and high detection accuracy on both standard testing sets and real-life images     

Face recognition in low resolution thermal images

This paper proposes an accurate, rotation invariant, and fast approach for detection of facial features from thermal images. The proposed approach combines both appearance and geometric information to detect the facial features. A texture based detector is performed using Haar features and AdaBoost algorithm. Then the relation between these facial features is modeled using a complex Gaussian distribution, which is invariant to rotation. Experiments show that our proposed approach outperforms existing algorithms for facial features detection in thermal images. The proposed approach’s performance is illustrated in a face recognition framework, which is based on extracting a local signature around facial features. Also, the paper presents a comparative study for different signature techniques with different facial image resolutions. The results of this comparative study suggest the minimum facial image resolution in thermal images, which can be used in face recognition. The study also gives a guideline for choosing a good signature, which leads to the best recognition rate.     

基于HMM-SVM的图像型火焰识别

针对单一的隐马尔科夫模型在图像型火灾探测中误报率偏高的问题,提出了隐马尔科夫模型和支持向量机相结合的图像型火焰识别算法。对捕获到的图像进行运动区域检测和颜色分析,提取疑似火焰区域,利用隐马尔科夫模型计算疑似区域与火焰模型的相似度,并输入到训练好的支持向量机进行二次识别。实验结果表明,与传统单一隐马尔科夫模型相比,该方法可以有效地降低误报率,提高火焰识别准确性。     

人脸特征的SIFT保护算法

人脸识别技术在门禁、视频监控等公共安全领域中的应用日益广泛,人脸特征数据的安全性和隐私性问题成为备受关注的焦点。提出一种基于SIFT的人脸特征安全保护新算法,首次将随机投影应用到对人脸特征数据的保护中。该算法首先利用SIFT特征对旋转、尺度缩放、光照变化等具有较好稳定性的特点,提取有较好鲁棒性的人脸数据;然后根据用户密钥对SIFT特征进行不可逆变换,生成具有可重建性的人脸特征模板数据,从而实现对人脸特征数据的保护。实验表明,该算法在CMU、AR和Feret人脸数据库中均取得较高的识别率,不仅对人脸特征数据具有保护作用,并且对姿势、遮挡和表情的变化具有较高的鲁棒性。     

Rotation and gray scale transform invariant texture identificationusing wavelet decomposition and hidden Markov model

In this correspondence, we have presented a rotation and gray scale transform invariant texture recognition scheme using the combination of quadrature mirror filter (QMF) bank and hidden Markov model (HMM). In the first stage, the QMF bank is used as the wavelet transform to decompose the texture image into subbands. The gray scale transform invariant features derived from the statistics based on first-order distribution of gray levels are then extracted from each subband image. In the second stage, the sequence of subbands is modeled as a hidden Markov model (HMM), and one HMM is designed for each class of textures. The HMM is used to exploit the dependence among these subbands, and is able to capture the trend of changes caused by rotation. During recognition, the unknown texture is matched against all the models. The best matched model identifies the texture class. Up to 93.33% classification accuracy is reported     

复杂背景下具有偏转角度的正面人脸检测

美国的Voila博士提出的基于Haar-like特征的人脸检测算法是一种具有巨大发展潜力的新算法,快速而准确。通过研究,认为这一算法还存在两个有待改进的地方：一是在检测率和误检率之间难以权衡,二是可检测人脸姿态受训练样本制约。对此提出了改进措施,设计了一个可以检测相对于垂直方向有±45°偏转的正面人脸的检测算法,与基于Haar-like特征的人脸检测算法相比,具有更好的鲁棒性和更低的误差率。     

Radon变换不变矩在数字水印技术中的应用

几何形状识别在计算机视觉中具有重要意义,不变矩由于其在图像平移、伸缩、旋转时均保持不变,而且具有全局特性,是几何形状识别的主要方法。但现有的基于不变矩理论的数字水印算法还不多,而且传统的数字水印算法在水印检测时均存在误检和漏检的问题。针对以上提出的问题,文章提出一种基于Radon变换不变矩鲁棒性数字水印技术可以有效地减少水印的漏检和误检问题并经过仿真实验证明,该方法对于旋转,缩放,平移等几何攻击具有很好鲁棒性的同时,对于常规信号处理（加噪,滤波,JPEG压缩等）攻击也具有很好的鲁棒性,且具有极低误检率。     

基于小波域HMM模型的自适应图像水印算法

An adaptive image watermarking algorithm based on HMM in wavelet domain is proposed. The algorithm is abstracted as follows: 1) the vector HMM model is employed to describe the statistical characteristic of image wavelet coefficients and the resulting HMM based detector achieves significant improvements in performance compared to the conventional correlation detector; 2) adaptive watermark embedding based on HVS analysis; 3) a novel embedding strategy which is optimized for the HMM tree structure is adopted; 4) the strategy of dynamical threshold is applied in watermark detection. High robust results are achieved against Stirmark attacks, such as JPEG compression, adding noise, median cut and filter.     

复杂光照下的自适应人脸图像增强

提出了一种自适应的快速图像增强算法用于改善复杂光照下的人脸检测。算法对人脸图像的增强分为两步:动态范围压缩和细节增强。算法首先利用对数变换和非线性变换,增强图像阴暗区域的信息,同时对高光区域进行有效地抑制,然后利用反锐化掩模滤波对图像的细节进行增强。将各种增强算法应用于图像的预处理,结合Adaboost人脸检测算法,在Yale B人脸数据库上进行对比实验。实验结果表明,自适应快速图像增强算法能有效提高人脸检测率和降低误检率,具有比直方图均衡算法、单尺度Retinex算法和多尺度Retinex算法更好的性能。