KIII模型及其在人脸识别中的应用

对一种模拟嗅觉神经系统的仿生模型、KIII模型、及其在人脸识别中的应用进行了研究。论文首先分析了KIII模型模式识别原理,然后基于人脸识别对模型的模式容量问题进行了研究。使用子图特征组合算法提取人脸特征后,在ORL人脸数据库上的实验结果表明,KIII模型的模式容量至少可以达到40,这也更新了之前认为KIII模型模式容量约为26的观点。     

SVM和HMM混合模型在人脸识别中的应用

采用支持向量机（SVM）和隐马尔可夫模型（HMM）相结合的方法进行人脸识别。首先对照片中的人脸进行定位,从定位区域提取人脸各个器官的独立基特征,然后使用支持向量机和隐马尔可夫混合模型对定位区域进行人脸识别。利用SVM和HMM结合的优点,取得较高的识别率。     

仿生模式识别在单镜头人脸识别中的应用

提出了一种基于仿生模式识别(Biomimatic Pattern Recognition)和多权值神经元网络(Multi-Weights Neural Network)的人脸识别新方法.对仿生模式识别理论在人脸识别中的应用模型作了讨论,并且介绍了一种新的人脸特征提取方法.本文通过实验对本文提出的基于仿生模式识别的方法和基于K近邻的方法做了对比,实验结果表明本文的方法克服了对未训练类型的人脸误识问题,提高了人脸识别系统的训练速度和正确识别率.     

TV改进算法及其在人脸识别中的应用

针对传统全变分（TV）模型在测试过程中存在的问题,将弹性网引入TV模型中,采用二次多项式对TV模型所丢弃的人脸低频信息进行光照归一化处理,并提取图像的高频信息,在YaleB图像库中测试其性能,仿真实验结果表明,相对于TV模型,TV＋二次多项式模型能够有效提高图像识别率。     

PCA算法及其在人脸识别中的应用

线性特征提取在人脸识别中的应用非常广泛,PCA是其主要方法之一,本文详细介绍了它所基于的K-L变换原理,实现了一个基于该算法的人脸识别系统,并用ORL人脸数据进行了实验验证.实验证明该方法是基本可行的,对实际应用有一定的参考价值.     

隐马尔可夫后处理模型在视频人脸识别中的应用

现有的多数人脸识别系统都专注于如何提高人脸识别算法的性能,但缺乏一种对数据源(人脸样本)进行分析和评估的机制。针对此问题,提出了一种建立在数据源分析基础上对典型人脸识别算法进行后处理的方法。为了揭示现有典型识别算法的识别性能在无约束环境下的鲁棒性,通过建立Lambertian反射模型和3D人脸模型,对特征脸算法的识别性能随数据源的变化(人脸姿态和光照改变)而变化的情况进行了分析评估。针对“数据源灾难”问题,提出了一种基于隐马尔可夫模型（HMM）的后处理解决方法,该方法通过利用视频序列图像的连续性和对训练人脸库的统计分析来提高判别分析方法对无约束环境的鲁棒性。实验结果表明,该方法可以有效地提高识别算法对“数据源灾难”的鲁棒性,提高识别率。     

改进的卷积神经网络模型在人脸识别中的应用

为了避免传统机器学习算法进行人脸识别时存在的性能差、泛化能力弱等问题,现提出一种基于LeNet-5改进的卷积神经网络模型。该模型包含输入层、三个卷积和池化层、一个全连接层和输出层。每次卷积完,成后,都使用ReLU激活函数进行非线性映射来增强模型的拟合能力;每次最大池化完成后,都使用Dropout方法防止过拟合。运行结果表明改进的卷积神经网络模型对动态采集的人脸图像数据集进行模型训练和模型预测时,训练精度和预测精度都达到了99%,优于传统人脸识别算法,充分验证了改进的卷积神经网络模型的有效性。     

K—Medoids算法在人脸识别系统中的应用

在人脸识别系统中,随着人脸图像库的增大．人脸检索速度和鉴别精度会急剧下降,为达到良好的系统性能,必须兼顾这两个方面。对K—Medoids算法进行优化的基础上,提出一种簇半径渐增的搜索策略,使人脸识别系统在检索速度和鉴别精度上得到提高。     

