基于支持向量机和纹理特征的人脸识别

提出了一种基于支持向量机和纹理特征的识别方法及框架模型。即在研究支持向量机理论的基础上,采用支持向量机的分类算法实现人脸识别系统的训练和测试,并将图像的纹理特征技术应用于人脸识别的预处理中。实验表明支持向量机和纹理特征相结合可以获得较好的识别率。     

一种光照变化条件下的人脸识别方法

针对光照变化引起的人脸识别问题,提出一种区域光照人脸识别方法。首先采用区域划分技术将人脸图像分为4个区域,以区域范围内的灰度变化作为光照影响人脸显示的度量值,对受光照影响区域进行频域光照归一,再以区域为单位采用支持向量机进行识别,最后对识别结果进行融合。实验表明,该方法可以在光照变化条件下获得较好的人脸识别率。     

基于支持向量机的人脸识别方法

1.引言人脸是人类视觉中的常见模式,人脸识别在安全验证系统、公安(犯罪识别等)、医学、视频会议、交通量控制等方面有着广阔的应用前景。现有的基于生物特征的识别技术,包括语音识别、虹膜识别、指纹识别等,都已用于商业应用。然而最吸引人的还是人脸识别,因为从人机交互的方式来看,人脸识别更符合人们的理想。虽然人能毫不费力地识别出人脸及其表情,但人脸的机器自动识别仍然是一个具挑战性的研究领域。由于人脸结构的复杂性以及人脸表情的多样性、成像过     

Human Face Detection in Digital Video Using SVMEnsemble

This Letter proposes automatic human face detection in digital video using a support vector machine (SVM) ensemble to improve the detection performance. The SVM ensemble consists of several independently trained SVMs using randomly chosen training samples via a bootstrap technique. Next, they are aggregated in order to make a collective decision via a majority voting scheme. Experimental results show that the proposed face detection method using SVM ensemble outperforms conventional methods such as using only single SVM and Multi-Layer Perceptron in terms of classification accuracy, false alarms, and missing rates.     

利用图像颜色及其边缘直方图特征的SVM人脸检测

研究了利用颜色直方图、颜色边缘幅值和边缘方向直方图特征,基于支撑向量分类器的检测人脸技术.提出了一种新的边缘方向编码,在与颜色直方图结合中比传统方向编码有更好的分类性能.采用多重交叉检验的ROC评估,实验表明结合颜色直方图和颜色边缘直方图能明显提高分类精度;支撑向量机能有效地挖掘基于颜色的综合直方图的分类潜力,分辨出不同光照条件下、不同表情甚至部分遮挡的非深度旋转的彩色人脸,体现出结合颜色及其边缘统计特征在人脸检测中的有效性和鲁棒性.     

Face Recognition Using the Discrete Cosine Transform

An accurate and robust face recognition system was developed and tested. This system exploits the feature extraction capabilities of the discrete cosine transform (DCT) and invokes certain normalization techniques that increase its robustness to variations in facial geometry and illumination. The method was tested on a variety of available face databases, including one collected at McGill University. The system was shown to perform very well when compared to other approaches.     

基于支持向量机的人脸分类

提出了一种基于支持向量机的人脸分类方法,首先对人脸图像作二维离散余弦变换,取离散余弦变换系数作为特征,然后用支持向量机进行分类。用Essex人脸图像数据库进行性别分类,取得了很好的分类效果。     

图像灰度分布标准化算法研究

人脸图像的灰度分布标准化处理是人脸识别的预备工作 ,文献中并不多见 ,且大体上为经验式的 ;本文从较为理论化的角度推导了一种简单的近似标准化算法 ;接着又设计了另一种新算法 ,对图像灰度作精确的标准化处理 .两种算法各有其优缺点和应用场合 ,文中设计了它们的质量评价方法 .本文工作使灰度分布标准化算法研究达到一个比较系统的阶段 .     

