大容量人脸识别门禁系统的研究

人脸识别技术是当今的热门技术,将人脸识别技术应用于安防领域是未来的发展方向.但是,在很短的时间内,对成千上万人的人脸识别如何实现?强背光影响人脸图像如何解决?从系统的角度出发,给出了大容量人脸识别门禁系统的设计,综合运用了远程射频识别(RFID)技术,重构人脸识别标准数据库,缩小了人脸识别的范围,提高了识别速度和识别率,解决了大容量的人脸识别问题;采用补偿光的办法,解决强背光对人脸图像影响.为人脸识别门禁系统的推广应用提供了借鉴.     

PCA类内平均脸法在人脸识别中的应用研究

人脸识别是生物特征识别技术中一个非常活跃的课题,取得了很多研究成果。统计主元分析法(Principal Components Analysis, PCA)是人脸特征提取和识别的常用方法之一。结合传统PCA算法的特点,提出了一种用类内平均脸对类内样本进行规范化的方法。该方法有效地增加了类间样本的识别距离、有效地缩小了类内样本的识别距离,从而提高了人脸正确识别率。基于ORL人脸数据库的实验结果表明,该方法正确识别率达到98%,在人脸识别的实际应用中是一种可行的方法。     

基于跨批次存储预训练的素描人脸识别方法

素描人脸识别技术在刑侦领域应用广泛,有助于缩小嫌疑人的搜寻范围。由于素描人脸样本数量不足,导致经典的深度学习模型无法达到理想的识别精度。针对此问题,提出一种基于跨批次预训练的素描人脸识别方法,通过在有限素描人脸数据集进行跨批次预训练的方式缓解训练样本稀缺问题,从而提高人脸识别模型的泛化能力。该方法通过跨批次存储机制缓解GPU存储限制扩大单批次预训练样本数量,从而获得更优的模型初始参数,并在其基础上根据三元组损失进一步优化模型,以提升网络性能。提出的方法在UoM-SGFS素描人脸数据集上的Rank-1识别精度为72.53%,在PRIP-VSGC数据集上Rank-10识别精度为62.47%。相比CDAN、DANN、SSD等方法识别率有显著提高。     

基于改进几何特征的三维人脸识别方法

研究人脸识别问题,当人脸的表情发生很大变化时,提取的三维几何特征会发生较大变化,造成识别准确度很低,影响识别效果.为解决上述问题,提出了一种改进几何特征的三维人脸识别方法.通过求出人脸几何特征差异的关联程度,计算哪种三维几何特征变化与识别结果是无关的,哪种与识别结果足关联的,解决了人脸表情变化时的准确三维识别问题进行仿真.结果表明,改进方法实现识别高效,可使得三维人脸识别的准确度大大的提高,为设计提供了支持.     

基于区域收缩的大规模数据库人脸识别

为提高大规模数据库人脸识别的速度和减少内存占用,提出了基于区域收缩的大规模数据库人脸识别方法。把离散余弦变换(DCT)图像压缩技术推广到人脸特征数据库的压缩,对数据库进行多级压缩,生成几个压缩率逐步降低的子数据库。在这些子数据库上,按压缩比由高到低的顺序,逐级进行粗略的人脸识别,根据上一级的识别结果,逐级缩小识别范围。最后,在一个很小的范围内,在原未压缩的数据库上进行精确识别。实验显示,识别时间仅为传统方法的29.2%,内存占用仅为传统方法的10.2%,硬盘资源消耗比传统方法仅多11%,识别率没有显著降低。     

多模态人脸识别中的人脸特征定位

多模态人脸识别技术是解决目前二维人脸识别领域瓶颈问题的一项重要手段.在二维人脸特征定位中结合Gabor变换和人脸弹性图方法,采用缩小搜索范围的方法提高系统效率;三维人脸特征定位首先采用PS方法进行粗略定位,然后仿照二维人脸识别方法定义Gabor变换系数向量进行精确定位,其中也采用一个模板来缩小搜索范围.试验证明,方法不仅效率高,而且能适应多种姿态和表情的变换.     

