基于LBP特征集成学习的人脸识别技术研究

我国传统LBP人脸识别技术只是针对局部信息进行识别而忽略全局信息,在特殊环境中,当人脸受到光线、背景变化等原因而造成模糊现象时,只采用局部识别会导致识别效率和准确度降低。对此,文章提出一种基于LBP特征集成学习的人脸识别算法C-MB-LBP,该算法主要是将人体的脸部图像进行分块并得出LBP特征,根据中心像素以及分块的灰度值进行计算,得到新的LBP特征,最后再利用近邻分类器对其特征进行识别,从而识别人脸。实验结果表明,文章所提算法对于人脸识别不再仅限于局部的识别,更注重全局识别,使人脸识别效率显著提高,识别时间大大降低。     

基于深度学习的人脸识别算法浅析

相较于指纹识别、虹膜识别、声纹识别,人脸识别具有自然、便捷、体验友好的特征,成为大多数人认可的生物识别技术。近年来,随着GPU技术的成熟和数据集规模越来越大,让人脸识别技术的关注方向从基于手工特征的传统方法和传统的机器学习技术转移到使用大数据集训练的深度神经网络。现在,基于深度学习的人脸识别技术在人证比对、实名认证、人机交互、考勤、安防、美颜、趣味拍照、直播、微动作识别(疲劳驾驶、课堂听讲、罪犯审判)等领域得到了广泛的关注。文章首先简述人脸识别的发展历程,之后从深度学习方法、人脸数据集、网络结构、损失函数这四个方面,对目前流行的基于深度学习方法的人脸识别技术做一个较为详细的综述。     

基于深度学习算法的人脸识别管理系统

针对学生管理中人脸认证智能安防的需求,文中首先基于深度学习理论对人脸识别的相关算法进行了研究,在卷积神经网络的基础上,以提高人脸识别的准确率为目的,重新设计了包含11个卷积层和4个池化层的网络结构。网络使用标准人脸数据集CASIA-WebFace进行训练,在LTW库上的人脸识别准确率可以达到97. 8%以上。基于该深度学习网络,设计人脸识别管理系统,系统实现了1∶1的人脸认证和1∶N的人脸识别。由于深度学习算法的引入,人脸搜索系统的搜索时间小于0. 7s,大幅提高人脸识别技术的效率和实用性。     

基于深度学习的人脸识别系统

本文设计描述了三种人脸识别技术:(1)通过肤色模型训练的图像变化技术对图像的人脸区域进行识别并分割出来。(2)Eigenface人脸识别算法的图像表示技术通过输入已知人脸图片,可视化特征脸,与系统相似脸匹配并计算识别准确率。(3)全连接神经网络技术和卷积神经网络技术实现对对输入人脸的识别分析和匹配测试,从系统库里找到与之最相近的的脸,并可视化展示。     

试析基于神经网络深度学习算法的人脸识别技术

人脸识别是新时代较为重要且应用范围较广的模式识别及图像处理技术手段,为此成为当今社会信息领域发展关注热点之一,在海关、公安机关、银行等部门有良好的应用前景.为提高人脸识别技术应用有效性,其研究涉及计算机视觉、模式识别、图像处理等若干领域,分为模式识别、特征提取两大部分,同时模式识别在提取特征基础上加以细分.本文通过探析...     

基于LBP的人脸识别技术设计与实现

传统人脸识别技术识别效率较低,不能得到科研人员的认证,提出了基于LBP的人脸识别技术设计。设计提取LBP子模式特征具体流程,可获取实际情况下的图像分成级数以及分解区域大小;根据子空间变换和子模式特征构造提取出多尺度LBP子模式特征;通过人脸特征匹配对多尺度各层LBP子模式特征进行加权,以此为基础对分类性能展开分析,完成人脸识别技术的设计。实验结论可知,该技术具有较高的识别效率。     

一种基于改进LBP特征的人脸识别

传统的LBP算子只利用了局部的信息,而忽略了全局信息。MB_LBP算子虽然充分考虑了全局信息,但对局部信息的表示不足。在此提出一种改进后的LBP特征的人脸识别方法,改进后的LBP算子不仅能够利用局部特征,同时也兼顾了全局信息。该方法首先将人脸图像分块,对于每个分块,计算LBP特征,对于得到的LBP特征,根据其中心像素和分块灰度均值关系重新进行计算得到改进后的LBP特征,最后采用最近邻分类器进行识别。在ORL和YALE标准人脸数据库上的实验表明,改进后的识别效果优于使用传统LBP算子和MB_LBP算子。采用改进后的LBP算子,能够明显提高识别率,在ORL和YALE的实验显示能提高3%~8%左右的识别率。     

基于LBP和深度学习的手写签名识别算法

为优化手写签名识别算法性能,提出了一种局部二值模式(LBP)和深度学习相结合的手写签名识别算法.针对签名图像进行预处理、维纳滤波去除噪声;将预处理签名图像分为3×4子块,LBP应用于分块后的每个子图像,并将每个子块的纹理直方图特征连接起来,形成全局直方图特征;将得到的特征向量作为深度信念网络(DBN)的输入,逐层训练网络,并在顶层形成分类面,对签名图片进行识别.基于GPDS、MCYT及原创数据库进行实验,识别率误差分别为5.S5％、9.3％、1.17％,有效提高了手写签名的识别精度,符合实际应用的要求.     