基于量子遗传算法的支持向量机人脸识别技术

首先应用K-L变换对人脸图像进行特征提取,然后利用支持向量机对其进行识别。由于支持向量机的参数对识别性能有较大影响,因此这篇文章文采用量子遗传算法对支持向量机参数进行选取。算法解决了支持向量机参数选取的难题。利用ORL人脸库进行仿真实验,得到了较好的识别效率。     

基于谱直方图与支持向量机的人脸检测

提出了一种基于谱直方图和支持向量机的人脸检测算法。首先使用梯度滤波器、LoG滤波器和LBP算子计算图像的谱直方图,然后使用支持向量机进行分类。经实验表明,算法可以克服光照、姿势、表情、眼镜等干扰,并允许有局部遮挡,具有较强的鲁棒性。     

基于偏最小二乘法与支持向量机的人脸识别

该文认为在人脸识别中,偏最小二乘回归方法作为一种新的降维方法,在处理小样本问题时具有明显优势,而主元分析方法作为一种传统的降维方法在选择分量时没有考虑类信息,因而有可能忽略掉重要的分类信息。支持向量机（SVM）模式识别方法具备良好的分类性能和鲁棒性。该文提出了一种基于偏最小二乘与支持向量机的人脸识别方法。利用偏最小二乘回归分析对人脸图像进行降维和特征提取,再利用支持向量机对特征向量进行分类识别。ORL人脸库的仿真结果证明偏最小二乘回归方法比主元分析方法更有效。     

多种代数特征抽取方法下的人脸图像SVM算法研究

本文分别用主成分分析(PCA)、独立成分分析(ICA)以及线性鉴别分析(LDA)方法对图像进行特征抽取,采用支持向量机(SVM)算法进行人脸图像分类。通过在YALE人脸图像库上的实验结果验证表明,在多种特征抽取方法下的图像分类算法是有效的。     

基于噪声空间结构嵌入和高维梯度方向嵌入的鲁棒人脸识别方法

基于核范数的矩阵回归方法(Nuclear norm based Matrix Regression,NMR)对人脸图像中因遮挡和光照变化等噪声引发的误差具有很强的鲁棒性。分析了NMR的鲁棒性的基本原理:首先,误差的核范数度量的是误差在其主方向上的能量,而主方向上的能量通常都去除了常规噪声的干扰;其次,误差的核范数度量嵌入了噪声的空间结构信息,而噪声的空间结构对于表示并排除噪声的影响至关重要。然而,仅仅考虑噪声的空间结构并不能有效消除噪声的影响。将具有噪声抑制能力的高维梯度方向(High-dimensional Gradient Orientation,HGO)特征嵌入NMR,提出了 一种基于高维梯度方向特征的NMR方法(High-dimensional Gradient Orientations-based NMR,HGO-NMR)极大地提升了NMR的识别性能。其重要意义在于指出噪声空间结构信息和噪声抑制机制对于面向现实的鲁棒人脸识别系统同等重要,单方面强调其中任何一种机制都将导致不稳定的识别性能。     

基于支持向量机的自动人脸识别

首先应用K-L变换对人脸图像进行特征提取,然后利用支持向量机进行识别。由于支持向量机参数对其性能有较大影响,为此采用遗传算法对其参数进行选取。为了能用较少的特征个数得到较高的识别率以提高识别速度,对所需提取的有效特征个数一并进行了选择。算法既解决了支持向量机参数选取的难题,又能够利用较少的人脸特征得到较高的识别率。利用ORL人脸库进行仿真实验。得到了97．5％的正确识别结果,验证了算法的有效性。     

Face recognition using spectral features

Face recognition is a challenging task in computer vision and pattern recognition. It is well-known that obtaining a low-dimensional feature representation with enhanced discriminatory power is of paramount importance to face recognition. Moreover, recent research has shown that the face images reside on a possibly nonlinear manifold. Thus, how to effectively exploit the hidden structure is a key problem that significantly affects the recognition results. In this paper, we propose a new unsupervised nonlinear feature extraction method called spectral feature analysis (SFA). The main advantages of SFA over traditional feature extraction methods are: (1) SFA does not suffer from the small-sample-size problem; (2) SFA can extract discriminatory information from the data, and we show that linear discriminant analysis can be subsumed under the SFA framework; (3) SFA can effectively discover the nonlinear structure hidden in the data. These appealing properties make SFA very suitable for face recognition tasks. Experimental results on three benchmark face databases illustrate the superiority of SFA over traditional methods.     

