人脸识别研究综述

人脸识别已成为多个学科领域的研究热点之一.本文对人脸识别的发展历史、研究现状进行了综述,系统地对目前主流人脸识别方法进行了分类.针对人脸识别面临的挑战,着重对近几年来在光照和姿态变化处理方面的研究进展进行了详细论述,并对未来人脸识别的发展方向进行了展望.     

人脸识别研究综述

本文简单介绍了人脸识别研究的发展历史,阐述了人脸识别研究方法的分类以及常用的人脸识别方法,并且提出人脸识别所面临的技术挑战以及研究趋势.     

人脸识别研究综述

本文简单介绍了人脸识别研究的发展历史,阐述了人脸识别研究方法的分类以及常用的人脸识别方法,并且提出人脸识别所面临的技术挑战以及研究趋势。     

试析人脸识别技术的方法与应用

人脸识别技术在当今社会已被越来越多的人所关注和进行研究。对人脸识别技术的概念进行了简要介绍,着重对人脸识别技术的方法及其应用进行了深入的分析,为促进人脸识别技术的应用与发展提供参考。     

基于深度学习的证件照人脸识别方法

为解决安防业务中对人脸识别技术的迫切需求,进行了基于深度学习的证件照人脸识别方法的研究与实现.对人脸识别各关键技术环节进行了实现并进行了算法对比,同时提出了使用Siamese网络进行特征重映射的方法进一步提升人脸识别精度.实验结果表明,使用证件照构建的人脸库,通过基于深度学习的算法实现了高效精确的人脸识别.     

基于L1范式的人脸识别研究方法综述

近几年一些基于L1范式的人脸识别方法已经相继提出,使人脸识别能力有了显著的提升,但是至今还没有文献对它们进行综合的介绍和比较.本文阐述了目前一些流行的基于L1范式的人脸识别方法以及这些方法的优缺点;展望了基于L1范式的人脸识别方法的研究趋势.     

红外图像人脸识别方法研究进展

介绍了红外图像人脸识别应用前景和困难所在,阐述了红外图像人脸识别的特征,报告了红外图像人脸识别近年来的研究进展,综述了红外图像人脸识别的方法和技术,介绍了基于红外频谱的人脸和伪装检测方法、基于热红外成像的人脸识别方法、基于支撑向量机的红外图像人脸识别方法,基于线性辨别分析的红外图像人脸识别新方法,并进行了简单的分析和比较.最后探讨了红外图像人脸识别领域的发展与研究方向.     

有遮挡人脸识别进展综述

人脸识别技术水平不断提升,在身份认证、人机交互等应用上得到了较为理想的识别率,市场规模不断增长。然而真实场景下的遮挡问题并没有被彻底解决,如何抑制或消除遮挡对人脸关键性特征的负面影响是当前人脸识别领域的热点之一。针对遮挡导致的人脸结构信息缺失问题,对有遮挡人脸识别数据集和有遮挡人脸识别方法进行综述,首先介绍分析了一些重要的新型有遮挡人脸识别数据集;其次,归纳分析了用于解决遮挡问题的传统方法和深度学习方法,重点介绍了基于深度学习的特征鲁棒性提取方法和遮挡部位信息恢复方法;最后,总结分析了相关方法的优缺点,指出有遮挡人脸识别研究存在的问题和挑战,对未来研究方向进行了展望。     

基于视频监控的人脸识别技术的应用研究

本文是在翻阅、研究大量国内外文献资料的基础上,对基于视频监控的人脸检测、特征提取和识别比对进行了研究,旨在开发一套基于视频监控下的人脸识别系统。其中,主要介绍了人脸识别技术的常用方法,讨论和分析了人脸识别研究范围、应用领域、主要算法及识别处理技术等方面的研究成果,总结了基于视频监控的人脸识别系统的设计与实现技术方法。     

人脸识别技术综述

人脸识别技术的研究在近几年得到了高度重视,已经成为图像分析和理解中最成功的应用之一。文中对人脸识别技术的常用方法如：肤色模型方法、基于特征脸(Eiganface)的PCA方法、人工神经网络(ANN)的方法、以及基于局部Haar特征的方法等,进行了分类总结。在分析了影响人脸识别效果的两个主要因素：光照影响和姿态影响后,指出利用先验知识,综合多种分类方法是人脸识别研究的趋势。     

人脸识别技术综述

人脸识别技术的研究在近几年得到了高度重视,已经成为图像分析和理解中最成功的应用之一.文中对人脸识别技术的常用方法如:肤色模型方法、基于特征脸(Eigenface)的PCA方法、人工神经网络(ANN)的方法、以及基于局部Haar特征的方法等,进行了分类总结.在分析了影响人脸识别效果的两个主要因素:光照影响和姿态影响后,指出利用先验知识,综合多种分类方法是人脸识别研究的趋势.     

