基于部分遮挡人脸识别算法的研究

研究人脸识别问题。针对当人脸采集的图像出现面部关键区域遮挡时,传统算法往往需要依靠面部主要关键特征进行识别,遮挡人脸的大部分特征消失,造成的误识别、漏识别问题。为解决上述问题,提出了基于遮挡人脸图片的识别方法。方法首先对遮挡人脸图像进行小波变换,然后建立特征粗糙集,根据特征加权融合算法将细节特征向量进行有效联系,进而根据联系性进行识别。实验结果表明,方法的能够对遮挡的人脸图像进行有效的识别,提高了身份识别的安全性和准确度。     

基于稀疏表示的遮挡人脸表情识别方法

用基于稀疏表示的分类方法识别遮挡人脸表情时,遮挡字典不具有冗余度且身份特征易干扰表情分类.针对此问题,文中提出一种基于稀疏表示的遮挡人脸表情识别方法.该方法首先通过对图像多级分块得到具有冗余度的遮挡字典,然后通过稀疏分解求出待测图像的稀疏表示系数,最后在待测图像所在的子空间内实现表情类别判断.该方法使待测图像的分解系数变得更稀疏,同时避免身份特征对表情分类的干扰.在Cohn-Kanade和JAFFE人脸库上的遮挡表情识别实验表明,该方法对遮挡人脸的表情识别具有较强的鲁棒性.     

基于生成式对抗网络的鲁棒人脸表情识别

人们在自然情感交流中经常伴随着头部旋转和肢体动作,它们往往导致较大范围的人脸遮挡,使得人脸图像损失部分表情信息.现有的表情识别方法大多基于通用的人脸特征和识别算法,未考虑表情和身份的差异,导致对新用户的识别不够鲁棒.本文提出了一种对人脸局部遮挡图像进行用户无关表情识别的方法.该方法包括一个基于Wasserstein生成式对抗网络（Wasserstein generative adversarial net,WGAN）的人脸图像生成网络,能够为图像中的遮挡区域生成上下文一致的补全图像;以及一个表情识别网络,能够通过在表情识别任务和身份识别任务之间建立对抗关系来提取用户无关的表情特征并推断表情类别.实验结果表明,我们的方法在由CK+,Multi-PIE和JAFFE构成的混合数据集上用户无关的平均识别准确率超过了90%.在CK+上用户无关的识别准确率达到了96%,其中4.5%的性能提升得益于本文提出的对抗式表情特征提取方法.此外,在45°头部旋转范围内,本文方法还能够用于提高非正面表情的识别准确率.     

远程人脸识别方法的研究与仿真

研究远程准确人脸识别优化问题.在远程人脸图像采集过程中存在随机性,采集的人脸图像容易发生饰物遮挡,脸部侧偏等情况,造成采集图像可识别特征残缺,针对传统的方法过于依赖局部细节特征,无法准确的识别人脸.提出一种基于特征转化的人脸识别方法,根据采集到的人脸二维特征矩阵构造奇异值矩阵,运用迭代分解方法,把不能识别的缺陷特征转化成可识别的三维人脸特征,运用三维特征配合二维特征进行识别.经实验结果表明,改进方法能够准确识别远程采集的部分、遮挡的人脸图像,取得令人满意的效果.     

结合智能硬件技术与云管理平台开发的证件招领系统

开发了一款基于智能硬件和云平台的自助招领设备及招领管理系统。当丢失的证件被拾取到后,通过智能证件招领箱采集图像信息并上传,而后云管理平台完成证件信息的文字识别和人脸图像提取,并将相关信息实时发布到网上。失主可以登录招领系统查找并获得丢失证件存放柜号及对应的精确地理位置。系统通过人脸比对,完成失主身份信息的确认并自动开箱,失主自助领取。     

基于人脸识别的退休金身份认证算法

研究人脸识别的退休金身份认证问题,由于谁材料动态变化,给身份识别带来困难.为了提高退休金身份认证的准确率和效率,针对传统方法提供的身份证明时效性差,易伪造,识别过程复杂等缺陷,利用人脸图像有唯一性、稳定性和不需要接触等优点,提出一种人脸识别技术的退休金身份认证算法.通过对退休人员人脸进行实时采集,并与服务器人脸库进行匹配,实现退休人员身份真伪判断.将算法应用于退休金身份认证系统,结果表明,改进算法提高了退休金身份认证的准确率,可以有效阻止身份造假行为.     

