人脸识别技术产品的发展概况

介绍了人脸识别技术产品的发展概况和当前的市场状况,对目前国内外典型人脸识别商用产品的实用算法进行了分析和比较,指出其存在的问题,并对入脸识别技术发展进行了展望.     

人脸识别技术在广电行业的应用及优化思路

本文基于人脸识别技术的实现原理,结合实际业务场景,对相关人脸识别产品进行了能力测试和数据分析,研讨了人脸识别技术应用于广电媒资管理工作中的难点,并提出了相应的优化改进方案,以期更好地利用人脸识别技术,对节目内容中出现的人脸信息进行更加高效、准确、智能的识别。     

关于人脸识别技术的应用探究

目前,社会经济和科学技术日益发展,人脸识别技术也得到了快速地发展。人脸识别技术具有非接触性、并发性等诸多优势,主要对人脸识别技术的实现过程以及应用场景进行了分析,以供相关专业人士进行参考和借鉴。     

人脸识别技术应用与限制研究

近年以来,对人脸识别技术应用的争议不断.有必要对人脸识别技术原理及应用场景进行梳理,找出信息安全需求及对策,以更好地认识和处理人脸识别应用出现的问题.介绍了人脸识别技术近30年的发展过程,分析了目前常见的人脸识别技术.同时,结合人脸识别技术的特点,说明其应用益处与应用限制,特别是结合人脸识别技术与个人隐私泄露的问题,讨...     

人脸识别技术综述

目前,人脸识别技术是重点研究方向,对此很多学者已经形成了一些研究成果,促使人脸识别技术被广泛应用,尤其是工业界的应用方面。文章通过阐述人脸识别技术的定义来回顾人脸识别技术的发展,并对当前成熟的人脸识别算法进行分类,概述人脸识别算法的优缺点,并提出研究过程中的重难点,从而推动人脸识别技术的进一步发展,为相关研究提供参考。     

人脸识别技术综述

文章首先对人脸识别技术进行了介绍，其次回顾了人脸识别研究的发展历程及识别方法的基本分类，然后对当前主流的人脸识别方法展开了详细的论述，最后提出了人脸识别技术面临的问题及研究方向。     

人脸识别技术（FRT）研究

人脸识别技术是目前安防行业发展的主流方向,本文针对人脸识别技术的发展进行分析,并且针对人脸检测、特征提取、识别方案等进行系统的研究,总结出实际发展前景和应用方向,提出了人脸识别技术中的难点项目和未来发展的要求。     

浅析智能门禁系统中的人脸识别技术探究

随着社会经济不断发展,科学技术取得了进一步发展,人脸识别技术作为一项新型技术,能够结合生物特征,具有明显的友好、直接等优势,将人脸识别技术运用于智能门禁系统中,在丰富门禁系统功能的同时,也为人们提供了更加安全的居住环境。本文将对人脸识别技术概述及算法进行分析和研究,并提出人脸识别技术在智能门禁系统运行流程,旨在为相关领域的发展提供技术支持。     

人脸识别技术综述

人脸识别技术在各行各业有着广泛的应用,现有人脸识别系统主要用于安全监控等场合,通常是小规模封闭的系统,其也可以用于人机交互、跟踪监控、身份识别等领域。人脸识别技术在各个产业中都有广泛的应用,其中电子产品是主要领导者,这导致在全球范围内涌现了许多相关的大公司,由于人脸识别在工业上的普遍应用,这也带动了该项技术在学术领域研究的热潮。本文首先介绍了目前人脸识别技术的几大主要技术和发展脉络,其次分析了人脸识别技术在专利申请方面的现状以及发展趋势,然后分别对国内外的研究和发展情况进行了分析和研究,最后对该领域的专利申请情况作了总结并对其发展前景作了展望。     

人脸识别技术专利分析

随着图像图形处理技术的发展,人脸识别技术日益受到重视,成为研究的热点,近十几年来专利申请量有了飞速增长.本文通过对人脸识别技术的国内专利申请从宏观角度在年度申请量、申请人分布情况、技术领域进行了分析,并对主要申请人在该领域专利申请的特点进行了阐述,最后分析了目前人脸识别技术的研究方向.     

人脸显性特征的融合构造方法及识别

 目前的人脸识别研究中,面部几何特征没有得到很好的利用.本文阐述了几何特征对于人脸识别的重要性,在此基础上提出了一种提取面部几何特征的新方法;通过融合几何信息和纹理信息构造出一种面部显性特征,并给出了相应的人脸识别方法.这种新的人脸识别方法相对于基于统计学习的子空间方法具有一定的优势,同时也可作为后者的有益补充.实验表明,本文提出的人脸表示特征及识别方法对人脸表情变化和环境光照变化均有一定的鲁棒性.     

