一种改进的基于遗传算法的人脸识别方法

针对常见的基于PCA的人脸识别方法在识别过程中所遇到的计算量大、分类特征不佳等问题,提出了基于遗传算法的PCA+2DPCA的人脸识别方法,并通过实验,利用ORL人脸数据库验证了该方法的可行性。     

二进制粒子群算法在人脸识别中的应用

把二进制粒子群优化算法(BPSO)应用到人脸识别中.对人脸图像进行二维离散余弦变换(DCT),获得人脸图像的特征向量,应用BPSO算法对得到的特征向量进行特征选择,得到最具代表性的人脸特征.与遗传算法(GA)相比,在选择的特征较少的情况下,BPSO算法比遗传算法有更好的识别率.实验结果表明,BPSO算法应用到人脸识别中有较高的识别率,是一种非常有效的特征提取方法.     

基于DSP的人脸Hu矩识别研究

在DSP硬件平台的基础上利用Hu矩研究人脸识别。DSP选用DM6437达芬奇处理器,利用DM6437的快速运算能力进行人脸识别,实现对人脸图像做平移、缩放和旋转三种运算,按肤色提取人脸图像,再做二值化处理,对二值化后的图像采用Hu矩提取特征值。实验结果表明,三种运算后的Hu特征值与原图像的Hu特征值相符,以此可以作为识别。     

基于多遗传算法的BP神经网络人脸识别

人脸识别应用十分广泛,在实际问题中较高的识别率十分重要,其中BP神经网络模型广泛用于人脸识别.然而在现实应用中,BP神经网络结构和权值阈值的选取往往依靠经验值,这使得BP神经网络存在容易陷入局部最优和收敛速度慢等问题。针对该问题,提出了一种基于多遗传算法优化BP神经网络结构和权值阈值的人脸识别方法。利用主成分分析算法对人脸图像进行降维,快速独立成分分析算法对人脸图像进行特征提取,以组合算法的方式使得处理后的人脸图像特征更加明显。通过第一层遗传算法优化BP神经网络的结构,第二层遗传算法优化BP神经网络的权值阈值,以此解决BP神经网络陷入局部最优和收敛速度慢等问题。基于ORL人脸库进行仿真验证,实验结果表明该算法具有较高的识别率。     

基于遗传算法的配机专家系统

结合实际装机过程中遇到的NP问题以及当前多数人专业电脑硬件知识的贫乏和对装机过程的不了解,研究如何利用遗传算法来求解全局最优解以进行配机.本文为装机者提供了一种全新的配机思路和运算方法,该算法编程简单、运算速度快,在实际应用的过程中有较好的实用价值.     

FaceEncAuth：基于FaceNet和国密算法的人脸识别隐私安全方案

人脸识别中,人脸特征作为生物特征的一种,具有唯一性、不可撤销性,一旦遭到攻击、篡改或泄露,用户隐私安全将面临巨大威胁。针对这一问题,提出一种基于深度学习和加密算法的人脸识别隐私安全方案。该方案中,利用FaceNet深度学习算法来高效提取人脸特征,协调生物特征模糊性与密码系统的精确性,采用CKKS全同态加密算法进行人脸识别密文域的运算,通过国密SM4算法增强人脸特征密文抵抗恶意攻击的能力,利用其对称密码的性质兼顾了安全性和运算效率,而SM9非对称密码算法则用于SM4算法对称密钥的管理。实验结果及分析表明,该方案在不影响人脸识别准确率、效率的前提下提高了数据传输、存储和比对的安全性。     

遗传算法在人脸识别中的应用研究

研究人脸图像识别准确率问题,人脸是一个非刚体,具有变形大,针对影响因素多且易受干扰,用传统的方法识别率低.为了提高人脸图像识别正确率,提出了利用遗传算法的人脸特征提取的识别方法.首先采用小波变换和张量主成分分析(PCA)方法对人脸图像进行特征提取,然后通过改进的遗传算法对PCA提取的特征进一步的优化,得到人脸最优人脸特征子集,最后根据最优特征进行识别.利用标准人脸识别库进行仿真,试验结果表明,相对其它特征提取的人脸识别方法,不仅具有识别速度加快,而且正确率高,是有效的人脸识别算法.     

人脸识别多级架构体系在公安中的应用浅析

人脸识别指以人的脸部特征信息为基础,进一步进行身份识别的一种生物识别技术。从技术层面分析,人脸识别利用摄像机或摄像头,采集人脸图像或视频流,以自动的方式在图像中检测及跟踪人脸,从而识别检测到的人脸。公安业务办理过程中,人脸识别技术起到了至关重要的作用。基于此,重点围绕人脸识别多级架构体系在公安中的应用进行分析,以期提高公安系统的技术水平和业务处理能力。     

并行遗传算法在工程智能优化中的实现策略

遗传算法在工程智能优化中的应用较为广泛,但遗传算法的运算效率却直接影响了其在工程中的应用,该文分析了用并行遗传算法提高遗传算法运算效率的策略,并将其应用到工程智能优化中,取得了较为满意的效果,得出了有意义的结论。     

基于链式竞争策略的图像识别研究

针对反向传播神经网络(BP-NN)在图像识别运算过程中容易陷入局部极小值的问题,提出了在常规的遗传算法(GA)中引入3个邻域的链式竞争,进行特征选择的图像识别方法.仿真结果表明:将引入链式竞争策略的遗传算法应用到反向传播神经网络中,可以使图像更清晰,提高了图像识别的容错性及效果.     

