一种新的特征融合人脸分类方法

<正>本文首先融合离散余弦变换(DCT)和Daubechies小波(Daubechies-DCT),将Daubechies-DCT方法、离散余弦变换(DCT)以及定向梯度直方图(HOG)应用于不同核函数下进行人脸分类精准度比较。其中,HOG通过将面部图像划分为较小的连接区域(称为单元格),并为每个单元格编写渐变方向的直方图,然后,我们使用DCT和Daubechies小波的融合,采用HOG方法处理以SVM(支持向量机)和KNN(K最近邻)分类器为重点的人脸分类,将融合特征输入到SVM和KNN分类器中。实验数据集使用MIT人脸数据库,结果表明,具有SVM-Rbf内核功能的HOG达到了96.5%分类精准度,使用KNN分类器的DCT在达到了94.6%的分类精准度。     

结合肤色分割的支持向量机人脸检测方法

人脸检测是人脸识别与图像及视频检索的一项重要任务。本文提出了一种结合分割与模板匹配-支持向理机(Support Vector Machines,SVM)的正面人脸检测算法。算法在肤色区域分割基础上，输入图像采用基于Harr小波描述的特征提取方法，然后结合平均脸模板匹配利用 SVM分类器进行分类。实验结果表明该算法十分有效。     

一种基于多级梯度能量特征的DCT 压缩域人脸检测算法

压缩域人脸检测在图像/视频信息处理中具有重要意义.本文提出了一种基于多级梯度能量特征的DCT (Discrete Cosine Transform)压缩域人脸检测算法.依据DCT压缩图像色差信号的直流系数进行肤色分割,减小检测范围.在分割为肤色的区域提取多级梯度能量特征,即利用不同大小的检测窗口提取归一化的特征向量,表示不同大小的人脸.特征向量输入到级联分类器中分类,确定是否表示人脸.级联分类器由若干简单分类器和一个神经网络分类器构成.简单分类器利用一些先验知识排除大部分明显不是人脸的特征向量,通过简单分类器的特征由神经网络最终确定是否表示人脸.多级梯度能量特征与DCT域图像缩放相结合实现了对不同大小人脸的快速检测.对多级梯度能量特征的定义,减少了检测算法中压缩域图像缩放的次数,从而大幅度减少了计算复杂度,提高了检测速度.实验结果表明提出的多级梯度能量特征可有效描述DCT域人脸模式,同时也证明了该算法的快速有效性.     

基于卷积神经网络的胡须及帽子特征检测

随着安防监控、视频行为分析等领域的发展,人脸检测技术已经从基础的检测出人脸进一步发展到了获取人脸的相关特征。文中给出了一个基于卷积神经网络的检测人脸胡须与帽子特征的方法。首先利用主动形状模型(ASM)标记人脸关键点,之后进行仿射变换对齐人脸,输入卷积神经网络分类器。大量的仿真实验结果表明,卷积神经网络较基于传统特征模型的支持向量机(SVM)分类器更能够准确地区分出胡须与帽子两个关键的人脸特征,运算速度快,对于稍有模糊的人脸也具有一定的鲁棒性。     

基于SVM及多目标遗传算法的光刻热点检测

提出一种基于支持向量机(SVM)及多目标遗传算法(GA)的集成电路版图光刻热点检测方法。首先对版图样本进行离散余弦变换(DCT)以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测。采用多目标遗传算法(GA)对频域特征进行选择,并同时优化SVM分类器的相关参数。实验结果表明,本光刻热点检测方法可以有效提高版图光刻热点检测的精度和效率。     

采用决策层融合的人脸语音识别技术

在信息融合的基础上提出采用基于决策层融合的多生物特征识别技术.对人脸图像采用基于主成分分析(PCA)与线性判别分析(LDA)结合的识别方法;对语音信息采用基于Mel倒频谱系数(MFCC)与混合高斯模型(GMM)的识别方法.将人脸识别子系统和语音识别子系统的输出结果作为决策层支持向量机(SVM)的输入,经过线性核函数SVM分类器融合后得到最终结果.该方法有效的提高了系统的识别率.     

人脸识别中基于均匀设计的SVM超参数调节方法

为了有效地解决超高维、多类别人脸识别中支持向量机(SVM,support vector machine)超参数调节计算复杂性问题,提出一种基于均匀设计(UD,uniform design)的SVM超参数调节的人脸识别方法。用UD代替传统的网格(grid)和梯度下降(gradient descent)方法挑选充分均衡分散在整个试验范围内且能得到满意实验结果的特征点,通过最小化k折交叉验证误差界或留一法(LOO,leave-one-out)误差界获取SVM最佳超参数。在UCI模拟数据集(Waveform)及人脸图像库(Yale,PIE)上进行了实验,结果表明,本文方法与传统的SVM超参数调节方法相比,能大大降低超参数调节的时间且能在一定程度上提高人脸分类识别率,使SVM超参数调节方法在解决高维人脸真实数据问题时具有一定的实用价值。     

一种新颖的基于LDA的人脸识别方法

提出一种基于离散余弦变换(DCT)与．LDA相结合的人脸识别方法，首先利用DCT将图像进行降维，然后在低维空间中利用LDA进行特征提取。利用ORL人脸数据库和我们上海交通大学图像处理与模式识别研究所的人脸数据库进行测试，实验结果分别得到了97．5％和92．6％的正确识别率，表明它可以和其他方法相比较。     