一种高性能的人脸识别方法

在基于人脸图像的身份认证系统中,最关键的技术就是如何提取人脸图像的高质量特征以及如何进行分类识别,该文就提出了一种快速、准确的人脸图像识别方法。该方法利用基于核函数的学习算法,进行人脸图像的特征提取和分类。首先,该方法分别利用核主分量分析以及核Fisher算法提取人脸图像的特征,然后对这些特征进行合理的组合以构成组合特征向量,再利用支持向量机进行识别。实验结果显示,所提出的高性能人脸识别方法的识别率高,即使对于轻度光照不均匀的人脸图像、人脸姿势的有限变化图像,也能获得较高的识别率;同时,该方法的训练速度和识别速度也非常快,完全满足人脸识别系统实时性要求。     

基于LSSVM和RFID的智能门禁身份认证系统设计

针对目前已有的基于RFID的身份识别系统往往只侧重系统设计而没有对软件进行智能优化,设计了一种基于LSSVM和RFID的智能门禁身份认证系统;首先,设计了系统总体框架并描述了身份认证原理;然后,对系统的RFID子系统,微处理器和接口均进行了详细设计和描述,采用多层RBM组成的深度神经网络对人脸进行自动特征提取,通过比较差异算法训练深度神经网络,最后,根据RFID标签和提出的人脸特征,采用多个LSSVM进行人脸识别,并将投票结果作为最终识别结果;通过部署实验进行测试,结果证明文中设计的系统能实时有效地对智能门禁进行身份认证,具有识别率高和识别效率高的优点。     

人脸识别在退休金身份认证中的应用

针对传统方法提供的身份证明时效性差、易伪造、识别过程复杂等缺陷,利用人脸图像具有唯一性、稳定性和不需要接触等优点,提出一种基于人脸识别技术的退休金身份认证算法。通过对退休人员人脸进行实时采集,并与服务器人脸库予以匹配,实现退休人员身份真伪判断。将该算法应用于退休金身份认证系统,结果表明,该算法可提高退休金身份认证的准确率,有效阻止身份造假行为。     

身份保持约束下的人脸图像补全

人脸图像补全作为图像补全技术的一种特殊应用,在被遮挡人脸的识别、人脸修复等问题上有不可替代的作用。现有的人脸补全算法只针对补全图像的真实性,而未考虑其补全后的身份一致性。针对这一问题,设计了一种基于改进的生成式对抗网络的人脸补全算法,通过引入SN-GAN算法,提高了模型训练的稳定性,同时利用人脸识别模型对生成图像加入了身份一致性约束,经过实验证明,所提方法能够在生成高真实性图像时有效保持补全图像的身份一致。     

人脸识别技术发展及应用分析

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机采集人脸图像,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术处理．包括人脸图像采集、人脸定位、人脸识别预处理、记,忆存储和比对辨识,达到识别不同人身份的目的。     

基于人脸图像的实名制火车票检票系统研究

针对当前火车票实名制检票存在人工检票效率低、易造成检票口旅客滞留等问题,提出一种基于人脸图像的实名制火车票检票系统。首先在进站安检区域提取旅客的当前人脸图像和二代身份证人脸图像;其次将上述人脸图像上传至认证服务模块,运用基于旅客面部特征的身份认证算法进行身份认证,根据认证结果生成认证列表;最后将认证列表根据检票口信息下传至自动检票机(闸机),结合AFC检票信息完成实名制检票。实验结果表明,身份认证算法在FGnet人脸库上的正确认证率达到94.14%,且对光照与表情变化具有鲁棒性,能够满足火车票实名制检票的要求;该系统具有较高的可靠性和实时性。     

一种处理部分遮挡表情图像的方法

针对目前表情识别中眼部因头发、帽子等物体而存在部分遮挡的问题,提出了一种基于对称变换的眼部遮挡处理方法。方法针对二值化的人脸表情图像,参照人脸几何特征对眼部区域进行垂直积分投影;通过中心线检测算法,确定人脸的中心线并判断是否存在遮挡。对于不可容忍的遮挡,进行对称变换处理以修复表情图像。实验表明,在相同的特征提取方法和分类器选择情况下,该方法可有效提高部分遮挡人脸表情的识别效果,并可容忍头部一定范围内的偏转。     

