基于动态图像的人脸检测与分割与识别性能的提高

图像的摄制过程决定了人脸图像识别系统必须面对不同的光照条件、视角、距离变化等视觉问题,尤其是在用户不配合、非理想采集条件下,这些成像因素都会极大影响人脸图像的表观,从而使得识别性能欠稳定。笔者研究设计了一个确实可行的基于动态图像的人脸识别系统,本文阐述了研究的关键问题及研究思路,并对其中的人脸检测与分割环节、人脸识别环节的研究步骤和算法进行了深入探讨。     

基于稀疏贝叶斯分类器的汽车车型识别

稀疏贝叶斯方法在处理分类问题上具有良好的推广性，并且使用较少的核函数，介绍了一个实时的车型识别系统．它以每点色彩信息的高斯混合模型来实现对视频图像的背景估计，从而实现对汽车的检测；利用稀疏贝叶斯分类器对检测到的汽车进行车型分类，实验结果表明稀疏贝叶斯分类器不仅具有支持向量机的性能，而且比SVM使用更少的核函数．实验取得了较好的分类效果．     

基于图像分割的人脸检测

人脸检测作为人脸识别中的关键问题之一,近年来受到了越来越多的关注。通常采集到人脸信息非常丰富,无法直接判断脸部信息和背景信息。因此,需要一种有效的方法来解决图像的分类问题。数据挖掘中的聚类分析方法能对大量数据进行有效划分,为人脸检测中的图像分割提供了新的研究思路。     

一种联合图像分割与背景建模的运动目标检测算法

介绍了在混合高斯模型的基础上,采用每一个像素点及其邻域组成的集合作为特征矢量来描述图像,对YUV格式的彩色图像的不同颜色分量分别建立混合高斯模型,从而确定是否有变化发生.为充分利用空间信息,提出将彩色图像分割与背景建模结合起来,得到具有精确边缘的运动目标.实验结果表明,即使在前景纹理、颜色比较一致且与背景对比不是很明显的情况下,本方法也能完整地检测出运动前景.     

一种自动分割人脸的方法 *

基于图切分理论 ,提出了一种自动分割人脸的方法。对于一幅人脸图像 ,首先通过人脸检测算法 ,确定人脸图像的大致前景和背景区域 ;然后利用高斯混合模型建立其前景和背景区域的颜色模型 ;最后迭代地运用图切分算法准确地分割出人脸目标。该方法创新之处在于实现了人脸图像前景目标的全自动分割。实验结果说明了该方法的有效性。     

人脸自动检测与识别技术的研究及应用

本文提出了一种基于可疑人脸区域发现算法和结合投影图的人脸识别算法,算法在标准的人脸库上进行了实验,实验结果表明该算法能在人脸库中正确检测到绝大多数人脸的位置,并且在识别过程中体现了比标准特征脸方法更高的识别率和更小的计算量。以此算法为基础,研制和开发了一种计算机自动考勤系统。     

人脸检测与识别技术综述

人脸的自动识别是模式识别、图像处理等学科的研究热点,并在商业和法律方面有广阔的应用前景(如身份证、信用卡、护照等身份认证以及智能小区管理、电视监控系统等等),近年来关于人脸自动识别的研究取得了很大的进展。但是,这些研究成果离这一问题的彻底解决还有很大的距离,这一课题仍然是当前研究的热点问题之一。本文重点对现有的人脸检测与识别的方法及研究进行总结,并比较了各种方法的优缺点。并在最后指出了进一步工作的方向。     

人脸检测与识别技术综述

人脸的自动识别是模式识别、图像处理等学科的研究热点,并在商业和法律方面有广阔的应用前号（如身份证、信用卡、护照等身份认证以及智能小区管理、电视监控系统等等）,近年来关于人脸自动识别的研究取得了很大的进展。但是,这些研究成果离这一问题的彻底解决还有很大的距离,这一课题仍然是当前研究的热点问题之一。本文重点对现有的人脸检测与识别的方法及研究进行总结,并比较了各种方法的优缺点。并在最后指出了进一步工作的方向。     

结合显著性的主动轮廓图像分割

传统的主动轮廓方法无法突出分割区域的显著性,同时在由显著性检测算法所得到的显著图中目标具有较高的信噪比,因此提出结合显著性的主动轮廓图像分割.通过线性光谱聚类分割得到超像素,以超像素为处理单位利用基于图论的流形排序算法获得较好的显著图;将高斯混合模型引入到主动轮廓的曲线演化过程中,计算曲线内外的平均灰度值,从而通过高斯...     

人脸图像自动检测与识别

对人脸图像检测与识别技术的研究现状进行简要论述,并自行设计一个人脸特征自动提取系统。首先找到头部轮廓,再利用"三停五眼"标准确定五官位置,然后提取出七个有效的特征点。     

基于彩色图像四元数表示的彩色人脸识别

为了更有效地利用彩色人脸的色彩信息进行识别,提出了一种新的基于彩色图像四元数表示的算法. 首先基于彩色图像四元数表示和四元数代数理论定义了四元数伪Zernike矩(Quaternion pseudo-Zernike moments, QPZMs), 将传统的主要处理灰度图像的伪Zernike矩(Pseudo-Zernike moments, PZMs)推广应用于彩色图像,然后基于QPZMs构造了彩色人脸图像针对旋转、缩放和平移(Rotation, scaling, and translation, RST)变换的四元数值不变量,最后结合这些鲁棒的不变量特征和四元数BP神经网络(Quaternion back propagation neural network, QBPNN)分类器进行彩色人脸识别. 实验结果表明,与现有基于四元数的算法比较,本文算法在表情、光照、位置等变化方面具有更强的鲁棒性.     