基于SVM的疲劳驾驶人脸图像特征检测算法

针对传统图像识别算法对疲劳驾驶检测精度差、准确率低的缺陷,提出了一种利用人脸图像特征提取的疲劳驾驶检测方法。首先将实时采集到的车辆驾驶员面部图像进行预处理,借助Dlib检测出图像中的人脸区域并进行人脸图像特征点的标注,然后使用基于眼睛纵横比(Eye Aspect Ratio,EAR)的方法进行图像中人眼疲劳特征的识别,基于嘴唇纵横比(Mouth Aspect Ratio,MAR)的方法进行图像中嘴部疲劳特征的识别,最后利用支持向量机(SVM)的方法将两种特征融合起来进行疲劳驾驶检测。实验表明,该方法可以准确地定位出特征点,疲劳检测的识别率达84.29%,可以有效地识别出疲劳状态。     

基于Gabor小波变换和两次DCT的人脸表情识别

提出了一种基于Gabor小波变换和两次离散余弦变换(DCT)相结合的人脸表情特征提取方法,在保留有效的纹理信息基础上降低了表情特征的维数.首先对人脸表情图像进行第一次DCT压缩图像,然后对处理过的图像执行Gabor变换,提取表情特征,进而对得到的不同尺度和方向的特征图像进行第二次DCT,得到包含大量表情信息的低维特征向量,最后用BP神经网络对特征向量分类.实验结果显示该方法识别率较高.     

一种基于差分DCT系数对直方图的图像取证方法

提出了一种基于差分DCT域系数对直方图的图像拼接篡改检测方法.该方法首先对图像进行DCT变换,而后分别计算DCT系数矩阵的水平、垂直、主对角线、副对角线四个方向的差分DCT系数矩阵,并对得到的差分DCT系数矩阵进行系数对直方图化,提取特征向量.最后,利用支持向量机对真实图像和篡改后的图像进行分类识别.实验结果表明,在相关的测试数据集上,和现存的一些算法相比,该方法不仅具有较低的计算复杂度,同时,其检测性能在目前所有提出的算法中达到最高,性能优良.     

基于融合DCT和LBP特征提取的面部表情识别

针对离散余弦变换(DCT)只能提取面部表情图像的全局特征,而忽略了临近像素之间的关系、不能提取纹理特征信息、不能准确区分相似表情等问题,提出一种融合离散余弦变换方法和局部二值模式(LBP)特征的表情特征提取方法。该方法首先将人脸图像经过DCT获得的低频系数作为表情的全局特征;然后用LBP对贡献率较大的嘴部、眼睛区域进行局部纹理特征提取,通过将LBP提取到的局部纹理特征与DCT提取到的全局特征进行融合,从而得到更有效的表情特征;最后利用支持向量机(SVM)进行识别。实验结果表明:该方法比单独使用DCT方法提取的表情特征更有利于识别,提高了表情识别的准确性,并将这个表情识别方法用于智能轮椅的控制上,收到了良好的效果。     

基于CCD的精加工零件缺陷在线监控系统设计

为了提高加工精度和产线的智能化,设计了工件表面各类缺陷检测系统,采用线性CCD获取图像,对图像进行处理,采用DCT变换方法对缺陷特征提取,实验结果表明,该系统可以有效实现零件精加工自动化生产线在线缺陷检测.     

基于支持向量机的运动目标中人脸检测

本文提出基于支持向量机的运动目标中人脸检测方法.首先采用高斯马尔可夫随机场(GMRF)模型的分割算法将运动目标与背景分开,然后根据灰度投影定位头部区域,最后在头部区域以支持向量机作为分类器提取特征器官位置,依此裁剪出人脸样本.实验表明该方法是有效的,鲁棒的.     

应用支持向量机的纹理分类

提出了一种使用离散余弦变换(DCT)进行特征提取的应用支持向量机的纹理分类算法,并将文章中的算法与 KIM K I 等提出的不进行先期特征提取而直接将纹理图像送入支持向量机进行训练分类的算法进行比较。结果显示,文章中的算法可以取得更为准确的分类结果,能够大大降低分类错误率,并且分类结果受参数变化的影响很小。由此说明,在使用支持向量机进行纹理分类的过程中,准确的先期特征提取十分必要。     

基于DCT系数统计特性的HEVC视频双压缩检测算法

功能强大和使用简易的视频编辑软件可能会使数字视频遭受到各种不同形式的篡改,视频的真实性和完整性无法得到保证。双压缩是视频篡改的必要条件,双压缩检测则是视频取证的重要辅助手段。通过分析压缩过程中由量化误差引起的离散余弦变换(DCT)系数变化,提出了一种不同量化参数下的高效视频编码(HEVC)视频双压缩检测算法,利用DCT系数直方图和相邻DCT系数对奇偶组合统计特性构造22维联合特征集,最后将特征集用支持向量机(SVM)进行分类识别。实验结果证明了本文算法的有效性。     

Passive detection of image forgery using DCT and local binary pattern

With the development of easy-to-use and sophisticated image editing software, the alteration of the contents of digital images has become very easy to do and hard to detect. A digital image is a very rich source of information and can capture any event perfectly, but because of this reason, its authenticity is questionable. In this paper, a novel passive image forgery detection method is proposed based on local binary pattern (LBP) and discrete cosine transform (DCT) to detect copy–move and splicing forgeries. First, from the chrominance component of the input image, discriminative localized features are extracted by applying 2D DCT in LBP space. Then, support vector machine is used for detection. Experiments carried out on three image forgery benchmark datasets demonstrate the superiority of the method over recent methods in terms of detection accuracy.