Face recognition by combining eigenface method with different wavelet subbands

Recently,a few researchers coupled the eigenfacemethod[1]with wavelet transform or other methods toovercome the li mitations of eigenface method[2-5].All ofthe above methods are based on performing wavelettransformof thei mage database before the training…     

结合主成分分析和局部导数模式的人脸识别方法

针对基于局部模式的人脸识别方法特征维数高、计算复杂度高、识别时间长的问题,提出一种结合主成分分析和局部导数模式的人脸识别方法,并针对如何解决光照、人脸表情等方面的问题提出了改进的编码方法。该方法首先将人脸图像分成很多小的区域,然后在每一个小区域中用改进的编码方法进行编码,并建立该区域的局部导数直方图,然后采用主成分分析法对所有直方图向量进行降维得到特征向量,最后利用最近邻分类器计算相似度。实验表明,这里提出的结合主成分分析和局部导数模式方法无论在识别率还是在运算速度上都优于传统的识别算法。     

识别时间可控的人脸识别方案

在已有的人脸识别方法中,识别时间一般随数据库规模而线性增长,因而难以控制,影响算法对大型人脸数据库的实用性。为此,提出了一种新的人脸识别策略:首先通过训练确定一组有代表性人脸作为参考脸,并在此基础上建立基于相似度的排序结构;这样在识别时只需计算待识别人脸与参考脸的相似度,即可结合排序结构确定一组最相似人脸,再逐个比较确定最终识别结果。由于大量计算已离线完成,识别速度大大提高。通过选择参考脸和最相似人脸的数目,可大致控制不同规模数据库的识别时间。实验表明,该识别策略下识别性能略有下降,但识别速度大大提高。     

基于概率主成分分析的人脸识别

人脸自动识别是模式识别和图像处理等学科的一大研究热点,在身份鉴别、信用卡识别、护照核对以及监控系统等方面有着广泛的应用。提出一种基于概率主成分分析方法(PPCA)的人脸识别,该方法与传统的主成分分析(PCA)相比,克服了简单的“丢弃”其他非主成分因子,在PPCA中将“丢弃”因子作为噪声成分进行估计．同时PPCA方法是一种基于概率模型的方法,因此很容易延伸为混合模型,对于PPCA概率模型参数,提出利用EM算法对其进行估计。用两个不同的数据集(姿势表情变化集和光照变化集),将PPCA人脸识别算法和传统的PCA算法进行比较,基于PPCA的人脸识别算法中的“丢弃”方差的收敛速度快于传统的PCA算法。实验结果表明．无论是姿势表情变化集,还是光照变化集,PPCA算法的识别率都优于传统的PCA识别算法。     

FACE RECOGNITION FROM FRONT－VIEW FACE

This letter presents a face normalization algorithm based on 2-D face model to rec-ognize faces with variant postures from front-view face.A 2-D face mesh model can be extracted from faces with rotation to left or right and the corresponding front-view mesh model can be estimated according to facial symmetry.Then based on the relationship between the two mesh models,the nrmalized front-view face is formed by gray level mapping.Finally,the face recognition will be finished based on Principal Component Analysis(PCA).Experiments show that better face recognition performance is achieved in this way.     

基于PCA和ICA的人脸识别

提出利用主成分分析(PCA)和独立成分分析(ICA)相结合的方法对人脸进行识别。首先对预处理后的图像进行降维,即利用PCA算法对图像进行去二阶相关和降维处理,然后再利用ICA算法获得人脸影像独立基成分,利用人脸影像独立基来构造一子空间,最后利用待识别图像在这个空间上的投影系数进行人脸识别。从两个不同的数据集,将传统的PCA人脸识别算法和提出的人脸识别算法进行比较。从实验数据结果看,提出的PCA和ICA结合人脸识别算法优于传统的PCA人脸识别算法。     

