基于几何特征与深度数据的三维人脸识别

提出一种基于三维点云数据多特征融合的人脸识别方法。利用深度信息提取人脸中分轮廓线和鼻尖横切轮廓线;采用曲率分析的方法定位出人脸关键点,针对鼻子等人脸刚性区域,选取并计算了4类(包括曲率、距离、体积和角度)共13维的特征向量作为三维几何特征。深度图特征采用结合LBP与Fisherface的方法进行提取与识别。在3DFACE-XMU和ZJU-3DFED数据库上比较了该方法与PCA、LBP等单一方法的识别性能,识别效果有比较明显的提升。     

融合多种几何特征的三维人脸识别算法

由于对光照、姿态变化的不敏感, 三维人脸识别算法已经受到人们的极大关注, 其中三维人脸特征的表示、获取以及多种表示特征的有效融合仍然是三维人脸识别的核心问题. 本文提出一种三维人脸识别方法, 该方法针对归一化的三维人脸数据, 选取人脸的曲面特征和描述人脸特征相互关系矩阵的主分量特征作为人脸表示特征, 给出了各特征的提取方法及同类特征的相似性度量, 进而提出了一种对各类特征进行加权融合的方法, 即通过分析不同特征的分类识别能力, 根据Fisher的线性判别准则, 以类内和类间特征相似度的均值差与类内和类间的散度平方和之比的大小作为该类特征权重, 在决策层为不同的特征赋予不同的权重. 最后, 基于公开发布的BJUT-3D三维人脸数据库进行了识别性能实验. 实验结果证明, 本文的特征融合方法比一般的加权策略有更好的识别性能．     

改进的三维人脸识别方法

针对目前三维人脸几何特征识别算法中计算量大和设备昂贵,尤其是在特征融合时加权值确定的不精确性问题,提出了根据双目立体视觉原理,通过对普通二维图像确定脸部关键部位特征点的三维几何特征信息,并且依照类内距离越小越好,类间距离越大越好的准则设定适应度函数,使用人脸样本数据根据遗传算法进行训练,得到使适应度函数最小时的最优解,从而获得三维人脸几何特征融合时的最佳加权值。实验结果表明了该算法的可行性和有效性。     

基于奇异点邻域结构的三维人脸识别方法

提出一种新的基于奇异点邻域结构的三维人脸识别方法.首先,在人脸纹理图像上分割目标区域,划分特征子区域,提取二维奇异点和奇异点邻域结构;然后,在人脸空间几何信息上标记三维奇异点及其邻域结构,并以奇异点和奇异点邻域结构的三维信息表征人脸特征;最后,采用奇异点邻域结构最近点方法识别人脸身份信息.实验结果表明,所提出方法在三维人脸识别方面具有较高的识别准确率和较好的鲁棒性能.     

一种基于几何特征的斜视人脸图象特征恢复方法

利用人脸图象的轮廓特征，对斜视人脸图象恢复出识别中需要的几个基本正面几何特征、实验结果表明该方法获得较好的效果。     

基于分层特征化网络的三维人脸识别

针对三维人脸多表情、多姿态变化同时存在，人脸点云数据不同程度缺失的问题，探索性地将三维点云人脸数据应用于PointNet系列的分类网络并进行了识别结果的对比与分析，然后提出了一种新的网络框架——HFN。首先，在数据预处理后随机采样固定点数的点云；其次，将固定点数的人脸点云输入SA模块，以获取局部区域的质心点、邻域点并提取局部区域的特征，然后拼接由DSA模块基于多方向卷积提取的点云空间结构特征；最后，利用全连接层进行三维人脸的分类，从而实现三维人脸识别。在CASIA数据库上的结果显示，所提方法的平均识别率为96.34%，优于PointNet、PointNet++、PointCNN和空间聚合网络（SAN）这几种分类网络。     

基于分层特征化网络的三维人脸识别

针对三维人脸多表情、多姿态变化同时存在,人脸点云数据不同程度缺失的问题,探索性地将三维点云人脸数据应用于PointNet系列的分类网络并进行了识别结果的对比与分析,然后提出了一种新的网络框架——HFN。首先,在数据预处理后随机采样固定点数的点云;其次,将固定点数的人脸点云输入SA模块,以获取局部区域的质心点、邻域点并提取局部区域的特征,然后拼接由DSA模块基于多方向卷积提取的点云空间结构特征;最后,利用全连接层进行三维人脸的分类,从而实现三维人脸识别。在CASIA数据库上的结果显示,所提方法的平均识别率为96.34%,优于PointNet、PointNet++、PointCNN和空间聚合网络（SAN）这几种分类网络。     

基于轮廓线的三维人脸识别的改进算法

对已有的基于轮廓线的人脸识别方法进行了改进,在人脸的任意位置利用PCA自动确定人脸纵方向,采用网格配准方法提取对称面和对称轮廓线。通过计算对称轮廓线上的曲率,提取其他3条横向轮廓线。对提取的4条轮廓线进行重采样和归一化,截取轮廓线的有价值部分作为ICP算法的输入,进行人脸识别。试验证明,该算法将人脸识别率从原来的86.5%提高到了94%,降低了误识率。     

基于圆角特征简化的工序三维几何建模方法

三维实体模型是CAX集成研究中的基础,圆角特征广泛存在于零件设计模型中,为提高此类零件工序三维几何建模的准确性,提出一种基于圆角特征简化的工序几何建模方法.通过分析工序三维几何建模过程中对圆角特征几何元素的提取过程,提出构建圆角特征线段,以便准确获取三维模型上的加工特征边界;利用加工特征边界和拉伸、旋转和扫掠3种常用的几何造型方式,建立加工体积特征;通过上一道工序的三维模型与加工体积特征作布尔差运算,得到本工序的三维几何模型.最后以某零件的工序三维几何建模过程为例,采用3种方法进行工序几何建模,通过对结果的分析对比,验证了文中方法的优越性.     

