基于视频流的实时清晰人脸图像识别的实现

实现了一种基于肤色检测、人脸识别和清晰度判断3种技术进行自动抓取视频流中清晰人脸图像的方法,首先对截取的一帧图像采用肤色监测缩小识别区域,再进行人脸识别,获得的所有可能人脸区域进行时域频域转换,用倒谱域清晰度判断得到清晰人脸图像,提出了自动检测视频流中的清晰人脸图像识别方法,在实际应用领域实现了监控中的实时人脸图像识别。     

一种用于细粒度人脸识别的眼镜去除方法

为解决眼镜遮挡会降低人脸识别性能的难点,借鉴深度卷积神经网络在超分辨率方面的成功应用,该文提出一种用于细粒度人脸识别的眼镜自动去除方法ERCNN。用卷积层、池化层、MFM特征选取模块和反卷积层设计ERCNN网络模型,自动学习戴眼镜和未戴眼镜人脸图像对之间的映射关系,实现端到端的眼镜去除。然后,收集大量监控场景下的人脸图像,以及互联网上公开的人脸图像作为训练集;同时构建SLLFW数据集,作为眼镜去除和人脸识别的测试集。最后,通过与传统的眼镜去除方法进行对比试验,该文算法的各项评价指标优于传统方法,能有效的去除真实人脸图像中眼镜;同时在SLLFW人脸数据集上形成的全框眼镜、半框眼镜和无框眼镜人脸数据集上对多种人脸识别算法进行对比试验。试验表明,在FAR为1%的情况下,利用该文方法对F-SLLFW, H-SLLFW和R-SLLFW数据集的人脸图像进行眼镜去除后,SphereFace算法的TAR分别达到90.05%, 91.14%和92.33%,比未去除眼镜的识别率分别提高了3.92%, 3.08%和1.26%;同样,在FAR为0.1%的情况下,比SphereFace算法的TAR分别提高了10.06%, 4.29%和2.13%,说明该文方法有助于提升细粒度人脸识别的识别精度。     

一种用于细粒度人脸识别的眼镜去除方法

为解决眼镜遮挡会降低人脸识别性能的难点,借鉴深度卷积神经网络在超分辨率方面的成功应用,该文提出一种用于细粒度人脸识别的眼镜自动去除方法ERCNN.用卷积层、池化层、MFM特征选取模块和反卷积层设计ERCNN网络模型,自动学习戴眼镜和未戴眼镜人脸图像对之间的映射关系,实现端到端的眼镜去除.然后,收集大量监控场景下的人脸图像,以及互联网上公开的人脸图像作为训练集;同时构建SLLFW数据集,作为眼镜去除和人脸识别的测试集.最后,通过与传统的眼镜去除方法进行对比试验,该文算法的各项评价指标优于传统方法,能有效的去除真实人脸图像中眼镜;同时在SLLFW人脸数据集上形成的全框眼镜、半框眼镜和无框眼镜人脸数据集上对多种人脸识别算法进行对比试验.试验表明,在FAR为1%的情况下,利用该文方法对F-SLLFW, H-SLLFW和R-SLLFW数据集的人脸图像进行眼镜去除后,SphereFace算法的TAR分别达到90.05%, 91.14%和92.33%,比未去除眼镜的识别率分别提高了3.92%, 3.08%和1.26%;同样,在FAR为0.1%的情况下,比SphereFace算法的TAR分别提高了10.06%, 4.29%和2.13%,说明该文方法有助于提升细粒度人脸识别的识别精度.     

人脸关键特征点的自动定位

提出一种自动定位人脸关键特征点的方法。选取人脸图像中两眼球中点、各内外眼角点、鼻唇中点和两嘴角点作为9个关键特征点,利用SUSAN算子提取边缘和定位两眼内外角点,并与方向积分投影等方法结合,可以快速准确地获得特征点位置。实验结果表明,该方法能自动定位人脸各关键特征点,平均定位准确率在95%以上。该方法将有助于人脸特征的自动提取和提高人脸识别算法的识别率,虽然是针对固定大小图像(336×480)进行的,但方法本身并不受图像大小的约束;该方法对绝大多数灰度正面人脸图像特征点都能准确地自动定位,即使小角度旋转人脸也取得较好的定位效果,但目前对大角度旋转人脸仍有一定局限。     

