基于人脸识别的图像考勤系统设计与实现

基于人脸识别的智能系统在近几年中非常活跃,是计算机视觉和模式识别领域里的研究重点,如基于人脸识别的考勤系统、基于人脸识别的门禁系统、基于人脸识别的考试系统等等。基于人脸识别的图像考勤系统首先进行人脸图像采集和人脸检测,将采集到的人脸图像保存实现人脸注册,然后对图片中的所有人脸进行检测和识别,将识别到的信息进行保存,根据人脸识别中保存的信息可以查询信息,实现考勤。     

离散小波变换和Fast PCA与SVM在人脸识别技术中的应用

人脸识别技术因具有结果直观、隐蔽性好、操作简单的优越性,所以在刑事侦查、在门禁考勤、信息安全等领域具有广泛的应用前景。本文在特征提取阶段采用离散小波分解和改进的快速主成分分析法相结合的算法;在分类阶段,采用基于改进的二叉树算法的支持向量机进行分类。最后给出人脸识别系统的系统原型。通过在MATLAB 7.10.0（R2010a）软件上对ORL人脸库进行仿真训练测试,验证了本系统算法不仅在识别率上有所提高,而且相对于其它算法具有较快的识别速度。     

基于实验室考勤系统的快速人脸识别算法研究

为了提高实验室考勤系统的安全和速度,研究了人脸识别的基本原理,设计了一种用于考勤系统的人脸快速识别方法。利用Ada Boost快速人脸检测算法,然后使用PCA+LDA融合算法来实现人脸识别。实验结果表明,利用该方法实现实验室人脸识别,具有识别率高、速度快、实用性好等特点。     

基于S3C2440的人脸识别平台的设计

为了实现低成本智能门禁/监控系统的需要,设计了基于S3C2440处理器的人脸识别平台,对该平台所采用的采集/显示驱动算法和人脸识别算法进行研究。使用Samsung公司的S3C2440处理器和OmniVision公司的OV9650摄像头组成硬件平台,利用Harris算法提取采集到的人脸图像的特征点,并与数据库中已有的数据进行匹配得出相关信息。为了加快人脸图像实时采集—匹配的速度,平台开启了cache加速程序。使用该平台设计的智能门禁/监控系统,实现了对人脸图像的快速识别,并且结构简单,成本低廉。该平台可以满足门禁和监控等场合的需要。     

K近邻和最小二乘支持向量机相融合的人脸识别

为了获得更加理想的人脸识别结果,提高人脸识别正确率,提出一种K近邻和最小二乘支持向量机相融合的人脸识别方法(KNN-LSSVM)。首先采集人脸图像,提取人脸图像特征,并采用KNN删除特征向量中的重复特征,得到人脸图像的特征向量;然后将特征向量输入到最小二乘支持向量机训练,建立相应的人脸分类器;最后采用ORL人脸数据库和Yale人脸库进行仿真实验。仿真结果表明,KNN-LSSVM提高了人脸识别的正确率和识别效率,且具有较强的鲁棒性。     

智能门禁中人脸识别的数据传输

研究基于智能建筑门禁系统中人脸识别的数据传输.研究在智能建筑中门禁报警系统的构成及其工作过程.智能建筑中的网络多采用局域网的形式,传输过多的人脸图像数据信息会造成网络拥塞.本文研究在人脸识别的门禁系统中,人脸图像的数据压缩算法及其实现过程.基于MATLAB的人脸图像识别系统进行识别测试表明,人脸图像分块后进行奇异值分解压缩,提高传输效率,节省存储空间,改善局域网的应用环境.     

2DPCA-ICA算法在人脸识别中的应用

传统独立元分析(Independent Component Analysis,ICA)用于人脸识别首先是将人脸图像矩阵转换成向量求白化矩阵,然后利用快速固定点算法求分离矩阵,获得人脸图像独立基子空间,从而实现人脸识别.二维主元分析(Two-dimensional Principle Component Analysis,2DPCA)无须将人脸图像矩阵转换成向量,直接利用二维人脸图像矩阵求协方差矩阵,其特征值与特征向量的计算得到简化.本文结合2DPCA与ICA算法的特点,提出2DPCA-ICA人脸识别算法.该方法通过2DPCA算法计算白化矩阵;接着利用ICA算法获得人脸图像的独立元;然后构造独立基子空间;最后依据测试样本在独立基子空间上的投影特征实现人脸识别.基于ORL与Yale人脸数据库的实验结果表明,2DPCA-ICA算法正确识别率与识别效率均高于PCA-ICA算法与2DPCA算法,是一种有效的人脸识别方法.     

