基于自适应融合色度与亮度特征的彩色人脸识别算法

鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中,提出了一种基于自适应融合色度与亮度特征的彩色人脸识别算法。该算法基于YDhDr颜色空间分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图;通过自适应融合色度与亮度特征来构建彩色人脸识别特征;基于小波包结点能量的特征表示方法,分别在实数域和复数域中提取并融合色度与亮度分量的最崖鉴别特征向量,实现色度与亮度特征的最优化互补;使用基于方差相似度的分类器获得人脸识别结果。实验表明,该算法识别率高、鲁棒性好。     

基于OpenCV的人脸识别关键技术分析

人脸识别是一种基于人脸特征分析、比较和身份识别的生物特征识别技术。目前,人脸识别系统已经开始应用于人们的生产和生活当中。随着人脸识别技术的深入研究,已经研究出包括基于人脸几何特征方法、基于模板的人脸匹配等多种识别方法。人脸识别系统各模块功能不断完善,包括图像采集、检测、预处理、人脸特征和人脸识别等环节,形成可行方案。该文还简要介绍了OpenCV库提供基于PCA的特征识别算法、基于LDA的识别算法和基于LBPH局部特征提取多种人脸识别算法,分析了基于OpenCV搭建的人脸检测识别过程。     

扩大人脸识别系统应用

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。用摄像机或摄像头采集含有人脸的图像或视频流,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,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。人脸识别技术的研究肇始于20世纪60年代末期。20世纪90年代后期以来,一些商业性的人脸识别系统逐渐     

增强联系鉴别分析及在人脸识别中的应用

针对人脸识别中的小样本问题,本文提出了一种名为增强联系鉴别分析的方法并应用人脸识别中.该方法利用将人脸局部流形的结构信息和样本的类别信息进行有效地结合进行维数约简,首先构建人脸数据的近邻图与类别联系图,然后通过解决在一定约束条件下的优化问题来获取低维鉴别流形特征,实现在低维空间中同一类人脸数据聚集,不同类别间的人脸数据间尽可能发散,从而可以更好的应用于分类.在AT&T和Yale人脸图像数据库上的实验结果表明该方法能有效的提高人脸识别的性能.     

基于深度数据的空间人脸旋转角度估计

提出一种基于三维人脸深度数据的人脸姿态计算方法。利用人脸的深度数据以及与其一一对应的灰度图像,根据微分几何原理和相应的曲率算法与人脸数据中的灰度特征对人脸面部关键特征点定位,进而计算出人脸姿态在三维空间中的3个姿态角。实验证明该方法能在姿态变化情况下实现对人脸旋转角的准确估计,为进一步的人脸识别和表情分析提供基础。     

人脸识别技术性能评价方法优化与实践

本文先从人脸识别简介开始,引出当前人脸识别算法性能评估存在的问题,提出一套面向人脸识别算法的性能评价系统,就人脸识别性能评价当前存在的问题,从整体上分解人脸识别系统,分别就人脸检测、人脸标定、人脸识别算法设计一个整体性的评价系统。该系统可以更全面的衡量一套人脸识别算法的算法性能,并为算法开发人员提供算法优化依据。     

基于局部梯度算子的嘴部检测与定位

针对人脸识别中的特征提取问题,本文提出了一种由粗到精快速准确的嘴部自动检测和定位方法.该方法首先通过Adaboost算法检测出人脸图像大致的嘴部区域,缩小了后续定位的搜索范围;采用局部梯度算子提取嘴部轮廓,通过Ostu阈值法对提取的轮廓进行二值化处理,根据链码跟踪最终确定左右嘴角的精确位置.实验结果表明,该方法自动检测和定位嘴部快速准确,对表情和姿态的影响具有比较高的鲁棒性,有助于提高人脸识别算法的识别率.     