人脸识别技术综述

人脸识别技术是当今模式识别和人工智能领域的一个重要研究方向,对于维护国家安全和社会稳定、打击各类犯罪活动具有十分重大的意义。本文介绍了人脸识别技术的概念、发展历史及常用人脸识别方法。并探讨了人脸识别面临的难题,最后对人脸识别未来的发展和应用做一个简要的展望。     

人脸识别综述

介绍了人脸识别的概念和发展,分析和比较了各种人脸识别方法的差异,探讨了人脸识别的应用和未来的研究趋势。     

大数据在人脸识别在智慧城市的应用

目前人脸识别技术无法满足智慧城市高增长率人脸识别需求,因此提出大数据在人脸识别在智慧城市的应用。以智慧城市应用需求为基础,建立大数据人脸识别模型,处理过程中人脸特征光照、距离以动态特征等影响因素,建立数据库,对数据低频处理后信息分类,完成人脸特征识别。设计仿真实验,对比大数据人脸识别方法、OpenCV人脸识别方法以及BP神经网络人脸识别方法的识别准确率,证明研究的有效性。     

人脸识别方法综述*

对一系列人脸识别方法进行了综合性描述。首先介绍了人脸识别的概念及其发展历史,指出了人脸识别所面临的主要困难;随后对人脸识别技术方法发展过程中一些经典的流行的方法进行了比较详细的阐述。最后介绍了人脸识别技术在国内外的应用状况。     

人脸识别技术

人脸图像的易取性和人脸变化的多样性使人脸识别研究更富有挑战性.按照人脸检测、特征提取和识别3个关键过程,分别对基于二维和三维人脸信息的人脸识别技术和方法进行了详细的阐述;展望了人脸识别研究的趋势,并提出了可能取得突破性研究进展的研究途径.     

基于特征加权的人脸识别

现有的人脸识别方法通常未考虑不同特征或像素对识别结果的影响。实际上,人脸面部不同特征在人脸识别过程中的作用是不同的。研究了各个特征在识别中的作用,分别采用三种加权方法对人脸图像进行了预处理,并应用流行的人脸识别方法（联想记忆、主分量分析和Fisher线性判别分析）进行识别。最后用标准人脸库ORL进行了实验,实验结果表明特征加权方法对人脸识别是有效且通用的。     

多姿态人脸识别综述

多姿态人脸识别已成为人脸识别研究的重要方向之一。简要回顾人脸识别研究进展,针对近年来国内外出现的多姿态人脸识别技术和方法进行简单介绍和系统分类,分析各种方法的优缺点,并做出简要评价。阐明多姿态人脸识别技术所面临的挑战,展望未来多姿态人脸识别研究的发展方向。     

基于判别模型的年龄不变人脸识别方法综述

人脸识别是一种利用人体面部特征进行身份验证的生物识别技术。但随着年龄的增长，人的面部轮廓以及纹理都会发生很大变化，从而给人脸识别带来了巨大挑战。因此，年龄不变人脸识别（age-invariant face recognition,AIFR）研究具有重要意义。介绍了判别方法的研究现状，包括传统判别方法以及基于深度学习的判别方法，并对优缺点进行梳理总结。梳理了年龄不变人脸识别技术领域内代表性数据集以及常用的评价指标，并将优秀算法的性能在常用数据集上进行了实验比较。对年龄不变人脸识别技术的发展趋势进行了展望。     

基于深度学习理论的人脸识别技术应用综述

针对基于深度学习理论的人脸识别技术应用进行了综述.分析了传统人脸识别技术面临的问题,阐述深度学习理论及研究现状,提出深度学习是人脸识别技术发展的重要研究方向,介绍了人脸识别领域中应用最多的两种模型深度信念网络和卷积神经网络,对基于深度信念网络的人脸识别技术和基于卷积神经网络的人脸识别技术进行了论述,最后对基于深度学习的人脸识别技术的发展做了总结和展望,并提出今后的研究重点.