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.     

基于辐射能量的红外人脸识别

人脸识别至今还是计算机视觉中的一个难题,用红外人脸图像来进行识别是近几年才发展的一个新领域,虽然其独立于光源,不易受外部光线的影响,但研究发现,人脸温谱图因受到一系列内在(生理、心理等)和外在(环境、成像等)条件的影响而使识别率下降。针对这一问题,根据Stefan-Boltzmann定律,提出把易受环境温度影响的面部温度数据转换为较为鲁棒的辐射能量数据来进行识别,以提高红外图像人脸识别的性能。理论分析显示,当人体处于一个稳定的状态时,辐射能量图对周围环境温度的敏感度较低。实验结果表明,基于辐射能量图的识别率高于基于温谱图的识别率。     

红外人脸识别的技术与应用

在诸多影响人脸识别性能的因素中，环境光照的变化是人脸识别领域最具挑战性的难题，基于近红外图像的人脸识别方法是近年来的一个革命性的创新，目的在于消除环境光照对人脸识别的影响。[编者按]     

人脸识别技术综述

人脸识别技术是生物识别的一个重要分支,本文首先介绍了近年来人脸识别技术的发展状况,详细介绍了几种人脸识别方法,最后对各种相关技术进行评价并提出了今后发展的方向。     

基于压缩感知的红外人脸识别

压缩感知理论是一种全新的数据采集技术,其采用非自适应线性投影来保持信号的原始结构,通过数值最优化问题准确重构原始信号。本文利用压缩感知的优秀特性,采用基于稀疏表示的模式分类方法,通过提取红外人脸图像的全部信息作为特征并建立特征矩阵,将待识别人脸作为压缩感知测量值,并通过正交匹配追踪算法进行重构,根据重构的稀疏系数所属类别进行红外人脸识别。实验表明,基于压缩感知的红外人脸识别结果准确率高。实验验证了本算法的有效性。     

人脸识别技术研究

简要回顾了人脸自动识别技术的研究背景及发展历程,重点讨论了当前七种热点识别算法,对各种方法加以评价,总结了现存的研究困难,提出了解决方法及发展方向。     

单训练样本人脸识别技术综述

对近年来国内外出现的单样本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.阐明单样本人脸识别技术所面临的挑战,并对未来单样本人脸识别技术的发展方向进行展望.     

静态人脸识别技术探讨

人脸识别是人工智能领域的一个研究热点.本文简要介绍了静态人脸识别技术的研究背景及识别系统的构成,重点对目前人脸特征提取与识别的主要方法进行了分类总结.通过对各种方法的分析比较,总结了当前存在的技术困难,并展望了今后的研究趋势.     

一种基于块共同特征值的人脸识别方法

主成分分析与线性判别分析是人脸识别的重要识别方法,它们都通过求解特征值问题实现特征提取,但由于维数灾难会导致小样本和奇异性问题。提出了一种简单的人脸识别方法,无需进行奇异值分解,能有效地降低计算代价。首先将图像划分成块,然后计算多项式系数,得到友阵用于特征提取。基于两张不同图像的多项式系数友阵来计算对称阵。最后通过计算对称阵的零空间的零化度识别相似的人脸图像。为验证提出方法的有效性,在ORL、Yale和FERET人脸数据库上进行了实验。结果表明,该方法对于有较大姿态与光照变化的人脸识别具有较高的识别性能。     

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.     

人脸识别技术综述

首先对计算机人脸自动识别技术的研究背景及发展历程做了简单回顾,然后对人脸正面像的识别方法,按照识别特征的不同进行了分类综述,主要介绍了特征脸（Ｅｉｇｅｎｆａｃｅ）方法、基于小波特征的弹性匹配（Ｅｌａｓｔｉｃ Ｍａｔｃｈｉｎｇ）的方法、形状和灰度模型分离的可变形模型（Ｆｌｅｘｉｂｌ Ｍｏｄｅｌ）以及传统的部件建模等分析方法。通过对各种识别方法的分析与比较,总结了影响人脸识别技术实用化的几个因素,并提出了研究和开发成功的人脸识别技术所需要考虑的几个重要方面,进而展望了人脸识别技术今后的发展方向。     

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。     

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。     

人脸图像检测与识别方法综述

本文对人脸识别技术中的检测和识别分成两部分进行了讨论。首先,系统的整理分析了人脸检测的各种方法,其次,作为人脸识别技术的第二个环节,对人脸的各种识别方法进行了比较的论述,重点讨论了当前热点的识别算法,最后对人脸识别技术的发展方向进行了展望。     

人脸识别技术研究进展

近20年来,人脸识别技术已经作为机器人视觉与模式识别技术中的一个重要研究方向,受到很多研究学者的关注。对当今国内外人脸识别技术的各种研究方法进行了分析和比较,指出了现存的技术困难及今后的研究发展方向。     

基于定点ICA算法的人脸识别方法

提出定点ICA算法结合均一化欧氏距离的人脸识别方法。该方法不仅可以提取出独立主成分,而且收敛速度快,克服了PCA算法提取特征不独立和一般ICA算法收敛速度慢的缺点。在特征聚类方法中,均一化欧氏距离的聚类效果优于欧氏距离和马氏距离。在正交在预处理程中,投影特征空间维数的选取根据具体数据库和训练样本集通过试验确定。试验结果表明,该人脸识别方法具有较好的识别能力和鲁棒性。     

一种新的用于人脸识别的特征提取方法

由于特征提取在模式识别中占据非常重要的位置,提出了一种非线性的特征提取方法.该方法通过结合LTSA和LDA算法来构造目标函数,通过优化该目标函数,可以提取非线性特征.该方法的主要优点是可以充分地利用训练样本的非线性结构和类别信息.在ORL和PIE数据库上的试验证明了算法的有效性.     

一种基于改进LBP算子的人脸识别算法研究

提出了一种基于改进LBP算子的人脸识别算法。局部二元模式（LBP）是一种灰度范围内的纹理描述方式,它从一种纹理局部近邻定义中衍生出来。然而,LBP算子本身还不够完善,在人脸识别的应用中还存在许多问题亟待解决。文章在此基础上,对其特征的组合方式等方面作了一些改进,并将改进后的LBP算子用于人脸识别。通过改进前后在YALE人脸库的实验比较,该方法在识别率上取得了较好的结果。