一种基于人工神经网络的人脸识别方法

提出了一种基于BP人工神经网络的人脸识别新算法。采用积分投影与几何特征提取相结合的方法进行人脸图像特征提取,构建特征向量,利用BP神经网络分类识别。仿真结果表明,该算法应用于ORL人脸库的分类识别,仅用13个特征即可达到平均识别率99%,识别能力显著增强,同时有效地降低了所需特征维数和计算复杂度。     

基于四元数主成分分析的人脸识别算法

本文把四元数矩阵运算引入主成分分析,提出了一种应用于彩色图像的四元数主成分分析人脸识别算法。该算法首先用四元数矩阵模型表示彩色人脸图像,然后求该四元数矩阵的协方差矩阵,及其特征向量,通过将彩色人脸图像投影到四元数协方差矩阵特征向量组成的特征空间,比较其与已知人脸在特征空间的位置,从而达到识别彩色人脸的目的。实验表明,采用该算法能得到比经典的特征脸法更高的识别率。     

基于人脸识别的矿井人员考勤管理系统

煤矿职工管理工作对煤矿企业发展产生了重大影响。因此对煤矿的矿井人员考勤进行了调查,发现煤矿现在的矿井人员考勤打卡方式会出现替打卡、漏打卡现象。针对煤矿工人的贴牌、顶替现象,提出并设计了以人脸识别为基础的矿井人员出勤管理系统。系统将人脸识别和射频卡识别相结合,带有射频卡员工信息与人脸检测识别的员工身份信息一致算作考勤成功。上述考勤系统可以有效杜绝员工虚假考勤,提高企业管理效率,利于企业长远发展。     

基于人脸识别的图书馆智能门禁系统

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术.本课题通过树莓派、OpenCV等来完成图书馆门禁系统,通过录入人脸信息,系统识别成功则开通门禁,识别失败则报警.本系统完成了门禁系统的设计要求,实现了图书馆的门禁智能化.     

基于小波分解和支持向量机的准正面人脸识别方法

基于小波分解提取人脸特征技术和多分类支持向量机模型，提出了一种新的准正面人脸识别算法。小波分解提取人脸特征具有对表情变化不敏感的特点；支持向量机作为分类器被认为具有很高的推广(generalization)性能，无需先验知识。在所提出的算法中，首先对训练图像进行预处理，然后使用小波分解方法对人脸图像进行特征提取，用所提取的人脸特征向量训练多分类支持向量机模型，最后用训练好的支持向量机进行人脸识别。利用ORL人脸图像库对该算法的实验测试结果，以及与其它人脸识别方法的比较结果表明了该算法在识别性能方面的优越性。     

基于人脸识别的校车考勤系统设计

本文介绍了基于人脸识别的校车考勤系统设计思路,并对关键的人脸检测与人脸识别算法进行了深入的分析与设计,最终结果表明该系统设计达到了实际使用要求.     

基于DCT和稀疏表示的人脸识别

文章叙述了离散余弦变换的原理以及稀疏表示用于人脸识别的原理,并提出了一种基于DCT(离散余弦变换)和稀疏表示的人脸识别算法。该算法对人脸图像采用离散余弦变换,并截取左上角部分,按列优先组成特征向量,然后用稀疏表示的方法来进行识别。在ORL人脸库上的验证表明本文所提出的识别方法,具有训练样本运算时间短、识别率高的优点。     

基于HOG低秩恢复与协同表征的人脸识别方法

在获取到的人脸图像不完备以及人脸图像在有遮挡、光照、表情的变化或受到噪声污染时,识别率就会变得十分低,针对这一问题,本文提出了一种基于HOG低秩恢复与协同表征的人脸识别算法HLRR_CRC.首先采用低秩恢复算法得到训练样本和测试样本的干净人脸图像,然后对测试样本中干净的人脸图像和训练样本中干净的人脸图像分别进行HOG特征提取,得到HOG特征向量,以此特征向量为基础,得到测试样本特征矢量的协同表示,最后,通过规则化残差进行分类.在ORL、Extended Yale B和AR数据库上进行测试,实验结果表明,本文算法对光照、噪声较鲁棒,相比于当前的人脸识别算法,本文算法在恶劣光照和噪声下的识别率平均提高29.6％.     

