基于OpenCV的人脸识别关键技术分析

人脸识别是一种基于人脸特征分析、比较和身份识别的生物特征识别技术。目前,人脸识别系统已经开始应用于人们的生产和生活当中。随着人脸识别技术的深入研究,已经研究出包括基于人脸几何特征方法、基于模板的人脸匹配等多种识别方法。人脸识别系统各模块功能不断完善,包括图像采集、检测、预处理、人脸特征和人脸识别等环节,形成可行方案。该文还简要介绍了OpenCV库提供基于PCA的特征识别算法、基于LDA的识别算法和基于LBPH局部特征提取多种人脸识别算法,分析了基于OpenCV搭建的人脸检测识别过程。     

运用肤色信息和模板匹配的彩色人脸检测

人脸是一个复杂的模式,在图像中自动地对其进行定位和分割是进行人脸识别的第一步。本文提出一种运用肤色信息和模板匹配的人脸检测方法。该方法先进行肤色分割,然后对每一个人脸候选区域进行形状比例的分析,最后进行模板匹配。实验结果表明,该方法对任意背景下,任意姿态及任意数目的人脸检测非常有效。     

基于小波分析的人脸图像处理

本文利用小波分析进行人脸图像处理,包括人脸图像的滤波、小波增强、以及人脸图像的小波分解等,为后续的特征提取和人脸识别打下良好的基础.实验结果表明,小波分解能够有效地降低人脸图像的维数,大大降低了后续处理算法的复杂度,减少了计算机的计算量.     

扩大人脸识别系统应用

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识,达到识别不同人身份的目的。人脸识别技术的研究肇始于20世纪60年代末期。20世纪90年代后期以来,一些商业性的人脸识别系统逐渐     

基于回归函数的多角度人脸识别算法研究

研究了基于回归函数的人脸识别算法,该算法有望引进到声学信号处理当中。人脸识别问题是人脸相关的计算机视觉研究的关键问题。传统的人脸识别研究主要针对正面人脸,研究的应用范围比较有限。在实际应用中,由于光照、姿势、表情、遮挡、分辨率等问题,使得传统方法在处理非正面人脸的时候具有很大的困难,这种情况对人脸识别算法有了更高的要求。针对图像中人脸角度在±45°的人脸识别问题,利用基于Haar特征的非线性Boosting回归算法,根据标定点邻域内的局部纹理预测标定点的位移,提出了一种新的基于经典活动形状模型(Active Shape Model,ASM)的实时多角度人脸识别算法。在对实测数据的测试实验表明,该算法的识别率高于经典的ASM算法并有显著提高。     

小波包变换在人脸识别光照补偿中的应用

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法.该算法首先将人脸图像变换到对数域,并在对数域中计算2维小波包变换,通过舍弃部分子带图像中的系数来实现人脸图像的非均匀光照补偿.由于人脸光照补偿的目的是为了提高人脸识别性能,所以光照补偿的效果利用人脸识别率来表征.在Yale B人脸库中,与对数域离散余弦变换(DCT)光照补偿算法进行了比较,实验结果表明,本文方法的人脸识别平均误识率可以达到0.53%,比对数域DCT方法具有更好的性能.     

复杂光线环境下的机场人脸识别设计与应用

光照是影响人脸识别率的关键因素,它已成为阻碍人脸识别技术发展的最大障碍。在分析人脸图像受光照变化影响的基础上,按照处理方式的不同对光照处理方法进行分类和评价。基于光照归一化算法、光照不变特征提取算法以及3D光照模型算法对人脸成像过程进行优化。通过平衡光照亮度,采集稳定光照下的人像,分析3种图像处理方法的优缺点,提出新的针对人脸光照的研究方向。     

一种基于三维模型投影的人脸识别新方法

研究了使用三维人脸模型进行不同姿势下的人脸识别问题,提出了一种三维建模二维识别的人脸识别算法,首先使用该方法将三维模型向不同方向投影,进而将不同姿势的二维图像与不同方向的投影结果相匹配,进行人脸识别。研究了使用Minolta Vivid 910进行数据获取,创建三维模型的方法和过程。实验结果表明,在进行不同姿势的人脸识别时,该方法的识别速度快于三维可变形模型方法,识别率远优于使用二维正面图像作为模板的人脸识别方法。     

人脸识别技术的研究

人脸识别技术是模式识别领域一个重要的研究课题之一,它具有唯一性与可靠性等且应用广泛。文中概括介绍了人脸识别技术的应用前景和人脸识别的i警墅j哆人脸检测和特征提取的方法进行了简单比较。     

基于LBP算法的人脸检测与识别

介绍人脸检测方法,探讨PCA、ICA、LDA和LBP等人脸识别算法,并总结现有的算法得出使用LBP算法的巨大优越性。对未来工作提出研究方向。     

双重对比学习框架下近红外-可见光人脸图像转换方法

随着可见光-红外双模相机在视频监控中的广泛应用,跨模态人脸识别也成为计算机视觉领域的研究热点,而将近红外域人脸图像转化为可见光域人脸图像是跨模态人脸识别中的关键问题,在刑侦安防领域有着重要研究价值.针对近红外人脸图像在着色过程中面部轮廓易被扭曲、肤色还原不真实等问题,本文提出了一种双重对比学习框架下的近红外-可见光人脸...     

