基于特征脸的人脸识别系统的研究

人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,用来辨认身份的一门技术。文章阐述了基于特征脸的人脸识别的基本算法,并对该方法进行改进,最后对其进行了仿真。该方法主要通过求出人脸图象与数据库中的特征脸空间距离来进行人脸的识别和分类,做到了快速准确地识别人脸。     

基于特征脸的主成分分析人脸识别

采用基于PCA（主成分分析）的特征脸人脸识别方法,判断一张给定的图像是否为人脸图像。该方法通过计算训练集的特征向量,得到一个由特征脸组成的子空间,并将训练集中的人脸图像投影到该子空间中。检测人脸时,将二维的人脸图像投影到脸空间,并计算该图像与脸空间之间的欧几里得距离,以距离是否小于某一设定的阀值来识别是否人脸图像,实验测试结果准确率为97.5%。     

基于加权特征脸法的人脸识别

人脸识别是模式识别领域中一个相当困难而又有理论意义和实际价值的研究课题。本文在传统的特征脸方法的理论基础上提出一种改进的特征脸方法,就是把人脸图像分成上中下三个部分,分别应用特征脸方法,在识别计算距离时赋予不同的权值,最后确定综合距离最小的人脸图像。把这种方法和传统特征脸方法进行了对比实验,结果证明了该方法的可行性和良好的抗畸变能力。     

基于加权特征脸法的人脸识别

人脸识别是模式识别领域中一个相当困难而又有理论意义和实际价值的研究课题.本文在传统的特征脸方法的理论基础上提出一种改进的特征脸方法,就是把人脸图像分成上中下三个部分,分别应用特征脸方法,在识别计算距离时赋予不同的权值,最后确定综合距离最小的人脸图像.把这种方法和传统特征脸方法进行了对比实验,结果证明了该方法的可行性和良好的抗畸变能力.     

特征脸和弹性匹配人脸识别算法的比较

计算机自动人脸识别技术是模式识别的一个重要分支,有着广泛的应用背景。特征脸和弹性匹配是两种主要的人脸识别算法。该文研究了视角、表情、光照等变化对两种算法的影响并对此时两种算法的性能进行了比较,理论分析和实验结果都表明此时弹性匹配的识别率优于特征脸。     

基于特征脸及人工神经网络的人脸识别

人脸是一个复杂的多维可见模型,开发人脸识别的计算模型是比较复杂的。介绍了一种基于信息理论的编译人脸图像的识别方法。该方法涉及两个方面:一是使用主成分分析进行特征提取;二是使用前馈反向神经网络进行识别。并使用400张人脸图片(40类)测试了该方法,识别率高达97.018%。     

基于描述特征的人脸识别研究

针对基于主成分分析识别人脸存在计算复杂、不能准确地估计训练图像的协方差矩阵等问题,提出了一种基于描述特征的人脸识别算法(Expressive feature face recognitionalgorithm, EFFRA).该算法用训练图像的右奇异向量代替PCA求解的子空间的基向量,避免了将人脸图像转换成图像向量,明显降低了计算复杂性.进一步研究发现,EFFRA提取的每一个主成分向量中含有冗余,在此基础上,利用PCA实现了EFFRA的简化算法(MEFFRA),在ORL和Essex数据库上的实验结果表明,EFFRA及MEFFRA明显优于特征脸算法,MEFFRA的识别精度略好于EFFRA,但明显减少了对存储空间的需求.     

