基于多尺度分析的人脸识别算法研究

针对传统的人脸识别算法易受光照等因素影响的缺点,提出了一种基于多尺度分析的人脸识别算法。首先,对采集到的人脸图像进行预处理,去除噪声,减弱无用信息,增强有用信息;然后,在粗尺度上采用形态学梯度边缘检测算法对人脸轮廓进行提取,缩小人脸库的搜索范围;最后,在细尺度上对人脸的不变特征进行提取,采用Harris角点检测算法对在粗尺度上得到的边缘图像进行特征提取,减少计算量,提高了识别速度。在所拍摄的人脸库上对算法进行验证,实验表明,对易于进行轮廓提取的人脸图像的识别速度较快,精度较高。     

基于PCA与贝叶斯决策的人脸识别算法

研究了主元分析与贝叶斯决策相结合的人脸识别方法。利用主元分析提取人脸图像训练集的特征子空间,将训练图像和测试图像投影到该子空间,提取特征向量及计算统计特性,利用最小错误率贝叶斯决策规则对测试图像进行分类,从而实现人脸识别。大量实验表明:主元分析能将人脸图像的特征信息有效地映射在特征子空间,同时采用贝叶斯决策规则能够快速准确地对人脸图像进行分类。     

一种基于NL-SFS方法的三维人脸快速重建系统

针对快速重建三维人脸的需求,设计了一种基于非Lambert从明暗恢复形状(NL-SFS)方法的三维人脸快速重建系统。首先人脸表面采用非Lambert反射模型描述其反射特性,这更接近于人脸表面实际的反射特性;接着由遵循正交投影的摄像机获取光源作用下的人脸表面图像,同时假定摄像机方向与光源方向保持一致,建立人脸表面的图像辐照度方程;然后将该方程转化为包含人脸表面深度信息的Eikonal方程;最后根据上述方程的特点,利用fast marching方法设计了系统软件,能够快速求得Eikonal方程的解,进而重建出人脸的三维形状。实验结果表明,该系统可以在较短的时间内获得较高的重建精度,即0.9s内可达到0.43%的高度平均相对误差。     

基于网络的人脸识别系统的设计

随着人们对社会安全的重视,以及网络广泛应用,对网络视频进行了研究,设计了一个基于以太网的人脸识别系统。系统基于ARM＋Linux实现了一个嵌入式的网络摄像头设备,该设备通过网络传输视频至服务器,服务器接收视频帧,调用OpenCV图像处理库对获取到的视频帧进行处理,从而实现了远程的人脸检测、识别功能。     

三维到二维:人脸本征形状描述图

基于三维数据的人脸识别克服了二维图像数据受光照和姿态影响较大的问题,但其较高的数据维数约束了它的实际应用。本文针对三维人脸数据的简化描述,提出了将三维人脸映射至二维表示的本征形状描述图方法。该方法首先基于约束离散保形映射将三维人脸数据微分同构映射到一个局部几何特征保持的二维区域。然后基于人脸曲面几何结构特性和表观特性,构建二维本征形状描述图,用于简化对三维人脸数据的描述,并进行识别验证。基于国际公共人脸数据库FRGC2.0和GavabDB的三维人脸识别实验显示,本征形状描述图法在姿态变化大于60°时的识别率达到90.6%,比现有方法高5.9%,单次匹配时间为7.89s。该方法将三维人脸识别问题转换为了二维平面图像的识别问题,有效降低了数据描述的复杂度。得到的结果展示了该方法计算效率高,且对姿态变化有良好的健壮性。     

基于自动识别建模特征的三维机加工工序模型的定义

在三维机加工工艺设计中,产品模型被直接用于工序设计过程中的工序模型生成,而工序模型创建效率直接制约了整个三维工艺设计的效率。为了提高工序模型创建效率,对基于自动识别建模特征三维机加工工序模型进行了定义,并且把形成零件的建模特征分成了6类,分别是边界特征、内陷特征、贯通特征、螺纹特征、环形特征及其他特征。此外,还以某典型零件为例介绍了该模型定义的应用。     

单样本的低分辨率单目标人脸识别算法

针对只给定单幅目标图像的情况下,而要在监控视频中查找出该目标人脸图像的问题,提出了一种单样本的低分辨率单目标人脸识别算法。考虑到待识别样本集中的目标与非目标对象数量严重不均衡,以及单目标问题无法利用不同类别间的互斥关系。首先在待识别样本集中,通过聚类算法,将单目标的识别问题转化为多目标识别问题,进而提高开集人脸识别算法的鲁棒性;其次,利用迭代标签传播算法不断优化待识别样本的归属类别;在迭代过程中,按照置信概率估计每个类别的人脸确认阈值,以解决单样本无法训练分类器的问题。在多个人脸数据集上的实验结果表明,该算法对于单目标的单样本的人脸识别精确率既能逼近100%,也具有较高的召回率。     

