基于近红外结构光与可见光的三维人脸识别算法

文章综合传统的人脸识别方法,提出新的人脸识别算法。首先,建立近红外三维模型,采用傅里叶变换获取人脸三维信息。同时,建立可见光三维模型,采用3DMM技术获取三维人脸图像,然后将两种模型分别与参考系进行对比,最后进行融合,以此进行人脸识别。     

以LBP为基础的图像集人脸识别算法分析

人脸识别技术主要有单一图像识别与多图像识别。基于图像集人脸识别算法采用了多图像识别,主要是在LBP的基础上进行有效的计算,与传统算法相比具有较大的优势。文章首先对人脸识别数据库进行分类阐述,而后对人脸检测技术进行深入的分析,最后着重分析以LBP为基础的图像集人脸识别算法,提出几点建议,仅供参考。     

人脸识别中的损失函数

人脸识别已经成为计算机视觉领域最热门的应用之一,在我们身边,到处都有人脸识别的技术。人脸识别算法主要包含人脸检测(Face Detection)、人脸对齐(Face Alignment)、人脸特征表征(Feature Representation)。这篇文章将详细介绍在人脸识别中用到的各种损失函数以及在主要人脸数据集上的测试结果。     

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。     

基于Face++的人脸比对系统

Face++的人脸检测、人脸识别和人脸分析是走在人工智能前端的技术。本文基于Face++设计了人脸比对系统。本系统具有识别率高、实时性好、适应性强等优点。     

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。     

基于视频图像的人脸识别与跟踪

本文对人脸识别进行阐述,分析了基于肤色模型单图片的人脸检测技术,为视频监控方面提供了保证。     

基于图像块的人脸检测方法的研究

近些年来,在图像处理和计算机视觉领域,人脸自动检测引起许多学者的关注。它是诸如人脸跟踪、人脸识别、人脸检索等应用的前提和基础。同时由于它的准确性和有效性直接影响这些系统的应用,也被认为是人脸识别系统得以实际应用的关键技术。本文在介绍国内外人脸检测研究进展的基础之上,详细讨论了基于图像块的人脸检测方法。     

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Retinex理论人脸识别光照预处理方法的对比分析

光照问题是人脸识别面临的一项巨大的挑战,它在很大程度上影响了人脸识别系统的性能。而为了解决它,人们提出了很多的解决方法。其中基于Retinex理论的图像预处理方法由于其简单高效性而备受关注。本文对比分析了几种经典的基于Retinex理论的光照预处理方法,并在"Yale B+Extended Yale B"人脸库上进行了验证试验。