基于改进LDA算法的人脸识别

提出一种基于改进LDA的人脸识别算法,该算法克服传统LDA算法的缺点,重新定义样本类间离散度矩阵和Fisher准则,从而保留住最有辨别力的信息,增强算法的识别率.实验结果证明该算法是可行的,与传统的PCA LDA算法比较,具有较高的识别率.     

基于几何特征的静态字母手势识别算法

针对聋哑人哑语手势自动识别问题的复杂性,研究了手势几何特征的多样性及提取和识别方法,提出了一种基于几何特征的手势识别算法.首先,对手势图像进行肤色分割、边缘检测以及逻辑运算,然后,计算其质心面积等多项几何特征,通过实验方法测定最佳特征权值,最后,将其与样本图像特征值进行匹配,最佳匹配即为检测结果.根据30个字母手势创建了3套手势库,其中1套作为样本集,2套作为测试集.实验结果表明,通过该方法进行特征提取来识别汉语字母手势,可有效提高识别率,测试集识别率达到93.33％.     

基于改进几何特征的虹膜定位算法

针对随机Hough变换造成的大量无效采样和无效累积问题,提出了基于改进几何特征的虹膜定位算法;首先通过先验知识对传统的去短枝算法进行了改进,然后对仍然留在图像上的噪声点和高频细节用‘投影’算法进行了进一步的去除,这样就降低了无效采样的概率;在虹膜粗定位的过程中,文中采用的是圆的内接直角三角形;任意取两点,比取三点的方法降低了无效采样的概率,提高了虹膜定位的效率。     

一种基于不相关鉴别特征的人脸识别方法

提出了基于图像矩阵的不相关的线性鉴别分析方法,比较了采用图像矩阵和图像矢量特征时主分量分析方法和线性鉴别分析方法的识别性能,并对实验结果进行了详细分析.     

一种改进的贝叶斯人脸识别算法

本文对人脸识别的贝叶斯方法ML中相似度计算公式进行了简化，对数据集的训练和人脸图像的预处理进行了修改，提出了一种改进的贝叶斯人脸识别算法SML。在FERET人脸图像库的子集和南大人脸图像实验库上对识别算法进行了测试和比较。实验表明，SML算法提高了ML算法的效率，克服了ML算法计算效率不高的缺陷，而且SML的识别效率明显高于PCA方法。     

基于改进型LBP特征的人脸识别方法研究

不可控制条件是人脸识别应用到实际中的最重要瓶颈之一.寻求有效且分类性能高的人脸表征方法至关重要,在局部二值模式(LBP)的纹理提取基础上,引进一种改进的新型的局部三值模式(LTP)纹理特征提取方法,此方法时光照变化和噪声更加鲁棒且更有利于分类,最后采用PCA和Fisher线性判别分析对特征空间进行降维和最优鉴另q分类.结合一系列简单实用的图像预处理方法,在JDL和AR两个标准人脸库上对此方法进行测试评价,实验结果表明此方法的有效性和可行性.     

一种混合特征的人脸识别算法仿真研究

研究人脸识别优化问题,人脸图像受光照、人脸表情和位置变化等因素影响,由于图像具有复杂的多尺度特征,传统人脸识别算法只能提提取局部或全局特征,不能准确描述人脸图像,导致人脸识别率低。为了提高人脸识别率,提出一种小波分解和LBP算子相结合的人脸识别算法(WTLBP)。WTLBP首先利用小波变换对人脸图像进行分解,将人脸图像分解成大尺度和小尺度图像,然后采用LBP算子提取人脸图像的多尺度特征,最后采用概率统计法对人脸进行匹配识别。对ORL人脸库进行仿真,结果表明,WTLBP能够提取到人脸图像更加丰富的局部和全局信息,对光照、人脸表情和位置变化具有较高的鲁棒性,提高了人脸识别率。     

基于非负矩阵分解的人脸识别算法的改进

非负矩阵分解方法是基于局部特征的特征提取方法，已经成功用于人脸识别。研究基于非负矩阵分解的人脸图像识别的改进算法是一个有重要意义的研究课题。采用二维非负矩阵分解方法（2DNMF）和对角非负矩阵分解方法（DiaNMF），并且使用正交的基矩阵进行Matlab实验。实验结果表明，以上改进措施能够有效提高人脸图像识别的正确率。     

基于改进BP神经网络的人脸识别算法

神经网络具有运行计算速度慢,不容易收敛的缺点,文中针对此问题提出了图像的光照校正、图像降维与改进型神经网络相结合的人脸识别算法.运用了图像进行光照校正,人脸图像进行降维及不同的光照条件下的人脸图像运用改进型的BP神经网络对进行识别.讨论了基于网络中的参数数据选择问题,对网络学习速度和Sigmoid函数进行了明显改善.实验结果表明,其识别率有了显著的提高;改进后的BP网络收敛速度在得到相同识别率的效果下显著加快.     

基于非负矩阵分解的人脸识别算法的改进

非负矩阵分解方法是基于局部特征的特征提取方法,已经成功用于人脸识别。研究基于非负矩阵分解的人脸图像识别的改进算法是一个有重要意义的研究课题。采用二维非负矩阵分解方法(2DNMF)和对角非负矩阵分解方法(Di-aNMF),并且使用正交的基矩阵进行Matlab实验。实验结果表明,以上改进措施能够有效提高人脸图像识别的正确率。