综合图像灰度熵和灰度值的人脸识别方法

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸识别方法,在信息论的编码熵的基础上提出了灰度熵的概念,并把人脸图像的行象素灰度熵和列象素灰度熵作为人脸图像的部分特征.在人脸识别系统中,把人脸图像灰度值和行（与列）象素灰度熵作为特征.在具体操作方面,基于人脸图像的不同部位具有识别的不同重要性的特点,采取隔行（列）或逐行（列）进行特征提取,来训练支持向量机分类模型,然后把分类模型应用于人脸识别系统,实验证明了误识率并没有上升太多,而识别速度提升不少.     

基于网络摄像头的活体人脸识别系统设计

针对当前监控系统平台体积大、功能单一、造价高等问题,文中基于海思3518E平台设计了一套在线活体人脸识别系统。该系统包含图像预处理、图像获取、人脸检测、人脸活体检测、人脸识别共5个部分,并针对传统算法在嵌入式平台的不足进行了改进与优化。系统通过摄像头采集的人脸图像对图像做预处理,为后续图像特征提取提供保障,利用扩展Haar特征训练分类器,并使用Adaboost算法级联分类器进行人脸检测,将检测到的人脸利用HSV和Ycbcr多色彩空间下提取的COALBP和LPQ融合特征训练SVM模型,并进行活体人脸检测。最后,对人脸图像分块提取LBP特征进行人脸识别,将识别结果通过微信小程序显示。实验结果表明,基于海思网络摄像头人脸识别系统的可行性,具有一定的实用价值。     

考虑光照鲁棒性的超分辨率人脸识别系统设计

为保障不同光照下低分辨率人脸的超分辨率识别精度与效率,设计了考虑光照鲁棒性的超分辨率人脸识别系统。通过包含DSP单元与ARM单元的控制器模块,驱动人脸视频采集模块。采集不同复杂光照的人脸视频信息并解析成视频帧后,预估视频帧序列的位移情况,恢复视频帧序列的超分辨率,融合超分辨率视频帧构成人脸图像样本。利用人脸特征提取模块补偿全部人脸图像样本复杂光照,并提取其LBP特征构成人脸库。通过人脸识别模块匹配人脸图像的LBP特征与人脸库,识别出超分辨率人脸图像。结果表明,该系统的光照鲁棒性人脸图像采集与人脸图像LBP特征提取两部分的实现效果均较好。可有效识别出背光、强光及弱光下的超分辨率人脸,识别效率较高,识别成功率能够达到96.7%,为光照鲁棒性人脸识别提供保障。     

基于小波分解和支持向量机的准正面人脸识别方法

基于小波分解提取人脸特征技术和多分类支持向量机模型，提出了一种新的准正面人脸识别算法。小波分解提取人脸特征具有对表情变化不敏感的特点；支持向量机作为分类器被认为具有很高的推广(generalization)性能，无需先验知识。在所提出的算法中，首先对训练图像进行预处理，然后使用小波分解方法对人脸图像进行特征提取，用所提取的人脸特征向量训练多分类支持向量机模型，最后用训练好的支持向量机进行人脸识别。利用ORL人脸图像库对该算法的实验测试结果，以及与其它人脸识别方法的比较结果表明了该算法在识别性能方面的优越性。     

基于BP神经网络的人脸识别系统研究

本文设计了一种基于BP神经网络的人脸识别系统,并对其进行了性能分析.该系统首先利用离散小波变换获取包含人脸图像大部分原始信息的低频分量,对图像数据进行降维;再由PCA算法对人脸图像进行主成分特征提取,进一步降低图像数据的处理量;最后使用经过训练后的BP神经网络对待测人脸进行分类识别.详细介绍了离散小波变换、PCA特征提取以及BP神经网络分类设计.通过系统仿真实验与分析发现:人脸特征的提取是该系统的关键;同时,由于人脸灰度信息的统计特征与有监督训练BP神经网络分类器,使该系统只在固定类别,并且光照均匀的人脸识别应用场景中具有较高的识别准确率.因此,很难在复杂环境中应用.     