光照鲁棒的人脸识别

传统的人脸识别方法对待识别人脸图像的质量要求较高,而且要求所采集的人脸图像的光照情况与人脸训练库的光照情况的差异不能太大,这就限制了人脸识别系统运行的环境条件,从而限制了人脸识别的应用。为了降低人脸识别对环境条件的要求,真服光照对人脸识别的影响。本文分析了人脸图像的幅频特性和相频特性,提出了频域光照归一化的人脸识别方法,使得对任何光照条件下采集的图像经过归一化后,光照情况与训练库中的图像完全相同,同时保留了人脸的可区分性。因为人脸之间差异的信息量一般较少,故本文运用最小非零特征向量作为人脸特征,通过实验仿真,与传统方法相比本文人脸识别方法对光照变化具有鲁棒性。     

人脸的眼角自动定位

针对人脸识别中的特征提取问题,提出了一种快速准确的眼角自动定位方法。在人脸图像中自动定位两眼的眼球和内外眼角的精确位置,定位准确率达到98％以上。该方法为脸部关键特征点的自动提取和人脸识别奠定了良好的基础,有助于提高人脸识别算法的识别率。并将定位结果应用到人脸图像的预处理,提出以两眼外眼角为基准进行几何归一化校正,与通常的利用两眼瞳距作为基准的方法相比较,更加准确和稳定。     

基于Retinex算法的光照变化条件下人脸识别研究

光照变化会对人脸识别结果产生干扰,导致当前光照变化人脸识别结果不理想,为了降低光照变化对人脸识别结果的不利影响,以提高光照变化人脸识别效果,设计了基于Retinex算法的光照变化条件下人脸识别方法。采用激光传感器采集光照变化下的人脸图像,并对人脸进行格式转换,然后采用Retinex算法对转换后的人脸图像进行增强操作,消除光照变化对人脸图像干扰,改善人脸图像质量,最后采用模式识别技术设计人脸图像识别的分类器,并与其他人脸图像识别方法进行了对比测试。实验结果表明,本方法消除了不同光照变化的干扰,提高了人脸图像亮度、对比度和熵值,相对于对比方法,本方法的人脸识别精度更高,精度平均值达到了96%,而且加快了人脸识别速度,具有比较明显的优越性。     

基于CS-LBP特征融合的人脸智能识别方法研究

传统人脸智能识别方法存在识别正确率低的问题,为此提出了一种基于CS-LBP特征融合的人脸智能识别方法。通过分析人脸表情特征提取流程,设计CS-LBP特征融合目标计算,获取模糊特征LBP阈值。并结合不同LBP算子距离,均衡人脸图像灰度,以此提高人脸识别图像的清晰度。同时,绘制人脸识别标准纹路模型,计算经过识别后的人脸纹路与标准纹路的垂直距离,判断距离是否符合高斯单元线性组合规律,若符合规律可输出识别参数与结果,完成人脸的智能识别。采用设计实验的方式,验证了提出方法在实际识别应用中,可提高人脸图像识别正确的次数,证明了设计方法更具备实际应用价值。     

基于彩色和局部特征信息的人脸检测

人脸检测的研究近年来日益受到了广泛的重视,基于计算机的自动人脸识别系统仍面临着种种困难,特别是针对复杂背景中的人脸检测问题.在充分分析人脸图像的特征的基础上,提出将多项图像分析技术结合应用来构造多层次的检测方法,实现人脸图像自动.实验结果表明,该方法能够达到84%以上的准确率,其中直接从包含人脸像的图像值检测出人脸的效率高达76%,对具有较高的实用性和应用价值.     

基于PCA算法的人脸识别

PCA算法作为一种数值分析技术,主要的应用是用于简化数据、降低数据维度。将PCA算法应用到人脸识别,能提取出人脸图像中最主要特征,去除数据的冗余和噪声。文中采用PCA进行人脸识别,能为人脸识别提取区分度高的特征数据,有效提高了识别的准确性。且在ORL和YALE人脸库进行了实验。实验结果表明,该方法对实验的人脸图像有较高的识别率。     

一种改进的虹膜图像质量评价算法

为确保识别的准确性,提出一种改进的虹膜图像质量评价算法。根据图像总体清晰度和可见度的粗评估,可以快速而有效地剔除质量较差的图像,并利用虹膜纹理清晰度和可见度精评估来量化评价指标。实验结果表明,该方法可准确地判断虹膜图像的质量,提高系统的工作效率,其评价结果和人眼主观评价相吻合,具有一定的应用价值。     

基于独立分量分析的人脸自动识别方法研究

提出了一种独立分量分析（ICA）和遗传算法（GA）相结合的人脸自动识别方法,人脸图像的独立的基的获取是采用基于四阶统计信息的ICA算法;为了减少计算复杂度,对原因像进行滤波降维,并用遗传算法对ICA求得的独立基集合进行搜索得到了一个最优的独立基子集,最后,选择合适的分类器根据待识别图像在独立基上投影系数进行分类判决,对人脸图像库的实验表明本方法识别率比基于主元分析 特征脸方法高,且计算量小于传统的基于ICA人脸识别方法。     