Face recognition: eigenface, elastic matching, and neural nets

This paper is a comparative study of three recently proposed algorithms for face recognition: eigenface, autoassociation and classification neural nets, and elastic matching. After these algorithms were analyzed under a common statistical decision framework, they were evaluated experimentally on four individual data bases, each with a moderate subject size, and a combined data base with more than a hundred different subjects. Analysis and experimental results indicate that the eigenface algorithm, which is essentially a minimum distance classifier, works well when lighting variation is small. Its performance deteriorates significantly as lighting variation increases. The elastic matching algorithm, on the other hand, is insensitive to lighting, face position, and expression variations and therefore is more versatile. The performance of the autoassociation and classification nets is upper bounded by that of the eigenface but is more difficult to implement in practice     

基于主向量分析重建的人脸识别算法研究

提出一种基于主向量分析(PCA)重建的人脸识别方法.传统的特征脸方法是根据PCA投影变换后,利用特征空间的总体散布矩阵最大化的特点进行分类;而本文方法则根据PCA重建误差最小的特点,利用重建误差最小进行人脸的分类.在ORL标准人脸库上的实验结果表明,本文方法优于传统方法,并且具有在增加类别以及增加样本时运算量小的特点,因此具有较好的识别效果及较高的实用性.     

人脸图像信息可用性影响因素的研究分析

传统的图像质量评估技术通常用于判断图像的整体质量,而不能有效地判断人脸图像信息的可用性.而人脸图像信息可用性评估在安防监控中具有很强的应用价值.提出了人脸图像信息可用性的概念,并提出了通过人脸识别算法来评估该可用性的度量方法.通过采用PCA人脸识别算法模拟仿真,定量地从原理上研究了影响人脸图像信息有用性的关键因素,并通过实验进行了验证.     

Face recognition via Weighted Sparse Representation

Face recognition using Sparse Representation based Classification (SRC) is a new hot technique in recent years. SRC can be regarded as a generalization of Nearest Neighbor and Nearest Feature Subspace. This paper first reviews the Nearest Feature Classifiers (NFCs), including Nearest Neighbor (NN), Nearest Feature Line (NFL), Nearest Feature Plane (NFP) and Nearest Feature Subspace (NFS), and formulates them as general optimization problems, which provides a new perspective for understanding NFCs and SRC. Then a locality Weighted Sparse Representation based Classification (WSRC) method is proposed. WSRC utilizes both data locality and linearity; it can be regarded as extensions of SRC, but the coding is local. Experimental results on the Extended Yale B, AR databases and several data sets from the UCI repository show that WSRC is more effective than SRC.     

云计算平台下的人脸识别

对云计算平台下的人脸识别方法进行研究,在Hadoop平台上建立基于支持向量机分类模型的人脸识别方法,以发挥Map Reduce并行计算优势,提高识别效率。由于常规LBP算子和深度LBP算子识别人脸特征不同,所以该文使用加权方式结合两种算子,以发挥各自的优点。最后,使用人脸识别领域应用最为广泛的Yale B人脸数据库、ORL人脸数据库以及FERET人脸数据库对该文研究的云计算平台下的人脸识别算法进行实例分析。实验结果表明,所研究的识别方法的识别准确率要高于使用传统方法的识别率。在相同云计算平台下,使用BP神经网络和RBF神经网络建立分类器与该文研究的人脸识别方法进行对比,结果表明,在云计算平台下,使用SVM分类器进行人脸识别的效果优于BP神经网络和RBF神经网络分类器。     

Face recognition based on wavelet-curvelet-fractal technique

In this paper, a novel face recognition method, named as wavelet-curvelet-fractal technique, is proposed. Based on the similarities embedded in the images, we propose to utilize the wavelet-curvelet-fractal technique to extract facial features. Thus we have the wavelet’s details in diagonal, vertical, and horizontal directions, and the eight curvelet details at different angles. Then we adopt the Euclidean minimum distance classifier to recognize different faces. Extensive comparison tests on different data sets are carried out, and higher recognition rate is obtained by the proposed technique.     