基于Matlab的人脸识别系统设计

随着人工智能的飞速发展,人脸识别技术已经应用到很多领域中,能否准确识别人脸成为最关键的问题。文章以Matlab为工具,以肤色特征对目标人脸进行实时地追踪与识别,对人脸的处理过程分为图像预处理、人脸检测、特征提取以及分类识别4部分,最终实现对有遮挡物等特殊情况下的人脸识别。实验结果显示此系统具有较高的识别精度,实时性、鲁棒性良好。实验表明,此人脸识别系统具有广阔的应用前景。     

3D人脸识别研究探索

2D人脸识别技术虽已成熟,但由于单一的2D图像不能提供识别所需的完整信息,故其识别精度很难进一步提高。在人脸识别过程中,特征提取是影响识别效果的一个重要环节,在分析了传统的主成分分析法和由此改进的2D PCA方法的基础上,提出了3D人脸识别方法。该方法将人脸图像分为几个部分分别进行特征提取,同时充分考虑每个部分所包含的特征信息量的多少,并在分类时赋予它们不同的权值。因此,将人脸用立体图像来表示并进行识别是目前提高人脸识别精度的前沿课题。     

基于离散小波变换和ICA支持向量机的人脸识别

为了实现对具有不同光照、姿势和噪声的人脸进行识别并提高识别精度,设计了一种基于离散小波变换和最小二乘支持向量机的人脸识别方法。首先,采用二维离散小波变换对人脸图像进行压缩和降噪,以提取低频特征信息分量,然后采用快速独立成分分析法ICA对经过离散小波变换后的人脸低频分量进行特征提取,以进一步减少人脸特征向量维数。在获取图像特征向量的基础上,采用径向基函数作为核函数,将训练样本数据输入最小二乘支持向量机进行训练以获得最终的分类模型。在ORL数据库下采用MATLAB仿真工具进行仿真,实验结果表明,该方法能有效地实现对人脸识别,与其他方法相比具有较高的识别精度。     

基于LLE和LS-SVM的人脸识别方法

为了提高人脸识别的速度,提出了一种基于局部线性嵌套(LLE)和最小二乘支持向量机(LS-SVM)的人脸识别方法.该方法采用主成分分析(PCA)和LLE相结合的算法,对归一化处理过的人脸图像进行特征提取,利用LS-SVM对人脸图像样本集进行训练和识别,以提高识别的速度.最后将本文方法在ORL人脸数据库上进行试验,结果表明,人脸识别的速度有了一定的提高,识别率达到了90%以上.     

基于嵌入式人脸表情识别技术系统研究

基于ARM-Linux嵌入式系统作为平台,通过建立统一的隐马尔可夫模型(HMM)来完成基于视觉的人脸特征提取和面部表情识别系统。系统选用基于V4L的方法编写程序,实现图像处理、人脸检测和表情识别。选用S3C6410处理器作为硬件核心,选用OV7640+OV511的结构实现图像信息采集。文章对浮点算法进行了改进,极大地提高了ARM处理器上图像预处理的速度。该系统实现在安检系统中人脸识别,视屏处理,人脸追踪侦测等方面的功能。     

光照鲁棒的人脸识别

传统的人脸识别方法对待识别人脸图像的质量要求较高,而且要求所采集的人脸图像的光照情况与人脸训练库的光照情况的差异不能太大,这就限制了人脸识别系统运行的环境条件,从而限制了人脸识别的应用。为了降低人脸识别对环境条件的要求,真服光照对人脸识别的影响。本文分析了人脸图像的幅频特性和相频特性,提出了频域光照归一化的人脸识别方法,使得对任何光照条件下采集的图像经过归一化后,光照情况与训练库中的图像完全相同,同时保留了人脸的可区分性。因为人脸之间差异的信息量一般较少,故本文运用最小非零特征向量作为人脸特征,通过实验仿真,与传统方法相比本文人脸识别方法对光照变化具有鲁棒性。     

一种基于视觉词袋模型的人脸识别方法

针对人脸图像因受表情、光照、角度等因素影响,导致人脸识别率较低的状况,提出了一种基于视觉词袋模型的人脸识别方法。该方法首先对图像进行分块并提取局部特征,其次利用训练样本的所有局部特征训练全局的混合高斯模型,然后以此为初始化训练单张图像的混合高斯模型,生成该图像全局特征向量,最后用PLDA进行人脸识别。通过在LFW数据库上进行实验,结果显示本方法的识别率高于传统的特征提取方法,证明了本方法具有更强的识别性能。     

基于多尺度训练库与多特征融合的人脸识别

针对光照差异、表情变化、遮挡等因素造成人脸识别率低的问题,提出一种基于多尺度训练库和加权特征的鲁棒性人脸识别算法。首先根据不同大小的图片具有不同信息量的特点定义并建立多尺度训练库,然后采用RPCA方法对人脸图像进行分解,之后进行HMLBP特征和Eigenface特征提取,最后引入一个权重因子将两种特征进行加权融合,并采用基于稀疏表达的方法对人脸图像进行识别。实验结果表明,相比其他人脸识别算法,本文提出的算法对标准人脸库保持较高识别率,最高可达99%,同时对遮挡人脸库也具有较好的识别效果,鲁棒性较高。     