基于框架变换和PCA分析的人脸识别方法及实现

研究了利用紧框架变换和主成分分析获取人脸特征,设计分类器进行分类识别,通过边缘信息和弱分类器的不同权值对分类识别进行优化。基于人脸数据库的实验结果表明,我们的方法是一种快速、有效和稳定的人脸识别方法。     

基于曲波系数加权融合的人脸识别

为了提高人脸识别率和缩短识别时间,研究了基于曲波变换的人脸识别技术。考虑到传统曲波变换无法将多尺度多方向的曲波特征进行最优表示且其特征维数过大的缺点,提出了一种基于自适应加权融合的曲波变换和独立分量分析(ICA)的人脸识别算法。该算法通过曲波变换提取原始人脸图像的最优尺度和方向上的曲波系数,并对这些特征系数进行多方向上的融合,根据类别可分离性的判据原则对融合后的系数进行加权,以减少特征数量,提高处理速度;通过独立分量分析降维,将这些特征投影到更具表达力的空间,以获取有效特征,减少冗余信息,便于最近邻分类器进行人脸识别。基于在奥利维帝研究实验室(ORL)人脸库、Yale B人脸库和AR人脸库对该算法进行了测试,结果表明,其识别率分别达到98%、97%和98.57%,单幅图片的识别时间分别为65.43,158.94和20.37ms,从而验证了其实用性。     

面向视频监控的人脸超分辨率重建系统

随着视频监控系统在交通和安全等领域的广泛应用,人脸图像的高分辨率显示和识别问题显得日益重要。监控视频中人脸区域通常很小,辨识度很差,这给主观的人脸识别造成了一定的困难,为此本文提出一种基于样本学习的两阶段人脸超分辨率技术。分为全局脸重建阶段和残差补偿阶段。本文提出的方法能够根据低分辨率人脸图像合成效果较好的高分辨率人脸图像,消除了分辨率过低对人脸识别造成的影响。     

基于Android API的人脸检测

所谓人脸检测就是指从一幅图片或者一帧视频中找出所有人脸的位置和尺寸并进行标定。人脸检测是人脸识别系统中的一个重要环节,也可以独立应用于视频监控。在数字媒体日益普及的今天,利用人脸检测技术还可以帮助我们定位人脸位置,应用于数码照相,海量数据筛选等领域。最新的Android 4.0 SDK中提供根据弹性图匹配的人脸检测API。     

基于多尺度韦伯脸和梯度脸的复杂光照下人脸识别研究

针对复杂光照变化影响人脸识别准确性的问题,提出了一种基于多尺度韦伯脸和梯度脸相结合的复杂光照下人脸识别方法。首先定义了能够有效描述人脸纹理结构的多尺度韦伯脸,一定程度上减弱了不同光照条件的影响;其次融合多尺度韦伯脸和梯度脸提取人脸光照不变量;最后利用SVM多类分类算法实现人脸识别。使用CMU PIE与Yale B人脸库进行验证,结果表明:提出的算法能够有效消除复杂光照变化对人脸识别的影响,即在光照极差情况下,单样本图像作为训练图像也可以有很好的识别效果,且识别率显著高于韦伯脸、多尺度韦伯脸和梯度脸。     

小波包变换在人脸识别光照补偿中的应用

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法.该算法首先将人脸图像变换到对数域,并在对数域中计算2维小波包变换,通过舍弃部分子带图像中的系数来实现人脸图像的非均匀光照补偿.由于人脸光照补偿的目的是为了提高人脸识别性能,所以光照补偿的效果利用人脸识别率来表征.在Yale B人脸库中,与对数域离散余弦变换(DCT)光照补偿算法进行了比较,实验结果表明,本文方法的人脸识别平均误识率可以达到0.53%,比对数域DCT方法具有更好的性能.     