基于Kinect多生物识别技术的智能视频播放器交互系统

为了实现观看者无接触操作情况下的视频播放器智能控制,系统利用Kinect传感器采集彩色图像,使用FaceNet提取人脸特征向量,经支持向量机(SVM)训练后进行人脸识别,该过程在计算机中央处理器(CPU)运行环境下,利用OpenVINO实现人脸检测与识别实时运行,用于视频播放器的登录验证.系统采集音频数据使用Speec...     

生物特征识别技术的实现原理与前景分析

首先介绍生物特征识别技术的概念,接着介绍其中两个主流技术,即指纹识别技术和人脸识别技术。指纹识别技术包括指纹增强、特征提取和指纹匹配3个过程。人脸识别技术包括人脸检测、特征提取和人脸识别3个过程。最后,展望生物特征识别技术的未来。     

基于Android API的人脸检测

所谓人脸检测就是指从一幅图片或者一帧视频中找出所有人脸的位置和尺寸并进行标定。人脸检测是人脸识别系统中的一个重要环节,也可以独立应用于视频监控。在数字媒体日益普及的今天,利用人脸检测技术还可以帮助我们定位人脸位置,应用于数码照相,海量数据筛选等领域。最新的Android 4.0 SDK中提供根据弹性图匹配的人脸检测API。     

增强联系鉴别分析及在人脸识别中的应用

针对人脸识别中的小样本问题,本文提出了一种名为增强联系鉴别分析的方法并应用人脸识别中.该方法利用将人脸局部流形的结构信息和样本的类别信息进行有效地结合进行维数约简,首先构建人脸数据的近邻图与类别联系图,然后通过解决在一定约束条件下的优化问题来获取低维鉴别流形特征,实现在低维空间中同一类人脸数据聚集,不同类别间的人脸数据间尽可能发散,从而可以更好的应用于分类.在AT&T和Yale人脸图像数据库上的实验结果表明该方法能有效的提高人脸识别的性能.     

基于深度数据的空间人脸旋转角度估计

提出一种基于三维人脸深度数据的人脸姿态计算方法。利用人脸的深度数据以及与其一一对应的灰度图像,根据微分几何原理和相应的曲率算法与人脸数据中的灰度特征对人脸面部关键特征点定位,进而计算出人脸姿态在三维空间中的3个姿态角。实验证明该方法能在姿态变化情况下实现对人脸旋转角的准确估计,为进一步的人脸识别和表情分析提供基础。     

人脸识别技术性能评价方法优化与实践

本文先从人脸识别简介开始,引出当前人脸识别算法性能评估存在的问题,提出一套面向人脸识别算法的性能评价系统,就人脸识别性能评价当前存在的问题,从整体上分解人脸识别系统,分别就人脸检测、人脸标定、人脸识别算法设计一个整体性的评价系统。该系统可以更全面的衡量一套人脸识别算法的算法性能,并为算法开发人员提供算法优化依据。     

基于自适应融合色度与亮度特征的彩色人脸识别算法

鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中,提出了一种基于自适应融合色度与亮度特征的彩色人脸识别算法。该算法基于YDhDr颜色空间分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图;通过自适应融合色度与亮度特征来构建彩色人脸识别特征;基于小波包结点能量的特征表示方法,分别在实数域和复数域中提取并融合色度与亮度分量的最崖鉴别特征向量,实现色度与亮度特征的最优化互补;使用基于方差相似度的分类器获得人脸识别结果。实验表明,该算法识别率高、鲁棒性好。     

基于混沌理论和支持向量机的人脸识别方法

针对如何选定主成分分析(PCA)特征维数和如何选定支持向量机(SVM)的参数来进一步提高人脸识别系统性能的问题,提出了一种基于混沌理论和支持向量机的人脸识别方法.首先,在统一的目标函数下,在采用PCA方法对人脸图像进行降维和将得到的特征送入SVM中进行训练期间,使用具有可操作性的改进混沌优化算法同时对PCA图像特征维数和分类器参数进行优化选择,然后用得到的优化人脸特征和最佳参数的分类器对未知图像进行识别.基于该方法,对ORL和Yale人脸库进行实验,其识别率都高达99%以上,仿真结果表明,该方法极大地提高了人脸识别能力.     

基于多尺度韦伯脸和梯度脸的复杂光照下人脸识别研究

针对复杂光照变化影响人脸识别准确性的问题,提出了一种基于多尺度韦伯脸和梯度脸相结合的复杂光照下人脸识别方法。首先定义了能够有效描述人脸纹理结构的多尺度韦伯脸,一定程度上减弱了不同光照条件的影响;其次融合多尺度韦伯脸和梯度脸提取人脸光照不变量;最后利用SVM多类分类算法实现人脸识别。使用CMU PIE与Yale B人脸库进行验证,结果表明:提出的算法能够有效消除复杂光照变化对人脸识别的影响,即在光照极差情况下,单样本图像作为训练图像也可以有很好的识别效果,且识别率显著高于韦伯脸、多尺度韦伯脸和梯度脸。