一种高性能部分遮挡人脸识别新方法

针对部分遮挡人脸识别,提出了一种基于局部区域遮挡判断的人脸识别新方法。利用支持向最机对不同人的不同遮挡情况分别进行训练,确定局部相似度到整体相似度的最佳映射,使它具有最佳类间可分离性。实验表明,该文算法显著提高了部分遮挡人脸识别效果,对无遮挡识别也有所改善。     

局部球面规范化嵌入:PCANet的一种改进方案

当人脸图像中存在较大比例的光照变化或遮挡时,PCANet所采用的局部零均值预处理以及PCA滤波器对噪声的过滤作用将导致所生成的特征图的整体分布主要集中在0附近,在一定程度上丧失了冗余性。为了提升PCANet对抗噪声的能力,提出了局部球面规范化方法,并将其嵌入PCANet的卷积层,从而拓展了PCANet特征的丰富性。在UMBDB和AR库上的实验表明,改进后的PCANet具有更好的冗余性、鲁棒性和识别性能。一个重要的发现在于:特征的冗余性需要在噪声滤除的过程中逐步提升,直接对输入图像施加局部球面规范化可能会导致不稳定的识别性能。     

Automatic Extraction of Eye and Mouth Fields from a Face Image Using Eigenfeatures and Ensemble Networks

This paper presents a novel algorithm for the extraction of the eye and mouth (facial features) fields from 2D gray level images. Eigenfeatures are derived from the eigenvalues and eigenvectors of the binary edge data set constructed from eye and mouth fields. Such eigenfeatures are ideal features for finely locating fields efficiently. The eigenfeatures are extracted from a set of the positive and negative training samples for facial features and are used to train a multilayer perceptron (MLP) whose output indicates the degree to which a particular image window contains the eyes or the mouth within itself. An ensemble network consisting of a multitude of independent MLPs was used to enhance the generalization performance of a single MLP. It was experimentally verified that the proposed algorithm is robust against facial size and even slight variations of the pose.     

电影视频人像检索系统

针对电影视频中序列特征,提出了一种人脸检索的方法及在电影视频中的应用.首先,运用训练好的Cascade Ada-Boost人脸检测器选检测视频序列中的人脸图像,将检测到的人脸图像经标准化处理后投影到增量特征人脸空间中,得到人脸图像的向量表述,应用单类支持向量机进行训练和分类,同时根据分类的结果动态调整增量特征人脸空间方向和分类器的最佳分类超平面,实现对电影视频中特定演员的检索功能,对电影<小花>等的实验表明,这个方法可以得到理想的检索结果.     

一种利用人脸对称性的光照归一化方法

光照归一化在光照鲁棒的人脸识别中被广泛使用.许多现有光照归一化方法将人脸图像视为自然图像,而忽略了人脸这一类特定物体的先验属性,因此很难从一幅具有侧光的人脸图像中恢复阴影区域中的人脸信息.提出了利用人脸对称性先验的光照归一化方法,在能量最小化框架下,对人脸图像的阴影区域进行光照归一化时参考其对称非阴影区域中的人脸结构信息,同时提出了无阴影信度图将二元最优化问题简化为一元最优化问题,以降低光照归一化方法的计算代价.在合成阴影和真实阴影人脸图像上的实验表明,利用人脸对称性的光照归一化方法能有效恢复图像阴影区域中的人脸特征,并对人脸误配准和非对称几何归一化具有一定的鲁棒性.