复杂光线环境下的机场人脸识别设计与应用

光照是影响人脸识别率的关键因素,它已成为阻碍人脸识别技术发展的最大障碍。在分析人脸图像受光照变化影响的基础上,按照处理方式的不同对光照处理方法进行分类和评价。基于光照归一化算法、光照不变特征提取算法以及3D光照模型算法对人脸成像过程进行优化。通过平衡光照亮度,采集稳定光照下的人像,分析3种图像处理方法的优缺点,提出新的针对人脸光照的研究方向。     

基于回归函数的多角度人脸识别算法研究

研究了基于回归函数的人脸识别算法,该算法有望引进到声学信号处理当中。人脸识别问题是人脸相关的计算机视觉研究的关键问题。传统的人脸识别研究主要针对正面人脸,研究的应用范围比较有限。在实际应用中,由于光照、姿势、表情、遮挡、分辨率等问题,使得传统方法在处理非正面人脸的时候具有很大的困难,这种情况对人脸识别算法有了更高的要求。针对图像中人脸角度在±45°的人脸识别问题,利用基于Haar特征的非线性Boosting回归算法,根据标定点邻域内的局部纹理预测标定点的位移,提出了一种新的基于经典活动形状模型(Active Shape Model,ASM)的实时多角度人脸识别算法。在对实测数据的测试实验表明,该算法的识别率高于经典的ASM算法并有显著提高。     

基于局部特征融合的人脸识别

提出了基于局部特征融合的人脸识别算法.首先把人脸图像分割为多个子图像,利用传统主成分分析的方法,对不同位置的子图像集分别建立不同的子空间并且抽取相应的局部特征.针对各局部特征,分别求出待识别图像对训练样本的隶属度.最后,基于模糊综合的原理对各局部特征进行数据融合,给出最终识别结果.实验结果表明,该算法能很好地融合人脸的局部信息,有效提高识别率.     

人脸识别的一种新的特征提取方法

针对人脸识别中判别特征的提取问题,本文提出了一种新的人脸识别算法—扩展保局投影（ELPP）。普通保局投影（LPP）在构建权图时侧重保持样本的局部结构,属于无监督学习算法。扩展保局投影在保局投影的基础上进行扩展,通过引入可调因子,在保持人脸图像局部流形结构的同时考虑样本的类别信息,从而充分提取样本的判别特征。本文采用最小近邻分类器估算识别率。在Yale人脸库以及AT＆T人脸库的测试结果表明,在姿态、光照、表情、训练样本数目变化的情况下,ELPP都具有较好的识别率。     

基于人脸肤色和特征的实时检测跟踪算法

针对实时视频中的运动人体目标,提出一种基于人脸肤色和特征的快速人脸检测和跟踪方法.首先运用帧差法和形状信息检测出视频中的运动人体目标;然后在YCbVCr色彩空间中,根据肤色的色度聚类特性建立Gaussian模型,分割出肤色区域,去除噪声后,结合人脸的几何特征和器官独有的颜色特征滤除非人脸肤色区域,准确定位人脸在图像中的位置;利用控制策略驱动摄像机,根据人脸信息使人的头肩部位始终处于视频图像的中心,从而实现运动跟踪.为了增强系统对光线变化的适应性,提出了适当的Gaussian模型参数更新策略.实验结果表明,该算法能够适应复杂背景下的人脸检测,具有速度快、准确率高、鲁棒性好的特点,实现了运动人脸的可靠跟踪.     

基于肤色特征的人脸检测

人脸检测在人脸识别过程中是最基本的处理,如果检测方法不当,会使识别过程崩溃,人脸检测在人脸识别中很重要。人脸模式是很复杂的,而且易受外界干扰,常见的人脸检测算法一般都具有计算量大、速度慢、误报率高的弱点,文中使用基于YCbCr颜色空间的肤色模型检测方法进行人脸检测,解决了计算量大的问题,并使用形态学理论对图像做了后续处理.     

我国自主研制成功高精度实时定位系统

据科技日报"当特殊病人如老年痴呆症病人走失后,能够准确定位出病人的位置;当矿井下出现突发事故,也能够准确定位井下工作人员位置实施救援,并且定位精度能达到0.89米,达到了国际先进水平……"重庆恩菲斯公司研发部副总经理张长伍说由该公司承担的重庆市科技攻关计划重点电子信息专项"基于线性调频扩频技术的实时点位系统研制"日前通过了重庆市科委组织的专家验收。实时定位系统按照定位实现方法不同可分为基于区域、卫星到达时间差/到达时间等。当前商用的实时定位系统定位精度以1米为分界线,1米之内的实现难度和成本都大大增加。随着新技