基于AAM姿态校正的人脸识别

非约束环境下,光照、姿态、表情、遮挡、复杂背景等因素给人脸识别带来严重影响。主动表观模型(Active Appearance Model, AAM) 能够建立包含人脸形状和纹理信息的先验模型对图像中的人脸进行匹配,合成新的人脸图像。Gabor特征被广泛地应用在人脸识别中,并取得了很好的效果。利用AAM对人脸图像进行姿态校正,合成标准正面人脸图像,然后提取图像的熵增强Gabor jets特征,使用带有阈值的Borda count分类器进行人脸识别。在IMM数据库上的试验表明,改进的方法对姿态、表情以及遮挡具有更高的鲁棒性,可以得到更好的识别效果。     

熵权法融合局部匹配Gabor特征的鲁棒人脸识别

针对复杂环境下人脸识别难度大的问题,提出了一种熵权法融合局部Gabor特征方法。计算类熵加权向量;计算局部归一化输入图像的Borda计数矩阵,从而消除低值Gabor jet比较矩阵;通过将分数层类熵加权Gabor特征与LGBP和LGXP融合解决了完成人脸的识别。在FERET、AR和FRGC 2.0人脸数据库上的实验结果表明,该方法对轻微姿态变化具有显著鲁棒性,并且对人眼检测中高达3像素的误差具有鲁棒性,相比其他几种人脸识别方法,该方法取得了更好的识别效果。     

基于Gabor特征与加权协同表示的人脸识别算法

针对基于稀疏表示分类方法的训练样本于与类别标签信息提取不足,特别是在训练样本和待测样本都受到噪声污染的情况下将会明显下降及算法复杂度较高的问题,提出以Gabor特征以及加权协同为基础的人脸识别算法;最初需要对人脸图像内所包含的各个尺度以及方向的Gabor特征完成提取,在稀疏表示中引入Gabor特征,将降维后的Gabor特征矩阵作为超完备字典,再用稀疏表示增强加权协同表示得到该字典下的的稀疏表示系数,然后利用增强系数与训练样本的标签矩阵完成对测试样本进行分类识别,从而得到Gabor特征以及加权的协同表示分类方法,在Yale人脸数据库、Extended Yale B和AR人脸数据库上以及在FERET人脸数据库对人脸姿态变化的实验表明新算法具有更好的识别率和较短的计算时间.     

基于局部二元模式Gabor小波变换的人脸识别

将局部二元模式(LBP)与Gabor小波变换相结合,用LBP算子对Gabor特征幅值的邻域变化进行编码,并用直方图分析LBP编码后的局部变化属性,这样避免了因下采样造成的信息损失,同时又通过直方图统计达到了降维的目的.实验结果表明,该方法结合了LBP与Gabor变换的优点,增强了直方图的鉴别能力,又能有效降低维数,取得了较理想的识别效果.     

基于全局和局部特征集成的人脸识别

提出利用一种串、并行结合的方式将全局和局部面部特征进行集成:首先利用全局特征进行粗略的匹配,然后再将全局和局部特征集成起来进行精细的确认.在该方法中,全局和局部特征分别采用傅里叶变换和Gabor小波变换进行提取.两个大规模的人脸库(FERET and FRGC v2.0)上的实验结果表明,此方法不仅可以显著提高系统的精度,而且可以提升系统的速度.     

基于局部特征提取的人脸识别方法的优化研究

在现代生物技术研发和升级中,人脸识别技术作为生物识别技术中的重要组成部分,目前已经被广泛应用于金融、公共安全、人像分割以及身份鉴别等领域。在人脸特征提取中,局部特征提取环节十分关键,而提取质量很容易受遮挡、光照等因素影响。为进一步提升人脸局部特征提取的质量,本文围绕LBP、Gabor两种算法展开分析,并分别探讨了两种识别算法的操作过程。     

基于加权紧凑局部图结构的人脸识别算法

针对局部图结构算法(local graph structure,LGS)构建图结构时用到的像素点距离中心像素太远,以及在图结构形成后分配权重时没有结合周围像素点到中心像素的距离因素问题,提出加权紧凑局部图结构(weighted compact local graph structure,WCLGS)算法。该算法定义了一种混合特征提取策略,从四个方向为中心像素点构建图结构,分别在垂直方向和对角线方向捕获对称和非对称信息,并且在图结构形成后对距中心像素点近的边赋较大的权重,对距中心像素点远的边赋较小的权重。WCLGS通过提取更近的像素点信息和合理的加权策略,密切关注中心像素点的近邻元素的差异,使得中心点两侧的信息提取更加均匀充分。实验证明,与现有的一些局部图结构算法相比,WCLGS在ORL(Olivetti Research Laboratory)、AR(active record)和HD(high definition)热红外人脸数据库上有更好的识别率和性能。     

