共查询到18条相似文献,搜索用时 171 毫秒
1.
基于小波分析与神经网络的人脸检测方法 总被引:1,自引:0,他引:1
本文设计了一种结合小波分析与神经网络优点的人脸检测方法.该方法主要包括两个阶段.在训练阶段首先借鉴图形学中的背景生成方法对AR人脸数据库中的人脸样本进行背景叠加;然后对经过预处理的训练样本进行小波分解,并将得到的小波系数输入精心设计的神经网络进行训练.在人脸检测阶段,通过将缩放后的图像的各个区域输入神经网络,由神经网络判断输入区域中是否包含人脸:在得到检测结果后,本文通过基于规则的方法以及基于SUSAN的方法进行人脸区域验证取舍与合并;最后通过实验结果的分析比较可以发现本文的方法不仅可以实现人脸区域的快速检测,而且不受光照变化以及噪声的影响. 相似文献
2.
3.
针对目前多视角人脸最佳视角方法计算复杂、鲁棒性低,提出了一种基于人脸视角评价因子的人脸最佳视角自动选取方法.根据人脸肤色具有良好的聚类特性,结合YCbCr和YCgCr色彩空间进行人脸检测,利用嘴唇色彩与人脸肤色的差异性,确定嘴唇区域位置.由人脸区域与嘴唇区域进行人脸视角评价,从多目摄像机系统中自动选择人脸最佳视角.实验... 相似文献
4.
5.
6.
将基于Boosted Cascade的人脸检测算法运用到视频图像当中,并结合图像序列中的运动信息,提出并实现了一种实时的人脸检测跟踪系统.首先根据图像的运动信息提取出可能存在人脸的候选区域,然后在候选区域中用Boosted Cascade算法进行检测.实验结果表明该系统能够实时地对于人脸进行检测跟踪,可以被应用在智能视频监控方面. 相似文献
7.
基于动态轮廓的彩色多人脸检测 总被引:1,自引:0,他引:1
提出了一种复杂背景下的人脸轮廓提取算法,算法包括以下步骤:先基于肤色分割图像,确定肤色区域的边缘;然后,利用人脸模板投影去除不可能是人脸的区域;再用Snake算法获取平滑轮廓;再用惯量矩得到拟合椭圆;最后利用简单的人脸模板对人脸区域进行确认.其算法的主要目的是解决人脸轮廓边缘点的不连续性问题,提取精确的人脸轮廓用于人脸分割和人脸识别,在一定程度上去除了部分遮挡造成的假轮廓边缘点,实验结果证明了算法的有效性. 相似文献
8.
9.
基于支持向量机的运动目标中人脸检测 总被引:2,自引:2,他引:0
本文提出基于支持向量机的运动目标中人脸检测方法.首先采用高斯马尔可夫随机场(GMRF)模型的分割算法将运动目标与背景分开,然后根据灰度投影定位头部区域,最后在头部区域以支持向量机作为分类器提取特征器官位置,依此裁剪出人脸样本.实验表明该方法是有效的,鲁棒的. 相似文献
10.
11.
提出一种行列分块的核独立成分分析(RC-KICA)的人脸识别方法。RC-KICA先对人脸图像矩阵按行列分块;然后对训练样本集依次进行行和列的核独立成分分析,得到左右解混矩阵;最后把训练样本子块投影到解混矩阵构成的特征空间进行特征提取及分类识别。RC-KICA更大程度地降低了样本维数,更好地解决了KICA高维小样本的缺陷。在YALE人脸库上的实验结果表明RC-KICA优于KICA和B-KICA。 相似文献
12.
在获取到的人脸图像不完备以及人脸图像在有遮挡、光照、表情的变化或受到噪声污染时,识别率就会变得十分低,针对这一问题,本文提出了一种基于HOG低秩恢复与协同表征的人脸识别算法HLRR_CRC.首先采用低秩恢复算法得到训练样本和测试样本的干净人脸图像,然后对测试样本中干净的人脸图像和训练样本中干净的人脸图像分别进行HOG特征提取,得到HOG特征向量,以此特征向量为基础,得到测试样本特征矢量的协同表示,最后,通过规则化残差进行分类.在ORL、Extended Yale B和AR数据库上进行测试,实验结果表明,本文算法对光照、噪声较鲁棒,相比于当前的人脸识别算法,本文算法在恶劣光照和噪声下的识别率平均提高29.6%. 相似文献
13.
14.
基于自适应加权Fisherface算法的人脸识别 总被引:8,自引:5,他引:3
提出了一种改进的Fisherface算法。算法首先利用Karhunen-Loeve(K-L)变换降维,在降维的子空间内,根据样本与同类样本间的距离赋予该样本一权值,再用加权后的样本求取类均值,以新的类均值重建类内散布矩阵和类间散布矩阵,从而改进Fisher判别函数。在ORL和Yale人脸库上的实验结果表明,该算法优于传统的主成分分析(PCA)方法和Fisherface方法,并能有效解决小样本情况下训练样本类均值偏离类中心的问题。 相似文献
15.
使用第二代身份证照片作为训练样本进行人脸识别属于典型的单样本问题,由于没有充分数量的训练样本,会造成常规的人脸识别算法识别率低下。甚至无效的问题。为此采用虚拟样本生成方法,并针对遇到姿态变化较复杂的人脸时,识别率不高的问题,提出了一种新的多姿态的虚拟样本生成方法,通过模拟人脸侧向旋转、俯仰和立体旋转等增加有效的训练样本。再使用鲁棒性较好的HMM进行人脸识别。在自建的身份证人脸库上进行测试,实验结果显示.该方法在一定程度上减弱了人脸姿态的变化对识别率的影响,并取得了较好的识别效果。 相似文献
16.
融合原始样本和虚拟样本的人脸识别算法 总被引:1,自引:0,他引:1
由于有限的存储容量和捕获图片的时间,实际的人脸识别系统往往只能获得少量的训练样本,但是,在小训练样本情况下大多数人脸识别算法都会遇到困难.因此,为了提高人脸识别的分类正确率,提出了一种融合原始样本和虚拟样本的人脸识别方法.该方法先利用人脸的对称性来构造虚拟训练样本;然后,利用协同表示方法分别对原始训练样本和虚拟训练样本进行分析,并且分别得到每一类训练样本的重建误差;最后,将原始训练样本和虚拟训练样本的同一类重建误差进行加权融合并得到最终的分类结果.大量的实验结果比较分析表明,该方法可以获得更好的识别效果. 相似文献
17.
提出了一种简单且快速的基于表示的人脸识别方法,并给出其内在的原理.首先,该方法从每一个类的测试集中,只选择最近的训练样本;然后,将测试样本表示为所有选定训练样本的线性组合;最后,由欧氏度量进行决策,通过修改测试样本与训练样本之间的邻居关系,达到更好的识别效果.ORL及Yale人脸数据库的实验结果表明,所提方法可对测试样本进行高准确度的分类,比最近邻分类法分类更准确,相比几种常用的特征空间方法具有更高的识别率. 相似文献