基于仿生学原理的改进KⅢ模型撤回

KⅢ模型真实地模拟了整个嗅觉神经系统,包括嗅上皮、嗅球层和嗅皮层．梨状皮质是嗅球层投射的最大区域,在气味信息处理、嗅觉产生的过程中起着非常重要的作用．但是KⅢ模型简化了对梨状皮质的模拟,这部分的模型结构仅使用一个KⅠ模型和一个KⅡ模型来表示梨状皮质中神经元的连接情况．为了完善KⅢ模型,本文结合嗅上皮层细胞、嗅球层中的嗅小球细胞和嗅皮层梨状皮质中锥体细胞之间的神经元比例关系,以及梨状皮质内部的神经回路、细胞结构,从仿生学原理对KⅢ模型进行改进．同时,本文采用小世界网络理论分析了输入通道数从5逐渐增加到100时,改进前后KⅢ模型的平均路径长度L和聚类系数C的变化情况．分析结果表明,与原KⅢ模型相比,改进KⅢ模型在输入通道数大于16时,具有较小的平均路径长度和更大的聚类系数;当输入通道数超过20时,改进KⅢ模型网络的C与对应等效随机图的Crand的比值γ增长更快且远大于改进前模型,即改进后的KⅢ模型较改进前的模型具有更强的小世界特性．     

人脸识别技术及其在访问控制系统中的应用

针对传统访问控制系统不能达到满意的安全防范效果,本文提出通过识别人脸的面部图像的方法来访问,从而实现对身份的双重检验的新思想。系统主要技术包括：用基于小波变换的PCA实现特征抽取,用最近邻域作为识别判据,以类内相似度为最终认定条件。     

图象隶属度及其在人脸识别中的应用

文中首先从代数理论和模糊数学出发，讨论向量空间中任一子空间对任一向量的接纳程度，将其定义为向量隶属度，并证明它具有一些不变性，然后将它推广应用于图象识别中，构造图象隶属度，人脸识别实验结果表明，图象隶属度具有良好的识别分离能力。     

LDA算法及其在人脸识别中的应用

线性特征提取在人脸识别中的应用非常广泛,LDA是其主要方法之一,它基于Fisher 判别准则,然而,当人脸训练样本数小于人脸样本向量的维数时,变换矩阵将无法直接得到,因此线性判别分析过程失效。采用了一种改进的基于Fisher 准则的LDA方法,针对小样本问题提出了一种有效地解决类内散布矩阵奇异的方法,而且用ORL人脸数据进行了实验验证。实验证明该方法在正确识别率方面表现突出。     

局部嵌入投影及其在人脸识别中的应用

针对线性鉴别分析忽略样本间局部结构特性的缺陷,提出一种局部嵌入投影人脸识别算法.利用样本间的近邻关系和类别标签信息将所有样本分属于多个近邻类和非近邻类;采用局部均值思想,对每个样本所对应的近邻类和非近邻类,定义其类内散布和类间散布;通过最大化总体类间散布与总体类内散布之比,使得具有相同类别标签且互相邻近的样本点在投影空...     

神经网络在人脸识别中的应用

将BP神经网络用于人脸识别,并建立了人脸识别模型,该识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程,具有简单,识别率较高的特点。     

人脸识别在考勤中的应用

人脸是最重要的视觉图像之一,在计算机视觉、模式识别等多个领域具有重要的研究意义.人脸识别现在应用广泛,比如2008年北京奥运会的售票系统就采用了人脸识别的技术.现在的考勤系统多为打卡机,并且代打卡现象严重.而人脸识别应用到考勤系统,保存考劫时人脸截图,并给出识别的结果,加强了考勤数据的准确性、完整性,并为日后考勤记录提...     

分块MMC及其在人脸识别中的应用

用最大间距准则(Maximum Margin Criterion,MMC)算法进行特征提取时,提取的是全局的特征,对局部的特征不能有效地抽取。因此,对MMC算法进行改进,提出一种基于分块MMC(Modular Maximum Margin Criterion,MMMC)的人脸识别方法。首先对图像矩阵进行分块,然后对分块后的矩阵进行MMC特征抽取,对每一子块抽取的特征进行整体融合,最后采用最近邻判决准则进行分类识别。在ORL、Yale人脸图像库进行的实验结果表明,新算法相比于MMC算法有更好的识别性能。     

人脸识别在银行中的应用

人脸识别技术，在安防系统中的应用已经引起社会各界的广泛重视。本文在技术上详细介绍了人脸识别技术的特点，并结合其在银行中的应用，与您作一分析。[编者按]     

人脸识别技术在系统中的应用分析

人脸识别技术是未来安保产品最重要的核心技术之一，在中国的应用也逐步得到发展。本文结合人脸识别技术的应用实际，为您展示人脸识别系统的各项功能及优势体现。     

对称LDA及其在人脸识别中的应用

线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。基于人脸的一种直观自然特性——镜像对称性,提出一种算法——对称线性鉴别分析。该算法引入镜像变换,生成镜像样本,依据奇偶分解原理,生成镜像奇、偶对称样本,并分别提取各奇偶样本的对称鉴别特征。理论分析与实验证明,该算法合理地利用了镜像样本,既扩大了样本容量,又提高了人脸识别率。     

神经网络在人脸识别中的应用

将BP神经网络用于人脸识别,并建立了人脸识别模型,该识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程,具有简单,识别率较高的特点.