基于全局与局部特征融合的人脸识别方法

针对现有预处理算法存在的缺陷及单一人脸特征在识别中的局限性,本文在基于双眼独立动态阈值的人脸预处理方法的基础上,研究全局特征PCA、2DPCA与局部特征LBP、Gabor,分析对比这几种特征的识别效果及适用情况;根据对这几种特征的研究分析,采用特征融合的方式对PCA和LBP特征进行融合;实验结果验证了在ORL库和ESSEX库上采用决策级融合的识别率优于特征级融合及单一特征的识别率。      

结合Gabor特征和自适应加权Fisher准则的人脸识别

在基于Fisher准则的字典学习算法中,初始字典的选取和目标函数的构建,严重影响字典学习的效果。为了减少初始字典的影响,提高算法的表达和判别能力。提出了一种结合Gabor特征和自适应加权Fisher准则的人脸识别算法。该算法首先采用Gabor滤波器提取人脸特征,将提取到的Gabor人脸特征作为人脸训练集;通过添加遗忘函数和根据样本间的距离对训练样本自适应加权,改进Fisher准则字典学习算法;利用测试样本编码系数的误差进行识别。在人脸库上的实验表明,算法不仅能很好地提取图像的特征信息,而且可以有效地提高人脸识别率。     

基于局部特征的自适应加权2DPCA的人脸识别

针对二维主成分分析(2DPCA)提取的是人脸的全局特征,但局部特征对人脸识别的作用非常大,提出了一种基于局部特征的自适应加权2DPCA。该算法首先根据局部特征把人脸图像分为上中下三个独立的子块,2DPCA应用到每个子块,自适应地计算出每个子块对识别的不同预期贡献,并把此预期贡献值作为子块权重加权到分类器中以提高识别率,实验结果证明了此算法的有效性和可行性。     

Methodological improvement on local Gabor face recognition based on feature selection and enhanced Borda count

Face recognition has a wide range of possible applications in surveillance, human computer interfaces and marketing and advertising goods for selected customers according to age and gender. Because of the high classification rate and reduced computational time, one of the best methods for face recognition is based on Gabor jet feature extraction and Borda count classification. In this paper, we propose methodological improvements to increase face recognition rate by selection of Gabor jets using entropy and genetic algorithms. This selection of jets additionally allows faster processing for real-time face recognition. We also propose improvements in the Borda count classification through a weighted Borda count and a threshold to eliminate low score jets from the voting process to increase the face recognition rate. Combinations of Gabor jet selection and Borda count improvements are also proposed. We compare our results with those published in the literature to date and find significant improvements. Our best results on the FERET database are 99.8%, 99.5%, 89.2% and 86.8% recognition rates on the subsets Fb, Fc, Dup1 and Dup2, respectively. Compared to the best results published in the literature, the total number of recognition errors decreased from 163 to 112 (31%). We also tested the proposed method under illumination changes, occlusions with sunglasses and scarves and for small pose variations. Results on two different face databases (AR and Extended Yale B) with significant illumination changes showed over 90% recognition rate. The combination EJS-BTH-BIP reached 98% and 99% recognition rate in images with sunglasses and scarves from the AR database, respectively. The proposed method reached 93.5% recognition on faces with small pose variation of 25° rotation and 98.5% with 15% rotation in the FERET database.     

基于个性特征的实时人脸比对方法

人脸的个性特征可以很好地描述某个人的人脸,而人脸个性特征的正确选择对人脸比对至关重要.因此提出了基于个性化特征分析的实时人脸比对方法.该方法首先利用Adaboost算法进行人脸定位,接着由主动表观模型AAM进行特征点的自动标定,然后给出了人脸个性特征参数的选择方法.在特征参数权重分析基础之上,提出了基于加权模板的人脸比对算法和模板阈值确定方法.实验结果表明,该方法不仅简单有效,而且在拒识率和误识率方面可以取得比较好的综合效果,适用于实时人脸考勤门禁系统.     

