基于OpenCv的性别识别系统软件的设计

基于OpenCv利用级联分类器和卷积神经网络算法设计完成了一个人脸检测与性别识别软件系统。系统可以对静态图像及视频图像进行人脸检测,若无人脸,提示未检测到人脸;若有人脸图像,框出人脸区域,并进行性别识别。实验结果表明,本系统基本可达到较高的正确识别率和实时识别的要求。     

嵌入式实时人脸识别系统设计

为实现视频监控系统的网络化和智能化,以ARM为硬件平台结合机器视觉库OpenCV设计一种嵌入式实时人脸检测系统。该系统由嵌入式平台采集USB摄像头数据,通过网络将图像传输至PC主机,从而实现实时监控;系统以QT构建交互界面,采用OpenCV人脸Haar特征进行人脸区域检测,Eigenfaces算法进行人脸识别。结果显示:该系统运行稳,成本低,可以实现网络实时人脸检测与识别,识别率高。     

改进Retinex算子融合特征搜索的图像识别算法研究

针对人脸图像识别系统易受光照干扰,在复杂背景下,易识别出伪目标,使其识别精度不高等难题,综合考虑高斯核函数的x,y方向,设计新的Retinex识别算子;并调用Open CV函数库中训练好的Hear分类器来进行模式匹配,形成了基于Open CV的人脸检测机制;再引入PCA特征搜索方法,搜索人脸信息;最终提出了人脸识别耦合特征搜索的安防系统解决方案。并测试该系统的性能,结果表明:与当前基于Retinex与PCA的识别算法相比,该算法具有更高的识别精度;且识别效率更高,能满足实时性要求。     

基于改进的LogitBoost算法的垃圾网页检测研究

实现垃圾网页的有效检测可以有效提高搜索引擎检索质量,促使网页的设计向着面向用户的方向发展。由于垃圾网页是面向搜索引擎设计的,正常网页是面向用户设计的,因而两者在特征方面存在众多区别,通过机器学习方法可以根据垃圾网页与正常网页在特征方面的不同对垃圾网页进行有效识别。通过对常见单分类器和集成学习分类器处理垃圾网页数据集的对比实验,发现集成学习方法 logitboost较为突出,所得结果明显优于单一分类器和常用集成学习算法,所得结果也更接近真实值,并通过对logitboost所用的预处理方法和基分类器进行改进,发现用resample对垃圾网页进行预处理,以REPTree算法为基分类器的logitboost算法对垃圾网页数据集的分类有较高的精确度。     

基于非线性特征和线性映射的多视角低分辨人脸识别算法

针对分辨率变化、视角变化和认证集单样本等实际条件下的人脸识别问题,提出了一种基于回归的人脸识别算法。该算法采用核主成分分析法(kernel principal component analysis)分别提取侧面低分辨率和正面高分辨率人脸特征,利用Procrustes分析建立每一种侧面视角低分辨率KPCA特征和正面高分辨率KPCA特征间的映射关系,从而获得对应的回归模型。根据这些回归模型,即可得到测试侧面低分辨率人脸对应的正面高分辨率KPCA特征,并通过最近邻分类器进行识别。在标准图库上的实验表明,与基于线性模型的人脸识别对比算法相比,本文所提算法识别率提高了4%至36%,而在线测试时间仅比最快的对比算法多1.087ms。     

MATLAB在智能监控中的应用

以MATLAB的计算机视觉工具箱为基础,分析了其在视频监控系统中人脸追踪的应用。对静态人脸定位、移动人脸追踪进行研究。人脸追踪采用了CAMShift算法,通过实验发现此算法对简单背景时的追踪效果良好,但存在着一定的局限性,需进一步改进。     

一种改进的快速多姿态人脸特征点定位算法

针对经典的ASM算法中存在的需要手工定位人脸特征点的问题和对于多姿态人脸识别率较低、鲁棒性较差的问题,提出了一种改进的快速的多姿态人脸特征点定位方法,解决了ASM(主动形状模型)算法半自动化与多姿态人脸识别率较低的问题;首先,对采集到的多姿态人脸进行矫正,主要解决人脸图像的旋转与偏转问题;然后针对矫正后的人脸图像进行定位与局部特征建模,标定其特征区域,完成人脸的特征点定位。通过与多模板ASM方法、基于几何特征方法的对比仿真实验可以看出,该算法特征点定位速度较快,且能较大地提高ASM算法对于多姿态人脸的识别率和鲁棒性。     

基于人脸识别的考勤系统设计与实现

文章研究并实现了利用按照Windows API的标准调用来生成的动态库方法的实时人脸识别考勤系统。系统实现的基本思想是使用摄像头实时拍摄员工人脸图像,将人脸图像处理后保存在数据库中,再用开发的SDK中的模板将采集的图像进行训练,最后将摄像头采集的考勤图像与训练模板中的训练图像进行相似度对比,得出考勤结果。实验结果表明,利用该方法开发的实时人脸识别考勤系统具有识别率高、可靠性强等特点。     

基于特征选择的SVM选择性集成学习方法

本文提出了一种结合SVM的选择性集成学习方法。算法基于集成学习的基本框架,通过对输入的训练子集进行特征选择处理并对随后的基分类器进行泛化能力的排序和选择,形成了一个新的集成分类器,以提高性能。文中试验采用UCI数据集与传统的Bagging算法做对比,结果表明本文算法可以有效地改善分类效果。     

基于深度学习的人脸识别系统

本文设计描述了三种人脸识别技术:(1)通过肤色模型训练的图像变化技术对图像的人脸区域进行识别并分割出来。(2)Eigenface人脸识别算法的图像表示技术通过输入已知人脸图片,可视化特征脸,与系统相似脸匹配并计算识别准确率。(3)全连接神经网络技术和卷积神经网络技术实现对对输入人脸的识别分析和匹配测试,从系统库里找到与之最相近的的脸,并可视化展示。