基于K-L交叉熵的岭回归人脸识别

岭回归人脸识别利用正则单形的顶点对每类人脸进行多元标记,通过投影实现高维人脸特征的降维。该算法首先提取人脸图像的局部二进制（LBP）直方图特征向量,通过主成分分析（PCA）和岭回归对该特征向量进行两次降维。识别阶段利用K-L交叉熵计算标记向量和投影后特征向量的相似性,根据熵值最小原则完成对测试样本的类别判断。实验选取ORL和YALE两个标准人脸库对算法进行测试,结果表明,K-L交叉熵测度比传统的欧氏距离测度获得更高的识别率。     

基于对数能量熵与LBP特征提取的人脸识别

传统LBP模式在提取图像的纹理特征时,没有对图像中的不同子块加以区分。一般情况下图像的不同子块包含的纹理信息不尽相同,不能真实地反映图像纹理的变化情况。为了解决传统LBP算法在人脸识别过程中产生的直方图维数过长、鉴别力不高、对噪声反应敏感等问题,提出一种基于对数能量熵与LBP特征提取的人脸识别方法。首先将一副人脸图像分成互不重叠的大小相等的子块,然后计算每个子块的LBP直方图,同时对每个子块计算对数能量熵值;其次把每个子块的LBP直方图特征与对数能量熵值组合成一个新的特征向量;最后,将每个图像块的特征向量连接成一个全局的特征向量,将该特征向量用作分类识别。基于YALE人脸库,ORL人脸库和FERET人脸库的实验结果与数据分析表明,文中提出的算法能够更加准确地提取图像的特征信息,有效地提高了人脸识别率。     

基于中心对称梯度幅值相位模式的单样本人脸识别

针对传统人脸识别算法在单训练样本情况下识别 效果不佳的问题,提出一种基于中心对称梯度幅值 相位模式(CSGMP)的单样本人脸识别算法。首先,提取人脸图像的梯度幅值和相位信息;然 后,用一种新 的中心对称局部方向模式(CSLDP)算子对梯度幅值进行编码,再将梯度相位量化到8个区间 进行编码,将 二者融合形成人脸图像的CSGMP特征;最后,分块统计直方图特征信息,将所有块的直方图 串联后作为 人脸图像的特征向量,利用最近邻分类器分类识别。在YALE和AR人脸库上进行测试的结果表 明,本文所提方 法简单有效,对光照变化、表情变化和部分遮挡等环境下单样本人脸识别具有较好的效果。     

基于奇异值分解和小波神经网络的人脸识别

针对人脸识别在有遮挡、表情变化和光照变化引起的鲁棒性变差问题,以及传统人工神经网络用于人脸识别时存在的维数灾难问题,提出一种分块奇异值分解和小波神经网络结合的人脸识别算法。首先,将人脸图像进行分块,获得图片局部的奇异值,并将其按一定顺序排列得到人脸的特征向量;然后,运用加入动量项的改进小波神经网络进行人脸图像分类识别;最后,在Matlab环境下利用ORL和YALE人脸图像数据库进行仿真实验,并且在GUI图形用户界面上进行验证。实验结果表明,该算法实现简单,识别率高,对光照、遮挡、表情等变化有很好的鲁棒性,具有很大的使用价值。     

一种基于人脸核心特征的PCA人脸识别算法及应用

传统的PCA人脸识别算法是直接从图像中提取人脸进行识别,由于人脸的大小、角度,光照等原因导致识别率低。本文提出的基于人脸核心特征的人脸识别算法是通过人脸核心特征,包括左眼、右眼、鼻子、嘴巴进行人脸识别。这种算法能有效克服人脸识别中的大小、角度、光照等不利因素,显著提高了人脸识别率,并成功应用于智能相片搜索系统。