基于BP神经网络人脸识别方法的研究与改进

人脸识别技术是计算机模式识别研究领域的重要课题,有着非常广泛的应用价值。而人脸识别的关键就是人脸的检测与人脸特征的提取。该文利用BP神经网络进行特征的提取和识别,提出了隐层神经元个数的选取原理,讨论了网络初始权值的设置原则等。并对BP算法进行了改进,提高了识别的正确率,减少了训练时间和计算量。     

基于人脸识别技术的智能系统研究与开发

本文针对单人正面人脸图像的定位、特征提取以及识别的方法进行了研究,提出了结合人脸模板和人脸特征进行人脸检测的方法.利用已经定位的人脸图像,确定其眼睛、鼻部及嘴部的几何特征参数,并对实验人脸库进行监督下的分类和统计.在此基础上,实现了一个智能识别系统.     

人脸识别研究综述

人脸识别已成为多个学科领域的研究热点之一.本文对人脸识别的发展历史、研究现状进行了综述,系统地对目前主流人脸识别方法进行了分类.针对人脸识别面临的挑战,着重对近几年来在光照和姿态变化处理方面的研究进展进行了详细论述,并对未来人脸识别的发展方向进行了展望.     

基于Adaboost与LDP算法的人脸识别研究

针对人脸识别过程中识别时间和成功率等问题,提出一种基于改进Adaboost与LDP算法的人脸识别算法。对于采集到的图像首先使用基于YCbcr模型的皮肤分割算法,去除图像中的非人脸部分,减少图像的大小,节约特征提取的时间。再使用基于Adaboost的级联分类器检测出人脸区域。最后利用改进后的局部方向模式提取人脸特征进行人脸识别。使用yale人脸库作为样本集进行了实验,实验结果表明：结合了肤色分割的Adaboost算法检测成功率增加、耗时减少,改进后的LDP算法与传统LDP用时相差不大,但是识别成功率有所提高。     

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。     

基于人脸识别的高校无阻碍门禁系统设计研究

目前市场上的高校门禁系统无法完全满足高校门禁管理的现状,特别是在身份识别上,大部分依赖人工进行,人脸识别技术是一种新兴的生物认证技术,它以无接触式的识别方式深受广大用户的喜爱,也比较符合高校门禁管理的特点,阐述了无阻碍式高校门禁系统中存在的问题,结合人脸识别的生物认证技术对其进行改进,有效避免了门禁系统中存在的“冒认”...     

拟人机器人人脸识别系统研究

研究了人脸识别系统。基于拟人机器人人脸识别系统的工作流程,对人脸识别系统中人脸检测阶段所采用的Adaboost算法、人脸跟踪阶段采用的Camshift算法,以及人脸识别阶段所使用的PCA算法进行了探讨。采用了这些经典的算法后,该系统具有较高的识别率和系统性能。     

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。     

基于PCA和LDA的人脸识别系统设计

在现代社会当中,身份认证与识别问题变得尤为重要。其中,基于人脸面部特征的识别技术因其具有的突出优点脱颖而出,得到了广泛研究与应用。考虑到当前人脸识别技术遇到的相关难点,寻求了一种主成分分析(PCA)和线性判别分析(LDA)相结合的方法对人脸进行识别,并且基于LabVIEW/Matlab和摄像采集系统等软硬件设备,设计了人脸识别系统。该系统以人脸识别算法为基础,利用PC机为操作平台,通过将即时采集的人脸图像与所建立的人脸特征库比对,从而快速有效地查出已登记人员的身份信息。     

基于深度学习的证件照人脸识别方法

为解决安防业务中对人脸识别技术的迫切需求,进行了基于深度学习的证件照人脸识别方法的研究与实现.对人脸识别各关键技术环节进行了实现并进行了算法对比,同时提出了使用Siamese网络进行特征重映射的方法进一步提升人脸识别精度.实验结果表明,使用证件照构建的人脸库,通过基于深度学习的算法实现了高效精确的人脸识别.     