基于格式塔心理学的手写识别及MatLab仿真

文章从格式塔心理学的角度提出了核函数的设计方法。该方法强调：数字不等于像素点的组合，主张从整体出发，理解每个像素部分。依据这个原理，本文对图像及像素进行了两项有创新的抽象和假设。此外，由于使用了独创的不对称流动核函数和”二次学习”算法并借鉴了图论的思想，此核有很强的适应能力，能自动调整自身以适应：识别阶段（粗识别和细识别阶段）、图像内容（如：识别1和9时核的形态不同）和图像质量（数字扭曲变形程度）。以上这些，解决了传统核方法在参数调整和核函数选择上的一些困难。本文从信息论、反馈和经验校正系数的角度分析了该核的优势，并使用MatLab对所提出的算法进行了测试。结果表明，识别率比普通方法有显著提高。     

基于Hausdorff跟踪器的人脸跟踪识别

Snake算法能够跟踪运动图像中对象的非刚性运动,但是对于背景复杂的图像,Snake跟踪的结果不够理想。因而在首帧分割得到对象轮廓的二值模型后,再采用基于Hausdorff距离的跟踪器,找到对象模型在后继帧中的最佳匹配位置;然后采用Snake模型对该匹配位置上的非刚性形变的像素进行匹配。实验表明:对于具有静止背景且前景对象不是快速运动的视频序列,与直接采用Snake技术进行运动对象的跟踪相比,该提取视频对象平面过程能够进一步提高结果的正确性。     

基于离散余弦变换和稀疏表示的人脸识别

传统的基于稀疏表示的人脸识别方法是基于人脸的整体特征的,这类方法要求每位测试者的人脸图像要有足够多幅,而且特征维度高,计算复杂,针对这一问题,提出一种基于离散余弦变换和稀疏表示的人脸识别方法,对人脸图像进行分块采样,对采样样本使用离散余弦变换和稀疏分解,然后使用一种类似于词袋的方法得到整幅图像的特征向量,最后使用相似度比较的方法进行分类识别。实验表明,在此提出的方法比传统的基于稀疏表示的人脸识别方法在训练样本较少时效果更好。     

一种RNN-T与BERT相结合的端到端语音识别模型

端到端语音识别模型由于结构简单且容易训练,已成为目前最流行的语音识别模型.然而端到端语音识别模型通常需要大量的语音-文本对进行训练,才能取得较好的识别性能.而在实际应用中收集大量配对数据既费力又昂贵,因此其无法在实际应用中被广泛使用.本文提出一种将RNN-T(Recurrent Neural Network Trans...     

Face recognition from synchronised visible and near-infrared images

The improvement in face recognition that can be obtained from the simultaneous availability of normal and near-infrared (NIR) images is quantitatively measured. The authors designed a camera that can perform a simultaneous acquisition of a NIR image and visible images (VI) and therefore built a face database with this camera aiming at comparing the performance of several algorithms on both types of images when illumination variations occur. The authors noticed the stability of the performance of all the tested algorithms on infrared images upon illumination variation, and the improvement in performance that results from the fusion of these two different types of images.     

融合注意力机制与残差网络的人耳识别方法

人耳特征具有良好的唯一性与稳定性等特点,近年来被广泛应用于身份识别领域。针对人耳采集易受头发、耳饰等物品遮挡问题,本文提出了一种基于ERNet的人耳识别方法。该方法在IResNet网络的基础上,引入改进的SE模块,通过融合最大池化与均值池化的统计特性,增强身份相关特征的表示,抑制非相关特征的影响,以此解决在非受控环境下由于遮挡原因造成的识别困难问题。大量实验结果表明,相比较于原网络,改进后的方法识别性能提高较为明显。在同等遮挡条件下,本文所提出的模型具有较好的鲁棒性能。     

Face recognition algorithm using local and global information

A successful algorithm for the recognition of partially distorted human face images is presented. The key to this approach is to combine both local and global information. The results are compared with traditional elastic matching algorithms and a decreased mismatch rate is reported     

基于LPP_SIFT和巴氏距离相结合的人脸识别算法

局部保持映射_尺度不变特征变换（LPP-SIFT）算法是一种有效的特征识别方法。提出了奇异值分解的LPP-SIFT和巴氏距离相合的算法。基于LPP的算法在人脸识别中容易遇到奇异值问题。为此,采用奇异值分解的LPP-SIFT算法进行特征提取和降维处理,然后采用巴氏距离特征的迭代算法,得到最小错误率上界。在ORL上实验,实验结果验证了提出算法在人脸识别中的有效性。