一种局部加权的二维主成分分析算法及其在人脸识别中的应用

提出了一种将局部特征加权与二维主成分分析相结合的局部加权的二维主成分分析方法．引入了二维局部加权特征子空间的概念，将各类样本映射到这个局部加权特征子空间，再通过计算测试样本到加权子空间的距离进行样本的分类．使用这种方法在ORL人脸库上进行测试，结果表明，经过局部特征加权的二维主成分分析方法比普通的二维主成分分析方法具有更优的性能，并且在提高识别率的同时算法的复杂程度并没有明显增加．     

基于加权Fisher准则的线性鉴别分析及人脸识别

提出了一种基于加权Fisher准则线性鉴别分析的人脸识别方法。该方法引入了一种新的权函数对Fisher准则加权,以提高样本在低维线性空间中的可分性,然后探讨了高维、奇异情况下如何降低运算量的问题,并给出了一个简单高效的算法。在ORL标准人脸库上进行测试,由该算法抽取的特征在最近邻分类器和最小距离分类器下均达到96%的正确识别率,这一结果优于经典的特征脸和Fisher脸方法在该库上的识别结果。     

基于稀疏表示的分块人脸识别算法

最近基于原型（Prototype）加变差（Variation）表示模型的稀疏表示方法被有效用于人脸识别。由于该算法是基于整个人脸来考虑的,忽略了人脸局部特征对整个识别过程的影响。为了解决这个问题,引入了分块处理的思想,运用Borda计数的方法对每个子模块按照残差大小进行投票,根据最终的投票结果对人脸进行分类判别。在AR人脸库上的实验结果表明该方法与其他方法相比,在对具有部分遮挡和光照变化人脸的识别上具有更好的效果。     

改进Gabor加权分析方法在人脸识别中的应用

为提高Gabor对人脸结构特征和内容信息的保留能力,解决人脸识别中对表情等抗噪性差的缺点,提出一种基于改进Gabor加权分析的人脸识别算法。该方法通过对归一化的人脸进行多尺度Gabor分析,并依据相同滤波窗口参数进行归类合并,最后对该信号进行加权比对得到识别结果。实验证明,该方法很好地兼顾人脸结构特征和内容信息,具有良好的抗噪性和识别率。     

基于加权小波的DCT人脸识别算法研究

针对图像维数过高,计算复杂的问题,提出一种基于加权小波分析和DCT的人脸识别方法,通过对人脸图像进行小波分解,提取低频和加权高频分量的DCT变换系数作为识别特征向量,采用加权距离进行分类识别.该方法在ORL和YALE人脸库上进行了测试比较,结果表明,无论训练时间还是识别率,都优于传统的PCA方法,和小波结合PCA的方法相比较,识别率也明显提高.     

局部均匀模式描述和双加权融合的人脸识别

目的 针对LBP算法对边缘及噪声信息比较敏感,提出一种统一化的局部均值模式(ULMP)描述算子。考虑到全局和局部特征在识别上的互补性,提出一种ULMP描述和双加权融合的人脸识别方法。方法 首先利用ULMP算法获得整幅图像的编码图,接着将其分块,统计每一子块的直方图获得局部纹理特征,并结合BP神经网络得到局部分类结果。引入云模型求取不同子块的权值,对局部分类结果进行加权融合。整体纹理特征的获取是将不同子块的直方图特征串联。在得到全局和局部的分类结果后,将两者加权集成,获得最终的识别结果。结果 在ORL和Yale人脸库上进行实验,ULMP具有很好的识别性能。5幅测试样本时,在ORL库上取得了95.9%的平均识别率,分别比局部二值模式(LBP)、MCT、局部方向模式(LGP)、统一的LBP(ULBP)和局部中心二值模式(CSLBP)高11.3%、10.6%、9.5%、8.9%和3.9%;在Yale库上取得了97.4%的识别率,分别比LBP、MCT、LGP、ULBP和CSLBP高19.9%、17.7%、10.7%和0.7%。在ORL和Yale人脸库上,本文提出的双加权融合模式分别取得了98.5%和98.34%的平均识别率,高于任何单一模块。结论 本文提出的纹理提取算法ULMP,具有很好的平滑噪声及边缘信息的作用,适用于面部纹理特征的提取。利用云模型求取的权值的方法能够较好地发挥局部分类器间的集成作用,最终有效地提高了系统的整体性能。双加权融合模式是一种精确且有效的人脸识别方法,适用于静态人脸图像的匹配识别。