M-FPCA在彩色人脸图像识别中的应用

将因子化主成分分析（FPCA）算法应用于人脸图像特征提取时,需要使用迭代算法,但该算法应用于高分辨率图像时实时性较差,并且可能导致维数灾难。针对上述问题,提出一种模块化FPCA（M—FPCA）的新型特征提取方法。将原始数字图像样本进行模块化,对模块化后得到的各个子图像矩阵采用FPCA算法进行特征提取,合并子图像特征矩阵得到原图的特征矩阵。彩色图像由R、G、B3个分量来表示,根据现有彩色信息融合方法的不足,对其进行改进,并结合M—FPCA算法,提出一种彩色M—FPCA新方法。在CVL和FEl人脸库上进行的实验结果表明,M—FPCA方法能提高FPCA算法的实时性,解决维数灾难问题。彩色M—FPCA方法能有效提取彩色人脸图像的色彩信息,得到较高的人脸识别率。     

Color Image Discriminant Models and Algorithms for Face Recognition

This paper presents a basic color image discriminant (CID) model and its general version for color image recognition. The CID models seek to unify the color image representation and recognition tasks into one framework. The proposed models, therefore, involve two sets of variables: a set of color component combination coefficients for color image representation and one or multiple projection basis vectors for color image discrimination. An iterative basic CID algorithm and its general version are designed to find the optimal solution of the proposed models. The general CID (GCID) algorithm is further extended to generate three color components (such as the three color components of the RGB color images) for further improvement of the recognition performance. Experiments using the face recognition grand challenge (FRGC) database and the biometric experimentation environment (BEE) system show the effectiveness of the proposed models and algorithms. In particular, for the most challenging FRGC version 2 Experiment 4, which contains 12 776 training images, 16 028 controlled target images, and 8014 uncontrolled query images, the proposed method achieves the face verification rate (ROC III) of 78.26% at the false accept rate (FAR) of 0.1%.      

基于SVM的彩色人脸识别研究

人脸识别是模式识别、图像处理等学科的研究热点,有广阔的应用前景。简单介绍人脸识别的概念、过程及其技术发展和研究现状,重点对颜色模型、支持向量机的原理及在人脸识别中的应用进行概述,分析人脸识别过程中存在的困难,展望人脸识别技术今后的研究方向。     

人脸识别中面部图像处理算法研究

在人脸图像定位的前提上,利用灰度信息实现了人脸面部主要器官如眼睛、鼻子和嘴巴的定位。采用双三次插值法对图像进行旋转和缩放。另外,采用直方图增强的方法对图像灰度值进行归一化处理。     

Color Face Recognition for Degraded Face Images

In many current face-recognition (FR) applications, such as video surveillance security and content annotation in a web environment, low-resolution faces are commonly encountered and negatively impact on reliable recognition performance. In particular, the recognition accuracy of current intensity-based FR systems can significantly drop off if the resolution of facial images is smaller than a certain level (e.g., less than 20 $times$ 20 pixels). To cope with low-resolution faces, we demonstrate that facial color cue can significantly improve recognition performance compared with intensity-based features. The contribution of this paper is twofold. First, a new metric called “variation ratio gain” (VRG) is proposed to prove theoretically the significance of color effect on low-resolution faces within well-known subspace FR frameworks; VRG quantitatively characterizes how color features affect the recognition performance with respect to changes in face resolution. Second, we conduct extensive performance evaluation studies to show the effectiveness of color on low-resolution faces. In particular, more than 3000 color facial images of 341 subjects, which are collected from three standard face databases, are used to perform the comparative studies of color effect on face resolutions to be possibly confronted in real-world FR systems. The effectiveness of color on low-resolution faces has successfully been tested on three representative subspace FR methods, including the eigenfaces, the fisherfaces, and the Bayesian. Experimental results show that color features decrease the recognition error rate by at least an order of magnitude over intensity-driven features when low-resolution faces (25 $times$ 25 pixels or less) are applied to three FR methods.      

人脸彩色图像光照校正方法研究

对人脸彩色图像的高光和阴影部分进行研究.对于高光区域,利用人脸肤色与像素空间分布特征进行检测,根据在rgb空间中各分量颜色偏移率实现高光区域自动校正,通过边缘拟合方法校正超出显示范围的图像.对于阴影区域,采用Retinex方法进行光照增强.实验结果表明,该方法处理速度快,且能提高图像对比度.     

关于人脸识别图像预处理方法的研究与实现

针对人脸识别系统进行研究,提出了采用直方图均衡化、中值滤波、灰度拉伸、同态滤波预处理图像和基于统计学的人眼检测、特征提取的人脸识别方法。描述了各种预处理方法和在人脸识别中的具体应用,避免图像大小、光照不同等复杂因素对图像识别造成的影响,为下一步进行图像识别奠定基础。     

基于人脸识别的人脸图像质量评估

无约束场景下,低质量的人脸图像不仅浪费计算资源而且降低系统识别率.针对此问题,提出一种基于人脸识别的人脸质量评估方法对人脸图像进行预评估.以人脸识别系统特征提取网络为基础网络在COX数据集上进行微调,并使用微调后网络对COX数据集进行质量分数标定.最后,结合基础网络及质量预测网络并以相应损失函数在标定数据上进行回归学习以获取质量评估模型.实验结果表明,该方法能够有效区分不同质量的人脸图像并提升人脸识别系统性能.     

基于肤色与模板匹配的人脸识别

本文提出了一种基于肤色与模板匹配的人脸识别算法。我们首先利用肤色在HSI空间的聚类特征对肤色加以判别,继而提取出人脸候选区域,最后通过模板匹配过程对候选区域加以识别。实验结果表明,该算法简单易实现,在执行时间及识别率上均取得了令人满意的效果。