基于核Fisher判决分析的脸谱识别新方法

本文提出一种新的基于核Fisher判决分析(简称KFDA)的脸谱识别方法。即首先应用KFDA提取脸谱特征，然后，进行脸谱识别。利用标准的AT＆T脸谱数据库对KFDA特征提取方法和PCA、FDA以及ICA特征提取方法进行比较，最后使用线性支持向量机(简称SVM)进行分类和识别，实验结果显示基于KFDA特征提取脸谱识别方法的识别率明显优于其它三种脸谱识别方法的识别率。     

人脸识别技术研究进展分析

人脸识别技术主要是生物识别技术中的一种,其工作原理是利用人脸的五官、肤色进行身份的识别。通过视频采集设备采集人脸的视频,并且对视频中的人脸进行检测,从实现人脸的识别。人脸识别技术是人工智能研究的主要方向,因此要注重人脸识别技术研究现状,阐述人脸识别技术的相关特点,分析人脸识别方法,确定人脸识别技术的发展方向。     

人脸识别方法研究

首先介绍了计算机人脸识别的4类主要方法，然后重点介绍了基于本征脸法的人脸识别技术的基本原理和实现步骤，最后通过实验比较了各类方法的识别率，总结出各种方法的优缺点，并对未来的识别技术进行了展望。     

人脸识别方法的综述

人脸识别技术是利用计算机分析人脸图像,从中提取有效的特征信息,用来辨认身份的一门技术。在此简单介绍了近年来常用的几种人脸识别方法,如：特征脸、隐马尔科夫、神经网络、以及弹性图匹配方法等。     

Kernel Discriminant Embedding in face recognition

In this paper, we present a novel and effective feature extraction technique for face recognition. The proposed technique incorporates a kernel trick with Graph Embedding and the Fisher’s criterion which we call it as Kernel Discriminant Embedding (KDE). The proposed technique projects the original face samples onto a low dimensional subspace such that the within-class face samples are minimized and the between-class face samples are maximized based on Fisher’s criterion. The implementation of kernel trick and Graph Embedding criterion on the proposed technique reveals the underlying structure of data. Our experimental results on face recognition using ORL, FRGC and FERET databases validate the effectiveness of KDE for face feature extraction.     

Facial Recognition Using Multisensor Images Based on Localized Kernel Eigen Spaces

A feature selection technique along with an information fusion procedure for improving the recognition accuracy of a visual and thermal image-based facial recognition system is presented in this paper. A novel modular kernel eigenspaces approach is developed and implemented on the phase congruency feature maps extracted from the visual and thermal images individually. Smaller sub-regions from a predefined neighborhood within the phase congruency images of the training samples are merged to obtain a large set of features. These features are then projected into higher dimensional spaces using kernel methods. The proposed localized nonlinear feature selection procedure helps to overcome the bottlenecks of illumination variations, partial occlusions, expression variations and variations due to temperature changes that affect the visual and thermal face recognition techniques. AR and Equinox databases are used for experimentation and evaluation of the proposed technique. The proposed feature selection procedure has greatly improved the recognition accuracy for both the visual and thermal images when compared to conventional techniques. Also, a decision level fusion methodology is presented which along with the feature selection procedure has outperformed various other face recognition techniques in terms of recognition accuracy.      

基于受试者工作特征pAUC优化的人脸识别系统

基于深度学习的人脸识别技术在大量应用场景中表现出优于传统方法的性能,它们的损失函数大致可分为2类：基于验证的和基于辨识的。验证型损失函数符合开集人脸识别的流程,但实施过程比较困难。因此目前性能较优的人脸识别算法都是基于辨识型损失而设计的,通常由softmax输出单元和交叉熵损失构成,但辨识型损失并没有将训练过程与评估过程统一起来。本文针对开集人脸识别任务提出一种新的验证型损失函数,即最大化受试者工作特征(ROC)曲线下的部分面积(pAUC);同时还提出一种类中心学习策略提高训练效率,使提出的验证型损失和辨识型损失有较强的可比性。在5个大规模非限定环境下的人脸数据集上的实验结果表明,提出的方法和目前性能最优的人脸识别方法相比,具有很强的竞争性。     

Fast face identification under varying pose from a single 2-D modelview

One of the key remaining problems in face recognition is that of handling the variability in appearance due to changes in pose. The authors present a simple and computationally efficient 3-D pose recovery methodology. It addresses the computationally expensive problem of current generic 3-D model pose recovery methods and thus is able to be used in real-time applications. Compared with the virtual view methods, the face identification system with the proposed pose recovery method demands much less storage space as it transforms the 2-D rotated face to the 2-D fronto-parallel view for subsequent identification rather than generating multiple virtual views for a single input face. Experiments evaluating the effectiveness of the technique are reported. The systems are compared with human performances and existing techniques