基于深度学习的人脸识别方法研究

作为非接触式生物识别方法之一,人脸识别在诸多情况下被广泛使用。然而,传统的人脸识别方法由于识别准确度低以及在多个场合的应用受到限制,已不能满足目前的需求。文中提出了采用深度学习的方法来实现脸部标志检测和无限制人脸识别。为解决人脸标志检测问题,使用一种深层卷积神经网络的逐层训练方法,以帮助卷积神经网络进行收敛,并提出了一种避免过拟合的样本变换方法;为了解决人脸识别问题,文中提出了一种SIAMESE卷积神经网络,其在不同部位和尺度上进行训练。实验测试显示,ORL和人脸识别算法的精度分别达到了91%和81%。     

基于LBP特征和贝叶斯模型的单样本人脸识别

针对单样本人脸识别这一人脸识别中的难点问题,提出了一种基于局部二元模式(LBP)直方图特征和贝叶斯(Bayes)模型的人脸识别方法.首先在独立的训练集上学习同类样本和异类样本的LBP直方图特征的相似度先验信息,估计同类和异类的类条件概率密度函数,在识别过程中利用一对图像的LBP直方图相似度计算该对图像属于同一类的后验概...     

Radio signal recognition based on image deep learning

A technical idea was innovatively proposed that uses image deep learning to solve the problem of radio signal recognition.First,the radio signal was transformed into a two-dimensional picture,and the radio signal recognition problem was transformed into the object detection problem in the field of image recognition.Then,the advanced achievements about image recognition were used to improve the intelligence and ability of radio signal recognition in complex electromagnetic environment.Based on the proposed idea,a novel radio signal recognition algorithm named RadioImageDet was proposed.The experimental results show that the algorithm can effectively identify the waveform types and time/frequency coordinates of radio signals.After training and testing on the self-collected data set with 12 types and 4 740 samples,the accuracy reaches 86.04% and the mAP value reaches 77.72,while the detection time is only 33 ms on the medium configured desktop computer.     

融合CDI和LBP的人脸特征提取与识别算法

针对光照、姿态和表情对人脸识别率造成严重影响的问题,提出了结合笛卡儿微分不变量(CDI,cartesian differential invariant)和LBP(local binary patterns)的人脸特征抽取与识别算法。首先,利用高斯微分算子抽取人脸图像的微分结构,组合这些微分结构得到一个不可约简的笛卡儿CDI集。其次,对CDI集中每个分量分别计算其LBP特征,并将所有分量的LBP特征连接起来以得到人脸图像的特征。最后,运用所抽取出的人脸局部描述特征和支持向量机(SVM)分类器完成人脸图像分类与识别。试验分析表明,基于CDI的LBP特征对人脸位置、姿态、光照和表情的变化具有较高的不变性。该算法在ORL和Yale人脸库中分别取得了98.5%和98.89%的识别率。     

基于LBP算子与EMD的人脸识别算法

提出了基于LBP算子与EMD的人脸识别算法．该方法先通过图像预处理,把光照变化控制在一定范围内,然后提取图像的局部LBP特征,获得图像的LBP直方图．EMD可以准确地计算直方图的距离,因此本文采用EMD方法对LBP直方图进行计算,完成对图像相似性的度量．在GTAV人脸库上的实验结果表明,本文算法对光照变化和噪声更加鲁棒,EMD测度方法比X2测度方法具有更高的识别率．     

基于独立分量分析和径向基网络的人脸识别方法

人脸识别是当前人工智能和模式识别的研究热点.基于小波分解和定点独立分量分析,提出了一种新的准正面人脸径向基网络识别算法.二维的小波分解具有对表情变化不敏感的特点,可以很好地压缩和表征人脸图像的特征.定点独立分量分析是一种基于高阶统计信息提取特征的方法,克服了一般ICA收敛慢的缺点;径向基网络作为分类器具有很高的推广性能,有利于大容量样本的分类.在对人脸库ORL和YEL的识别实验中,该算法的识别率达到98%以上,与传统算法相比,识别速度和识别率都明显提高.     

基于显著性局部定向模式和深度学习的鲁棒人脸识别

针对传统人脸识别算法特征提取不充分和对噪声敏 感的问题,提出了一种基于显著性局部定向模式(SLDP)和深 度学习(DL)的人脸识别算法。首先基于信息的显著性提出一种改进的SLDP人脸描述方法,在 利用局部井型 领域梯度信息的基础上,使用两组梯度值中各自最大值和次大值的方向编码成二位八进制数 ,从而形成改进的 SLDP编码,通过统计选出最具有显著性的SLDP编码作为特征向量;然后将改进的SLDP编码作 为深度神经网 络(DBN)的输入,通过逐层贪婪训练网络,获得良好的网络参数,并用训练好的网络对测试 样本进行预测。仿真实验表明, 本文所提出的人脸识别算法相对于传统识别算法识别率高,并且在对抗噪声方面比其它算法 更具有鲁棒性。     

基于深度学习的ADS-B辐射源个体识别

辐射源个体识别技术在电子对抗领域起着关键性作用.针对传统人工提取特征主要依赖于专家经验,文中提出了一种基于深度学习的ADS-B辐射源个体识别方法.该方法采用卷积神经网络结合center loss损失函数来训练和测试相位数据.并加入假冒飞机序列号,查看中心损失值来判断是否异常.实验表明,文中提出的方法识别精度能达到99％...     

基于深度学习的车载屏幕文本检测与识别研究

车载屏幕文本图片显示内容丰富、背景多样性、文本信息较多且大小、方向不定等问题,导致文本检测与识别过程中出现准确率低、检测速度慢的问题,因此提出了一种基于深度学习的车载屏幕文本检测与识别的系统.该系统的文本检测模型采用改进的EAST网络,应用DenseNet网络作为特征提取网络以增强特征重用,为了改善长文本的预测效果,采...