基于统计特征和小波分解方法的人脸识别研究

计算机的自动人脸识别是当今研究的热点和难点,并且在安全系统和商贸系统等领域有着广泛的应用。论文介绍了用于人脸识别的基于统计特征的方法和基于小波分解的方法,并对每种识别方法进行分析与比较,总结了影响人脸识别技术应用的关键因素。     

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。     

特征脸空间中夹角最小法则的人脸识别算法

特征脸方法是人脸识别领域中的一种重要方法。本文在特征脸的基础上提出了一种新的方法,在特征脸空间,用向量之间的夹角来衡量图像之间的相似度,用最近邻法对图像进行分类和识别。我们用ORL提供的标准人脸库进行了测试,并与传统的特征脸方法进行了比较。结果表明,新方法的识别正确率明显高于传统特征脸法。     

基于Eigenfaces方法的人脸检索

基于主成分分析的特征脸方法是人脸识别中的重要算法之一,本文提出利用特征脸对高考考生免冠照片进行相似度比对的检索方法,为验证提出方法的实用性和有效性,利用特征脸方法和考生照片库设计了人脸图像检索原型系统并进行了实验,实验结果表明本文方法能够有效检索出相似度较高的考生照片,具有一定的应用价值和研究意义。     

基于支持向量机的人脸识别方法研究

对于人脸识别问题，基于K-L变换对人脸图像进行特征参数的提取；并采用支持向量机进行分类．由于支持向量机本身是一个两类问题的判别方法，在处理多类问题时，提出了一种基于支持向量机组的淘汰法，这种方法考虑到了各判别函数的VC置信范围的差异，同时利用判别函数间的冗余来降低识别误差．针对ORL人脸库和自建的人脸库的识别结果表明，基于SVM的识别方法在特征参数个数的选取、识别效果、识别时间等方面都有其独到的优越性．     

基于LNMF分解的人脸识别

人脸识别在模式识别领域的发展和应用方面都有着重要意义,目前是一个非常活跃的研究方向。在基于子空间方法的人脸识别中,提出用局部NMF方法提取人脸子空间特征,该方法能够提取图像的局部特征信息,有利于提高人脸识别率。文章将Bagging思想用于神经网络,进一步提高神经网络的分类准确率和泛化能力。     

特征脸及其改进方法在人脸识别中的比较研究

人脸识别是生物特征识别技术中一个非常活跃的课题,目前已取得了很多研究成果。特征脸法是一种常用的人脸特征提取和识别方法。对传统的特征脸方法进行改进,可以提高人脸正确识别率、缩短识别时间。本文对特征脸及其改进方法做了理论和实验比较,分析了各自的优缺点。     

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。     

基于因素分解模型的两步人脸识别

为了减轻人脸识别中表情以及姿态等因素变化对识别结果的影响,Xu提出了利用原始样本和对称样本的两步人脸识别算法。但当人脸图像受外在因素干扰产生较大变化时,该方法的识别结果并不理想。因此提出了一种基于因素分解模型的两步人脸识别算法。新算法在特征提取过程中利用因素分解模型将“身份因素”和“表情因素”从人脸图像中分离出来,加以控制。然后提取测试集图像中的新身份和新表情,并将其与训练集中的旧身份或旧表情相互作用,合成新的人脸图像。同时为了保证分类精度,在识别阶段针对原始样本和合成样本分别采用两步人脸识别的方法,充分利用了分数层次融合的优势,进一步提高了算法的识别效果。     

结合整体与局部信息的人脸识别方法

提出了一种综合利用整体和局部信息进行人脸识别的新方法。在对整幅人脸图像进行PCA分析的基础上辅以了局部区域的PCA LDA分析。在ORL的400幅人脸库上对此方法进行了验证,结果证明此方法是有效可行的,最优的识别率达到了97％,比仅利用完整图像的人脸识别方法有了不同程度的提高。     

神经网络在人脸识别中的应用

将BP神经网络用于人脸识别,并建立了人脸识别模型,该识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程,具有简单,识别率较高的特点.     

基于神经网络的不变性模式识别的人脸识别系统

文章提出了一种优化的多层神经网络,能完成对图像不变性模式识别。基于此多层神经网络开发了人脸识别系统。仿真实验表明该人脸识别系统,具有较高的识别速度、准确率、容错性和鲁棒性,并且基本解决了开发实用化的人脸识别系统所面临的问题,即模式识别不变性的问题。