基于局部特征分析的人脸识别方法

在传统的弹性图匹配基础上，提出一种基于局部特征分析的人脸识别算法。该方法利用人脸的先验结构和人脸图像的灰度分布知识，首先粗略地找出人脸图像的特征点，然后利用人脸弹性图对特征点的位置进行调整。最后在各个特征点处计算Gabor变化的系数，人脸相应被表示为特征点处的Gabor系数集合，对提取的特征向量用几种不同的度量距离来进行分类，并给出测试结果。实验表明，该方法优于传统的Eigenface方法，特别适用于训练图像样本较少的情况。相对于传统的弹性图匹配方法，该方法由于人脸特征点预先被估算出，而不是在整个图像上搜索，所以大大减少了计算量。     

基于CUDA的实时人脸识别系统

通过对人脸识别系统的2个关键部分的优化,实现一种快速高效的人脸识别系统。在面部检测阶段改进图像积分的并行算法;在面部识别阶段尝试算法的并行化,并且把测试阶段的一部分进行了并行化。与传统的CPU识别程序相比,CUDA平台改进程序可在面部检测阶段实现22.42倍的加速比,在面部识别阶段实现1668.56倍的加速比。实验数据表明,本文提出的人脸识别系统具有很高的实时性能。     

人脸识别的方法研究

人脸识别系统主要包括:人脸检测定位,人脸识别两环节。本文简要回顾了人脸自动识别技术的研究背景,重点对近年来人脸自动识别方法的研究进展进行综述,并对各种方法加以评价。总结了现在存在的研究困难,提出了今后的发展方向。     

基于人脸识别技术的访问控制系统

本文介绍了基于人像识别技术的访问控制系统 ,讨论了系统结构和实现技术 ,分析了影响识别效果的因素 .系统主要的技术包括 :用主分量分析方法实现特征抽取 ,用最近邻域作为识别判据 ,以类内相似度为最终认定条件 .实验证明 ,系统达到较好的应用效果 .     

人脸识别技术的研究

对人脸识别的几个关键技术进行了深入研究,提出了一种快速的基于眼睛像素特征的人脸检测方法：一种有效的基于SVD分解的特征提取方法和一种基于特征差别的SVM人脸识别方法．改进的基于SVD分解的特征提取方法能在一定程度上削弱光照和表情的影响,从而更好地抽取人脸的差别特征．基于特征差别的SVM方法将人脸识别这一典型的多分类问题构造成适合SVM处理的二分类问题,克服了传统SVM方法在解决多分类问题上的缺陷．实验表明该人脸检测方法有较高的正确检测率,提出的特征提取方法能有效地减弱光照和表情对人脸特征的负面影响,使得识别率有较大提高,基于特征差别的SVM方法有更好的概括能力和更高的正确识别率．     

基于人脸识别技术的人流智能分析系统

笔者提出了一种人流智能分析系统,其功能包括人脸检测、人脸性别年龄分析、人脸出现时长分析、人脸表情分析以及人脸总数统计。本研究基于机器学习的人脸开源库,采用多特征提取与卷积神经网络相结合,训练出可以同时进行人脸性别年龄分析、人脸出现时长分析和人脸表情分析的人流智能分析模型,再结合MySQL数据库进行有效统计并生成人流信息数据报表。该技术可被推广到各类经销商铺,来实现对客户特征信息的提取收集及人流动态数据统计。     

基于视频监控的人脸识别方法

目前人脸识别方法主要针对静态图像进行识别,而在监控视频中,不同视频帧人脸具有相关性且只有部分人脸能够有效反映人脸信息。根据监控视频中人脸图像变化特性,提出了一种基于监控视频的人脸识别方法。首先通过结合人脸检测与跟踪技术获得视频人脸序列,然后以视频人脸序列中部分人脸图像识别结果为导向选取全部人脸序列图像中的代表人脸图像进行识别,最后根据选取的全部人脸图像识别结果综合反映人脸信息。实验结果表明,该方法能够在确保识别率和误识率的前提下有效提升监控视频中人脸识别的实时性。     

基于部分遮挡人脸识别算法的研究

研究人脸识别问题。针对当人脸采集的图像出现面部关键区域遮挡时,传统算法往往需要依靠面部主要关键特征进行识别,遮挡人脸的大部分特征消失,造成的误识别、漏识别问题。为解决上述问题,提出了基于遮挡人脸图片的识别方法。方法首先对遮挡人脸图像进行小波变换,然后建立特征粗糙集,根据特征加权融合算法将细节特征向量进行有效联系,进而根据联系性进行识别。实验结果表明,方法的能够对遮挡的人脸图像进行有效的识别,提高了身份识别的安全性和准确度。     

人脸识别理论研究进展

简要回顾了人脸自动识别技术的研究背景及发展历程，重点对近3、4年人脸自动识别方法的研究进展进行综述并对各种方法加以评价，总结了现存的研究困难并提出了解决方法及今后的发展方向。