面部分层过滤的银行客户识别系统

银行客户识别具有深远的意义,在不同的应用场景下可以采用人脸识别算法识别出银行的重要客户.当人脸的特征部位信息发生变化或被掩盖时,人脸识别的精确度会大大降低.本文通过引进面部分层过滤算法,在进行人脸识别之前去除脸部的非特征信息（例如胡子,眼镜,疤等）,从而使得人脸识别的处理对象具有更高的统一性.通过MUCI数据集验证了面部分层过滤的可行性,并通过在统一识别模块中加入面部分层过滤算法,提高了识别率,验证了该算法的可行性.     

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。     

基于PCA的人脸识别系统的研究与实现

人脸识别技术是人脸识别系统以人脸图像作为识别身份的媒介。研究了PCA算法的原理,基于matlab平台实现了人脸识别系统。该系统在对图像进行预处理的基础上,以ORL人脸库中部分图像为样本,采用K-L变换计算训练样本特征值及特征向量,得到特征脸向量,进而计算测试样本投影到特征脸空间的坐标系数,最后分类识别得出结果。实验证明该系统识别率较高,对实际应用有一定的参考价值。     

基于多Inception结构的卷积神经网络人脸识别算法

人脸识别是视觉识别的一个重要领域,由于人脸识别尺度变化范围大,光照、姿态变化剧烈以及遮挡问题,导致该类非限制条件下的识别难度较大,为了解决该类问题,本文提出了一种基于Tensorflow平台的多Inception模型,通过将多个Inception结构进行串联,再通过分解卷积核的方式减少输入参数,实现了多维度同时卷积再聚合,提高了人脸识别的精度.实验结果表明,该方法在较少参数的条件下能提取出更具区分度的人脸特征,与分类损失方法及融合了其他度量学习方式的方法相比,提高了识别准确率,减少了计算时间.     

基于局部线性嵌入极限学习机的人脸识别新方法

针对人脸图片数量多、容易受噪声干扰,致使人脸识别的识别速度慢、准确率低的问题,提出一种基于局部线性嵌入极限学习机的人脸识别方法——LLE-ELM算法。利用局部线性嵌入(LLE)算法对人脸数据提取特征,最大限度保留原数据的特征结构,减少数据量,降低计算复杂;采用极限学习机(ELM)算法对提取特征后的数据进行分类;实现人脸识别,输出识别准确率和时长。通过在ORL数据库、Yale数据库、AR人脸库和CASIA-WEBFACE人脸库上的数值实验表明:与PCA、SVM、CNN算法对比,该算法具有较高的识别准确率和较快的识别速度。     

复杂背景下的人脸定位识别方法

现有的人脸识别算法多在标准库上进行,缺少对复杂背景下人脸识别问题的研究。提出一种快速的人脸定位识别方法,旨在解决复杂背景中人脸的定位和识别问题。在定位方面,提出一种新的自适应肤色分割的人脸定位算法,充分考虑类肤色背景对定位算法的影响,使该算法在户外环境下的人脸定位精度较传统方法有了一定的提高;识别方面,采用局部SVD方法提取人脸图像特征值,以PCA算法加以识别,新算法改进了传统PCA训练速度慢、内存占用大的缺陷。通过对ORL人脸库以及自制人脸库的实验分析,结果表明该方法不仅能解决复杂背景中人脸定位识别问题,并且高效、快速、有较好的实用性。     

基于样本扩张和双子空间决策融合的单样本人脸识别算法

对基于滑动窗口进行样本扩充的单样本人脸识别方法进行了改进,改进后算法一方面在识别阶段采用了比原算法更少的特征,提高了识别的时间效率;另一方面在训练阶段获得原始样本的镜像样本作为附加的训练、注册集合,通过学习训练形成双子空间,识别结果由双子空间通过决策融合得到,提高了对测试样本变化的鲁棒性。在ORL人脸库和Feret子集人脸库上的实验表明,该算法在识别率上优于同类算法。     