基于分块稀疏表示的部分遮挡人脸识别

人脸识别利用已有的人脸数据库对给定的人脸图像进行识别,不同光照、不同姿态、部分遮挡情况下的识别问题是其中的热门研究课题。笔者针对人脸图像中的部分遮挡问题,通过AR人脸库对处理过的人脸图像采用分块稀疏表示的方法,在不同训练样本下进行多次实验。实验结果表明,分块稀疏表示对部分遮挡人脸的识别率有较大提升。     

基于EHMM的人脸识别算法

人脸识别是对从视频图像中检测到的人脸区域进行身份的认证．是将待识别人脸与数据库中的人脸进行匹配的过程。将EHMM应用于人脸识别,提取人脸的DCT系数特征作为观察向量,用EHMM算法进行人脸模型训练和识别,并使用OpenCV对人脸识别算法进行功能仿真验证和相关探究,达到较好的人脸识别效果。实验结果表明,正常光照下,该算法的识别率在95％以上。     

基于生成对抗网络的遮挡表情识别

针对实际应用中局部遮挡会影响人脸表情识别,提出一种基于生成对抗网络（GAN）的表情识别算法。先对遮挡人脸图像填补修复,再进行表情识别。其中GAN的生成器由卷积自动编码机构成,与鉴别器的对抗学习使得生成的人脸图像更加逼真;由卷积神经网络构成的鉴别器具有良好的特征提取能力,添加多分类层构成了表情分类器,避免了重新计算图像特征。为了解决训练样本不足的问题,将CelebA人脸数据集用于训练人脸填补修复,同时表情分类器的特征提取部分得到了预训练。在CK+数据集上的实验证明,填补后的人脸图像真实连贯,并取得了较高的表情识别率,尤其提高了人脸大面积遮挡的识别率。     

基于对比学习的多特征融合戴口罩人脸识别

随着计算机视觉技术应用的发展和智能终端的普及,口罩遮挡人脸识别已成为人物身份信息识别的重要部分。口罩的大面积遮挡对人脸特征的学习带来极大挑战。针对戴口罩人脸特征学习困难这一问题,提出了一种基于对比学习的多特征融合口罩遮挡人脸识别算法,该算法改进了传统的基于三元组关系的人脸特征向量学习损失函数,提出了基于多实例关系的损失函数,充分挖掘戴口罩人脸和完整人脸多个正负样本之间的同模态内和跨模态间的关联关系,学习人脸中具有高区分度的能力的特征,同时结合人脸的眉眼等局部特征和轮廓等全局特征,学习口罩遮挡人脸的有效特征向量表示。在真实的戴口罩人脸数据集和生成的戴口罩人脸数据上与基准算法进行了比较,实验结果表明所提算法相比传统的基于三元组损失函数和特征融合算法具有更高的识别准确率。     

基于Gabor小波变换和神经网络算法的人脸智能自动识别方法

常规人脸智能识别方法使用Fused-MBConv结构生成智能识别参数，易受输入图像的浅层特征影响，导致人脸识别准确率较低，为此提出基于Gabor小波变换和神经网络算法的人脸智能识别方法。为验证该方法的识别效果，将其与其他人脸智能自动识别方法进行对比。实验结果表明，该方法的识别率较高，具有一定的应用价值。     

基于结构化遮挡编码和极限学习机的局部遮挡人脸识别

提出使用结构化遮挡编码（SOC）结合极限学习机（ELM）的算法来处理人脸识别中的遮挡问题。首先，使用SOC去除图像上的遮挡物，将遮挡物体与人脸分离开；同时，通过局部性约束字典（LCD）来估计遮挡物的位置，建立遮挡字典和人脸字典。然后，将建立好的人脸字典矩阵进行归一化处理，并利用ELM对归一化的数据进行分类识别。最后，在AR人脸库上进行的仿真实验结果表明，所提方法对不同遮挡物和不同区域遮挡的图像具有较好的识别率和鲁棒性。     

基于PCA和LDA的人脸识别系统设计

在现代社会当中,身份认证与识别问题变得尤为重要。其中,基于人脸面部特征的识别技术因其具有的突出优点脱颖而出,得到了广泛研究与应用。考虑到当前人脸识别技术遇到的相关难点,寻求了一种主成分分析(PCA)和线性判别分析(LDA)相结合的方法对人脸进行识别,并且基于LabVIEW/Matlab和摄像采集系统等软硬件设备,设计了人脸识别系统。该系统以人脸识别算法为基础,利用PC机为操作平台,通过将即时采集的人脸图像与所建立的人脸特征库比对,从而快速有效地查出已登记人员的身份信息。