基于嵌入式的自动人脸识别系统研究

为了提高人脸识别的速度和检测率,基于肤色与Adaboost算法的人脸检测、特征提取与识别,给出嵌入式平台的自动人脸识别系统的完整设计方案.基于TQ2440嵌入式开发平台实现该系统,结合现场采集的图片进行人脸识别测试,测试结果表明该系统检测速度快,检测率高.     

人脸识别技术进展

简要回顾了人脸自动识别技术的研究背景及发展历程;文中对人脸识别技术的常用方法如基于特征脸(Eigenface)的PCA(Principal Component Analysis)方法、人工神经网络(ANN)的方法、以及模板匹配方法等,进行了分类总结.总结了现存的研究困难并提出了解决方法及今后的发展方向.     

基于聚类建模的三维人脸识别技术研究

由于信息采集困难、环境条件约束、实现方式和手段不足等原因,三维人脸识别技术还很不成熟.为此提出将聚类技术应用到三维人脸建模过程中来提高建模的效果和效率.首先定义了三维人脸相似性,提出了圆锥曲线相似性定义方法.其次基于三维人脸聚类建模提出了人脸识别系统的新框架,设计了与新系统对应的识别策略.实验证明,基于聚类建模的人脸识别系统在进行人脸识别时所用的时间远远少于采用传统形变模型的方法所用的时间,而且对人脸样本的数量不敏感.     

基于LabVIEW平台的教室场景内的人脸识别系统

采用机器视觉技术与虚拟仪器相结合的方式,以LabVIEW为平台,设计了基于人脸肤色信息和模板匹配相结合的人脸检测、LBP(局域二值模式)特征提取的人脸识别系统,同时调用VC++6.0生成的动态链接库完成系统关键算法的设计,实现了面向视频流的教室场景的人脸识别系统。该系统能够有效的提高远程教学环境中,教师与学生的互动交流,使用方便,有较好的实用性。     

基于遗传算法的人脸识别系统设计

该文设计了一套基于遗传算法的人脸识别系统,整个系统包括人脸检测与定位阶段,该文采用垂直灰度积分投影算法确定了人脸左右边界,采用基于Hough变换的圆检测算法定位了眼睛中心,然后利用小范围水平灰度积分投影法确定了嘴巴中心,最后利用方框锁定、局部搜索法确定了眼角和嘴角。特征提取阶段,该文在特征矢量的质量与数量两方面做了权衡,保证了系统的运行速度。人脸识别阶段,该文采用了根据遗传学而演化的一种高精度、高搜索度算法——遗传算法训练并确定了识别系统的权重与阈值,提高了识别系统的速度与精度。在系统设计中,该文选用了两个人脸数据库共计180幅图像用于训练与检测,该系统在实验中识别正确率可达95%以上。     

基于直接LDA的人脸识别方法研究

为了研究加权的类间离散度矩阵对人脸识别率的影响以及寻找影响识别率的因素,分别采用零空间投影法和非零空间投影法直接求解Fisher准则线性判别问题。零空间投影保留最具判别能力的样本类内离散度矩阵的零空间,非零空间投影保留样本类间离散度矩阵的非零空间,两种方法都很好地避免了高维小样本问题。通过对Yale人脸库的图像进行试验,结果表明类内离散度矩阵的零空间投影法要优于类间离散度矩阵的非零空间投影法,而加权值修正对识别率的影响并不明显,它的应用是有一定前提条件的。     

动态人脸识别系统的设计与实现

介绍了动态人脸图像的识别问题,包括模块结构设计、系统结构设计和系统的实现等方面.首先,设计了图像采集模块,通过摄像头在VC++环境下实现动态图像的采集、捕捉、存储等功能.其次,对人脸检测与识别的实现过程和算法进行了详细的阐述.设计出的动态人脸识别系统时间复杂度比较低,占用较少的系统空间资源,实验结果具有很高的准确率.     

基于肤色信息的快速人脸检测

讨论了人脸检测问题中精度和速度在此基础上结合眼睛的定位算法,最终精确得到人脸的位置.实验结果表明,本算法能较为准确快速地定位出彩色图片中正面人脸以及小角度偏转的人脸.     

基于AdaBoost的人脸检测算法

针对人脸检测的特点,深入分析了基于Haar-Like小波特征和AdaBoost算法构造强分类器的人脸检测算法,并将此算法应用于ORL人脸库.在Visual C++6.0平台下,首先利用AdaBoost算法训练得到用于人脸检测的强分类器H(x),然后利用该分类器进行人脸检测.实验表明,提出的算法在保证检测精度的同时,极大的提高了人脸检测速度,且受光照变化影响小.     

基于三维模型子空间监督学习法的二维人脸识别

人脸识别的一个主要难点在于人脸姿态和光照变化对识别性能影响显著.考虑到此问题,本文提出了一种将三维模型和二维照片相结合的新的人脸识别技术,对不同人脸姿态和光照变化有很好的鲁棒性.在训练阶段由特定三维人脸模型生成大量带有不同姿态和光照的虚拟二维照片,采用监督学习法使这些虚拟照片形成子空间,最终组成特定人脸模板.此时不再需要三维数据,只要匹配真实二维照片和模板就可以进行人脸识别.     