一种消除光照影响的人脸识别方法

光照变化容易使人脸图像的灰度分布不均匀,造成局部对比度差别较大,影响人脸识别的效果。为此本文首先分别对人脸图像进行直方图均衡化和对数变换,接着将处理后的图像进行融合,然后运用PCA算法对人脸图像进行特征提取,最后采用三阶近邻分类法来实现人脸识别。通过对Yale、ORL和FERET人脸库的仿真实验结果表明,该方法在人脸图像光照变化的情况下,能够较好地改善人脸补偿的效果,具有较高的平均识别正确率。     

基于CS-LBP特征融合的人脸智能识别方法研究

传统人脸智能识别方法存在识别正确率低的问题,为此提出了一种基于CS-LBP特征融合的人脸智能识别方法。通过分析人脸表情特征提取流程,设计CS-LBP特征融合目标计算,获取模糊特征LBP阈值。并结合不同LBP算子距离,均衡人脸图像灰度,以此提高人脸识别图像的清晰度。同时,绘制人脸识别标准纹路模型,计算经过识别后的人脸纹路与标准纹路的垂直距离,判断距离是否符合高斯单元线性组合规律,若符合规律可输出识别参数与结果,完成人脸的智能识别。采用设计实验的方式,验证了提出方法在实际识别应用中,可提高人脸图像识别正确的次数,证明了设计方法更具备实际应用价值。     

基于小波PCA与BP神经网络的人脸识别算法

特征提取和分类器设计是人脸识别算法中的两个关键问题。提出一种基于二次小波变换、PCA算法与BP神经网络的人脸识别算法。该算法采用二次小波变换与PCA相结合的算法提取人脸图像的主要特征,并运用加入动量项的改进BP神经网络算法进行人脸图像分类识别。在MATLAB环境下,利用ORL人脸图像数据库进行了仿真实验,实验结果表明,该算法实现简单、识别速度快、识别率较高。     

基于身份感知模型的素描人脸识别方法

针对素描图像和光学图像之间存在较大的模态差异这一问题,提出了一种基于身份感知模型的素描人脸识别方法,实现跨模态图像生成和素描人脸识别。该方法应用新的感知损失来监督图像生成网络,生成更好的跨模态图像,减少模态差异带来的识别精度损失,并通过三元组损失来正则化类内和类间距离,增强识别模型的性能,用联合训练策略提升素描人脸识别能力。在UoM-SGFSv2、e-PRIP等素描人脸数据集上的实验结果表明,该方法识别效果优于其他对比算法。     

基于人脸识别的图像考勤系统设计与实现

基于人脸识别的智能系统在近几年中非常活跃,是计算机视觉和模式识别领域里的研究重点,如基于人脸识别的考勤系统、基于人脸识别的门禁系统、基于人脸识别的考试系统等等。基于人脸识别的图像考勤系统首先进行人脸图像采集和人脸检测,将采集到的人脸图像保存实现人脸注册,然后对图片中的所有人脸进行检测和识别,将识别到的信息进行保存,根据人脸识别中保存的信息可以查询信息,实现考勤。     

色度与亮度特征相融合的彩色人脸识别算法

在存在色度与亮度差异性的条件下,彩色人脸的识别准确度不高,为了提高彩色人脸的识别性能,提出基于色度与亮度特征相融合的彩色人脸识别算法。对采集的原始彩色人脸图像进行色度均衡处理,采用特征提取方法进行人脸的关键特征点定位,提取人脸图像的色度和亮度特征。对提取的特征量根据眼睛和眉毛等关键点的差异性进行信息融合,对提取的眼部区域色度信息进行二值化分离和信息增强处理,提高对彩色人脸图像的特征识别能力,实现彩色人脸识别算法的改进设计。仿真结果表明,采用该方法进行彩色人脸识别的准确识别率较高,抗色度和亮度的局部干扰能力较强。     

基于小波变换和余弦变换的Fisher脸识别

结合几种现有的人脸识别特征提取算法,先对人脸图像进行小波分解去噪;然后通过离散余弦变换对低频分量作进一步特征提取和压缩,保留人脸图像中对光照、姿态、表情变化不敏感的识别信息;接着利用PCA和LDA相结合得到最终的识别特征,最后采用欧式距离和最近邻分类器识别人脸。实验采用ORL标准人脸库验证了这种组合的有效性。