Hallucinating face by eigentransformation

In video surveillance, the faces of interest are often of small size. Image resolution is an important factor affecting face recognition by human and computer. In this paper, we propose a new face hallucination method using eigentransformation. Different from most of the proposed methods based on probabilistic models, this method views hallucination as a transformation between different image styles. We use Principal Component Analysis (PCA) to fit the input face image as a linear combination of the low-resolution face images in the training set. The high-resolution image is rendered by replacing the low-resolution training images with high-resolution ones, while retaining the same combination coefficients. Experiments show that the hallucinated face images are not only very helpful for recognition by humans, but also make the automatic recognition procedure easier, since they emphasize the face difference by adding more high-frequency details.     

Fuzzy reasoning model to improve face illumination invariance

Enhancing facial images captured under different lighting conditions is an important challenge and a crucial component in the automatic face recognition systems. This work tackles illumination variation challenge by proposing a new face image enhancement approach based on Fuzzy theory. The proposed Fuzzy reasoning model generates an adaptive enhancement which corrects and improves non-uniform illumination and low contrasts. The FRM approach has been assessed using four blind-reference image quality metrics supported by visual assessment. A comparison to six state-of-the-art methods has also been provided. Experiments are performed on four public data sets, namely Extended Yale-B, Mobio, FERET and Carnegie Mellon University Pose, Illumination, and Expression, showing very interesting results achieved by our approach.     

MEF融合HFF的戏剧视频关键情节自动提取

为了更好地从戏剧视频提取关键情节,提出了一种基于音乐情感特征(MEF)融合人脸特征(HFF)的自动提取方法.首先,利用基于音频指纹技术的二级音乐情感识别方法进行音频识别,并利用人脸特征进行视频识别;然后,利用音频和视频识别得到的各元素获取关键情节值,从而提取关键情节;最后,提出了一种量化评估方法评估关键情节提取方法的一致性.在四个戏剧视频上的评估实验验证了该方法的有效性及可靠性,相比其他几种较新的提取模型,该方法提取效果更好.     

虹膜识别平台搭建和数据库建设

介绍了一个高性价比的虹膜识别系统解决方案,其中包括一套自动化虹膜采集仪以及上位机识别软件.同时基于该平台,通过对序列图像进行质量评价,构建了一个中等规模的高质量虹膜数据库,并给出了数据库的几个关键参数,为虹膜识别算法的研究提供了很好的支持.     

基于特征提取与认证的彩色图像人脸检测

在深入的对频谱脸法和Fisherface方法进行研究后,综合这两种方法的优点,提出了一种基于频谱脸和Fisher-face的人脸识别新方法。频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的,所以对人脸图像使用二维小波变换,提取人脸图像的低频部分。对人脸图像的低频部分使用傅立叶变换,从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高,所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征,降低特征的维数,提高识别效率。利用人脸面部构造产生的灰度特性提取眼睛,利用嘴唇的色度特征分割出嘴巴,进而根据眼睛和嘴巴构成三角形模板的特性,精确定位人脸在图像中的位置。实验结果表明,这种结合肤色和面部特征的算法,能够对人脸进行较快速、准确的定位,而且结果比较稳定可靠。     

一种基于Retinex和PCA的人脸图像识别方法

针对目前人脸识别算法在光照条件恶劣时识别精度较低的缺陷,提出一种基于Retinex和PCA的人脸图像识别方法.Retinex算法能够有效去除图像中光照恶劣导致的阴影,而PCA能够有效提取图像中有代表性的特征,从而使得快速准确的识别成为可能.在Yale和Yale B数据库上验证该算法的性能,结果证明,此算法简单快速,且具有较高的识别精度,是一种实用的人脸图像识别方法.     

基于点控制的自动报靶系统研究

对传统的基于图像处理技术自动报靶系统进行分析,针对传统靶面环线识别比较困难的缺点,提出了一种新的基于点控制的自动报靶系统.该系统采用具有已知半径的点作为靶面图像的控制点,降低了系统对图像质量的要求,采用简单的阈值即可实现点的分割,大大减小了图像的预处理工作.针对点控制,提出了距离加权平均法来计算靶教,避免了繁琐的图像几何校正工作,同时保证了报靶精度.     

基于离散余弦变换的人脸识别方法

人脸图像的庞大信息量使其不适合于直接识别。提出用离散余弦变换处理人脸原始图像,得到降维的特征矢量,并结合前馈神经网络对人脸进行分类识别。通过对ORL人脸库多幅人脸图像的仿真实验表明,系统的识别率较高,且训练时间大大降低,是一种高效的识别方法。