基于Curvelet和LBP的可变光照人脸识别

光照变化和环境噪声会引起人脸识别正确率下降。为此,提出一种基于Curvelet变换和LBP的可变光照人脸识别方法。对原始人脸图像进行Curvelet变换,对第1层低频系数,采用对数运算和局部二值模式运算克服光照影响,舍弃剩余的最高频信息子图像,以除去环境噪声和光照产生的阴影边界带有的虚假信息,利用主成分分析和线性判别分析方法进行人脸识别。仿真结果表明,该方法能有效去除光照和噪声引起的影响,具有较好的鲁棒性。     

图像处理过程中遗传算法的应用

遗传算法是将自然选择和遗传机理结合到一起的一种随机搜索和优化的方法。随着科学家对遗传算法进行优化,其在工业领域也得到了很好的应用,此方法受到了国内外专家的一致认可。文章介绍了遗传算法的基本原理和它在运算过程中的一些特点,主要介绍了遗产算法在图像处理过程中的应用,包括图像压缩、恢复、重建和增强技术等方面,针对目前遗传算法在处理图像过程中存在的一些问题得出这种算法的将来发展方向。     

基于聚类优化主动模型人脸识别算法研究

研究人脸识别和跟踪准确度问题。针对在使用大数据样本进行训练前提下,以往AAM算法人脸识别与定位不准确的缺陷,提出了一种新的利用聚类算法对样本空间进行划分,并在此基础上训练多个AAM的分层人脸识别和跟踪算法。首先利用所有训练样本训练得到初始AAM,然后利用一个全新的相似度计算公式,将所有训练样本划分成若干个子类别,在此基础上,针对每个子类别,训练一个相对稳定的AAM。在识别与跟踪过程中,先使用初始AAM进行定位,然后根据子类AAM进行精细化定位,从而得到比以往算法更为精确的定位效果。仿真结果显示改进的算法能准确定位出人脸所在位置,并且具有很高的运算效率,可以方便的实现实时监控系统的人脸跟踪定位及识别等目标。     

一种关系积和遗传算法相结合的属性约简算法

属性约简是粗糙集(rough set,RS)理论进行规则提取中的重要步骤之一.决策表的最小属性约简是NP-hard问题.遗传算法(genetic algorithm,GA)是求解此类问题的有效方法之一,但在利用遗传算法求解属性约简过程中,需要计算各个个体的适应度,每计算一个个体的适应度,需要根据该个体代表的属性组,组织决策表,对组织后的决策表进行扫描,这样,算法就需要多次对决策表进行操作,影响到算法的执行效率.我们基于集合理论,提出了关系积概念,把决策表的属性约简过程转化为关系积的运算,利用关系积计算遗传算法各个体的适应度,不需要扫描决策表,避免了对决策表的操作,提高了遗传算法求解属性约简的效率,通过实例对这一算法进行了详细的描述.     

安全点策略中安全点求取的一种新的方法——遗传算法的应用

给出一种利用遗传算法求取单机器，多工件生产系统的安全点策略中安全点近似值的方法，建立了安全点策略的遗传算法运算模型，编制了遗传算法程序，通过举例运行说明了遗传算法的运算结果能够正确地体现安全点策略的特性。     

数字图像识别在人脸检测中的应用

利用数字图像模式识别技术实现了人脸的自动检测及特征定位.对数字图像处理中的颜色模型、肤色建模的原理及在人脸识别中的应用进行了概述,分析了人脸识别过程中存在的困难,展望了人脸识别技术的发展方向.     

基于连续可控T范数的模糊控制方法研究

针对传统模糊控制中MAX,MIN算子的缺陷,设计了一种由相关系数h控制的连续T范数,使得与或运算形式根据运算量的相关性来决定,而不是片面 取大或取小运算,并进一步将其推广到多元与或运算中,且应用于模糊控制,在仿真实验中利用遗传算法确定相关系数,实验结果证明了本方法的有效性。     

基于双重特征空间的人脸识别

多目标遗传算法(MOGA)是求解多目标优化问题的有效工具,因而在求解实际问题中得到越来越广泛的应用.PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的.在人脸识别的实际应用中,将多目标遗传算法引入到PCA所生成的特征空间的优化中,提出基于双重特征空间的人脸识别算法.通过对剑桥ORL库实验表明,该方法与传统的PCA相比,识别率得到明显提高.     

自适应遗传算法

在遗传算法中约束条件贯穿于遗传运算的始终,这样必定影响运算效率。因为随着进化过程的进行,适应度较低的一些个体逐渐被淘汰,而适应度较高的个体越来越多,且都集中在最优点附近。基于遗传算法这种优胜劣汰的进化思想,该文提出一种改进的遗传算法——自适应遗传算法。其主要思想是在群体进化若干代后,将弱解空间删除,在以后的进化进程中以同样的群体大小只在强解空间进行群体的繁殖,则可加大强解空间的个体密度,提高解的精度,这样有助于性能优良的个体的产生,并且有可能缩短群体进化过程。将这种自适应遗传算法用于复杂函数的优化,算例结果表明该方法是有效和可靠的。     

基于增强粒神经网络的人脸识别算法

针对非限条件下人脸识别准确率较低的问题,提出一种基于粒神经网络（MNN）与遗传算法优化的人脸识别算法。对人脸库进行初始化分析决定每个粒子中人脸的分布,将同一复杂度级别的数据分为一组;将人脸分为额头、眼睛与嘴三个部分,粒神经网络采用不同数量的数据点对面部子区域进行训练,获得多个训练结果;设计了一种多级的遗传算法对粒神经网络进行优化。基于两组公开人脸数据库的对比实验结果表明,该算法的识别准确率优于其他人脸识别算法。