基于三维模型的多姿态人脸识别

利用正面、侧面照片建立起三维虚拟人脸模型，对待识别照片进行角度估计，把人脸三维模型进行投影，将多姿态识别转换成同一角度下两张照片的识别，从而解决了人脸的多姿态识别问题．提出了一种完整的解决人脸多姿态识别的方案，并提出了一种新的计算待识别照片旋转角度的算法．     

基于深度卷积神经网络的跨年龄人脸识别

提出了一种应用于跨年龄人脸识别的联合学习方法,该方法由深度卷积神经网络构建而成,能在特征学习的同时学习到最优的测度函数,从而避免不合适的固定阈值所带来的匹配错误.针对有限的内存、过拟合和计算复杂性高的问题,在模型训练过程中采用了多种新颖和有效的训练策略.实验证实了该联合学习方法的有效性,在公开数据库MORPH-II上的识别正确率达到了93.6％.     

人脸识别的智能防疫系统设计

为提高疫情期间防疫保障,降低人员流动过程中带来的疫情传播风险;本文使用人脸识别和红外测温等技术进行智能防疫系统设计,先进行口罩检测,再进行人脸识别,并在识别部分增加红外测温功能,在完成身份核实及体温判断的同时,把监测结果实时反馈上云,有效地提高了防疫保障,降低疫情传播风险;实验结果表明,本文设计的人脸识别智能防疫系统人脸识别准确率达到98.57%,戴上口罩之后也可以达到98.11%,温度检测也比较准确;相比于人脸识别在身份核实领域的简单应用,增加的红外测温功能和口罩检测功能符合疫情时期特殊需求,能应用的实际场景广泛,能有效解决防疫过程过于复杂、实时性不高等问题。     

基于GSM报警模块的嵌入式人脸识别门禁系统设计与实现

针对嵌入式人脸识别门禁系统中前端通过有线向后端服务器报警的安全性和实时性不高等问题,通过TC35模块的GSM短消息方式与嵌入式人脸识别门禁相结合,设计与实现出一种基于GSM报警模块的嵌入式人脸识别门禁系统。该门禁系统通过门禁前端发送报警消息,当门禁控制端收到报警消息后,判断报警类型,并根据类型准备报警数据,做出相应的应急响应,最后启动短消息发送流程。实验结果表明,该系统稳定可靠、报警成功率较高、反应速度较快,可有效完成报警,提高了人脸识别门禁的安全性。     

基于轻量级卷积神经网络的人脸识别方法

针对传统卷积神经网络在人脸识别中模型复杂程度高、处理数据较慢的问题,提出一种轻量级卷积神经网络算法。首先,通过对数据集采用剪裁、旋转等方式增强样本数据;然后,采用基于MobileNet的轻量级卷积神经网络对样本数据进行特征提取,并采用SSD目标检测器对样本数据中的人脸进行识别;最后,利用Python编程实现上述算法,并与传统的人脸识别算法进行比较。实验结果表明,采用的轻量级卷积神经网络算法在不失精度的前提下,处理速度更快,模型复杂程度更低。     

人脸识别的智能门禁控制系统

为了快速有效地验证身份,控制大门的开关,以人脸作为判决因子,判断来访者的合法性,以此来控制门的开关．当红外传感器探测到有人来访时,触发系统抓拍来者的人脸图像,利用OpenCV的人脸检测分类器,快速地进行人脸定位,采用改进的主成分分析算法,实现人脸的识别,与库中存放的合法进入者人脸进行比对;对于允许进入的来访者,控制打开大门,对于不能进入的来访者,系统发出语音提示．经过实验,验证了系统方案的可行性,实现了以人脸为身份识别的智能门控．系统工作稳定,在3s之内完成工作,识别率达85%．     

基于PCA与合并聚类的RBFNN人脸识别

基于主成分分析、合并聚类算法和径向基神经网络,提出一种有效的人脸识别方法.通过使用PCA进行特征提取,降低人脸图像的维数,对所提取的特征合并聚类确定径向基神经网络中心,根据类内样本与聚类中心的距离和类间距离计算各中心的散布常数,以ORL人脸数据库对网络进行训练和测试.实验结果表明,该方法选取较低的脸特征维效取得较好的识别效果.     

基于自适应FCM-NMF的人脸识别研究

非负矩阵分解(NMF)是一种有效提取特征的方法,但算法中参数的随机初始化使得迭代求解速度慢,且易陷入局部极小的问题。针对以上问题,提出了一种自适应FCM-NMF的方法,该方法利用模糊C聚类方法 (FCM)获得相似性关系矩阵,能为NMF参数的初始化提供较好的初值,从而有效解决了上述问题。通过在两个人脸库的实验结果显示,收敛速度明显高于随机赋初值的方法,识别率也有所提高。     

面向低质量数据的3D人脸识别

该文提出了面向低质量数据的3D人脸识别方法.该方法针对快速采集设备的低质量3D人脸数据提出了空间注意力机制的Dropout(SAD)、类间正则化损失函数(IR Loss),有效提升了不完整3D人脸数据的识别精度.SAD通过空间注意力机制对特征图中权重大的部分随机Dropout,让网络学习到更多的隐藏特征;IR Loss...