基于多区域融合的表情鲁棒三维人脸识别算法

为了实现三维人脸识别算法对表情变化的鲁棒性，提出一种基于语义对齐的多区域模板融合三维人脸识别算法。首先，为了实现三维人脸在语义上的对齐，将所有三维人脸模型与预定义标准参考模型做稠密对齐。然后，根据人脸表情具有区域性的特点，为了不受限于区域划分的精准度，提出基于多区域模板的相似度预测方法。最后，采用多数投票法将多个分类器的预测结果融合得到最终识别结果。实验结果表明，在FRGC v2.0表情三维人脸数据库上所提算法可以达到98.69%的rank-1识别率，在含有遮挡变化的Bosphorus数据库上该算法达到84.36%的rank-1识别率。     

一种基于降噪自编码器的人脸表情识别方法

针对传统人脸表情识别算法鲁棒性差,易受到人脸身份信息干扰的问题,本文在基于降噪自编码器的基础上,提出一种人脸表情识别算法。首先,从图片中检测出人脸部分,并进行尺度归一化处理;再构造堆栈式降噪自编码神经网络模型进行预训练;最后为了避免由训练样本不足容易造成的过拟合问题,在深度网络模型的全连接层采用了Dropout技术。实验结果在数据集CK 、JAFFE和Yale上均取得了较高的准确率,说明了该方法具有较强的鲁棒性和抗身份信息干扰的能力。     

基于子空间追踪的人脸识别

针对现有的基于稀疏表示的人脸识别方法没有更新优化选择的原子的问题,提出一种基于子空间追踪的人脸识别方法。在稀疏编码过程中的原子选择步骤中,引入回溯迭代优化思想和多原子选择方案,通过移除可信度较低的原子来更新优化候选支撑向量中选择的原子,使选择的原子与待识别人脸图像具有最相似的结构,从而在该原子上的稀疏编码系数具有较好的人脸重构能力。实验证明,与基于正交匹配追踪（OMP）算法和基于OMP-cholesky算法的人脸识别相比,该算法在ORL和Yale B人脸数据库上的算法复杂度较低且识别率均提高了约5%。     

Gabor特征融合的嵌入式人脸识别系统的研究

在嵌入式人脸识别系统中,由于多尺度Gabor抽取特征的维数和数据量过大,不适合在ARM板上实现,提出了多尺度Gabor特征加权融合的方法,很好地解决了图像维数和数据量过大的难点。加权融合过程包括多尺度Gabor特征的提取、特征权值的计算和加权融合过程。同时使用了类Haar特征提取人脸、2DPCA对人脸图像进行降维。基于EELiod 270嵌入式开发平台实现了一个嵌入式系统,结合典型图片库和实际图片进行了人脸识别测试,实践结果表明,系统在保证一定的识别率的同时,大幅度降低了运行时间,实时识别效果良好。     

复杂光照条件下的人脸预处理算法

为了提高光照条件下的人脸识别正确率,提出一种复杂光照条件下的人脸预处理算法。对人脸图像进行局部增强处理,用双边滤波对图像亮度进行估计,采用Gamma校正补偿图像亮度估计产生的损失,将反射分量与亮度估计结果融合获得效果更优的人脸图像,并用K近邻算法建立分类器对人脸进行识别。在Yale、PIE和AR人脸库仿真结果表明,该算法提高了光照条件下的人脸识别正确率,其性能优于当前典型人脸识别算法。     

基于压缩感知的人脸识别方法

基于稀疏重构的分类方法具有较好的识别效果,但计算复杂度高。为此,提出基于压缩感知的人脸识别方法COMP,将L1范数最小化重构算法替换成正交匹配追踪(OMP)算法,以降低复杂度,并在OMP中引入模式类别信息,使该方法具有更强的分类能力。基于YaleB人脸库的实验结果表明,COMP在低维度时识别率高于OMP。     

基于网格的自适应弹性图人脸匹配方法

采用基于脸部结构的区域分割方法将人脸分成多个子区域;用不同密集度的弹性图划分和不同的变形粒度实现弹性变形,采用确定性退火算法找到弹性变形的最佳匹配;在网格平台上通过基于时间约束的最小花费调度策略并行实现文中方法.在较大的人脸库规模和非约束环境下,该方法在识别速度和识别率上有所提高.