基于局部和全局信息的快速三维人耳识别

现有基于迭代最近点法(ICP)的三维人耳识别方法计算量大,配准时间长,且容易陷入局部最优,同时用于配准的人耳含有冗余信息,对配准造成干扰。基于此提出一种基于局部和全局信息的快速三维人耳识别方法,根据内部形状特征提取关键点并实现人耳归一化;提取低维度局部描述子实现关键点匹配并得到候选列表,之后先通过快速点特征直方图进行粗配准,最后用带法向量信息的改进ICP算法进行精配准得到识别结果。基于UND-J2数据库进行身份识别实验,并与一些经典方法的结果进行对比分析。实验表明关键点特征提取仅需0.026 s,关键点匹配仅需0.015 s,耗时很短。身份识别实验获得了98.55%的Rank-one识别率,证明该方法与其他现有算法相比,识别速度更快,识别率更高。     

基于小波变换和核主成分分析的人脸识别算法

人脸识别是当前模式识别和图像处理领域的研究热点。属于生物鉴别技术的一部分。一个完整的人脸识别系统主要由以下几个基本环节构成：图像预处理、人脸检测与定位、特征提取分类识别。本文主要针对图像的特征提取分类识别环节进行分析和试验：首先应用哈尔小波变换初步提取人脸图像的特征;再对小波系数运用核主成分分析进行最终的人脸特征提取。     

基于模糊C-均值聚类的小波分析人脸识别

提出了一种基于改进的模糊C-均值聚类分类器的不完全小波分析人脸识别方法。实验证明,该文提出的方法能够提高人脸识别率,降低了运行时间。     

Exploring local regularities for 3D object recognition

In order to find better simplicity measurements for 3D object recognition, a new set of local regularities is developed and tested in a stepwise 3D reconstruction method, including localized minimizing standard deviation of angles(L-MSDA), localized minimizing standard deviation of segment magnitudes(L-MSDSM), localized minimum standard deviation of areas of child faces (L-MSDAF), localized minimum sum of segment magnitudes of common edges (L-MSSM), and localized minimum sum of areas of child face (L-MSAF). Based on their effectiveness measurements in terms of form and size distortions, it is found that when two local regularities: L-MSDA and L-MSDSM are combined together, they can produce better performance. In addition, the best weightings for them to work together are identified as 10% for L-MSDSM and 90% for L-MSDA. The test results show that the combined usage of L-MSDA and L-MSDSM with identified weightings has a potential to be applied in other optimization based 3D recognition methods to improve their efficacy and robustness.     

基于主元分析的空间手写平面化预处理技术

为了将空间手写识别回归为平面手写识别问题,提出了一种新型的空间手写识别平面化预处理技术,采用基于主元分析（PCA）的投影算法对空间手写字符轨迹进行了平面化处理。该算法中,投影平面的确定仅依赖于手写字符轨迹采样点集本身的统计特征,故当书写角度发生变化时,投影平面也会随之产生适应性变化,以产生最佳的投影效果;最后在实验中,对比了指定初始平面投影法和主元分析投影法在不同书写角度下的投影效果,实验结果直观地证明了该投影算法的有效性。     

基于加权判别局部多线性嵌入的人脸识别

张量算法克服了传统向量算法的维数灾难和小样本问题,在人脸识别中取得了较好的效果.尽管如此,现有张量算法容易导致邻近类别在低维空间中重叠,为此,提出了一种加权判别局部多线性嵌入算法.该算法设计了一种自适应加权的判别准则,结合类别信息,保持了同类人脸图像之间的局部流形结构,同时利用高斯基函数作为加权函数,根据人脸图像对其他类别的影响,自适应产生权重系数,加大了类间样本的区分度.此外,该算法采用张量形式表示图像数据,保留了图像的结构,继承了张量算法的优点,并且有效地解决了out-of-sample问题.人脸识别实验表明,对于光照,姿态和表情的变化,该算法具有较好的稳健性和较高的识别率.     

铁路场景三维点云分割与分类识别算法

铁路限界侵入检测对保障高速铁路安全具有重要意义,基于激光三维点云分割与分类识别的异物侵入检测具有准确、直观的优点,在诸如隧道口和站台的铁路重点区域监测中具有广泛应用前景。设计了一种带动二维激光雷达进行俯仰运动的装置用于铁路三维点云的采集,基于法线方向一致性原则提出采用区域生长分割算法解决欧氏聚类分割和随机采样一致性(RANSAC)分割造成的过分割和欠分割问题;针对分割后的单物体点云,提出利用视点特征直方图(VFH)进行不同目标的三维点云特征提取,基于不同物体VFH建立KD树,并利用最近点搜索方法完成单物体点云分类识别。铁路场景典型物体的分类实验结果表明,本算法对铁路场景典型物体的分类识别准确率大于90%。     

基于特征面分割的自动特征识别

相交特征的识别是自动特征识别的难点,提出一种新的基于图的特征识别算法,首先构造加工面邻接图(MFAG),然后通过特征匹配快速识别出孤立特征,通过特征面的延拓、求交与分割,主动找出特征痕迹,分解出基本特征子图,从而识别出相交特征.该算法使孤立特征和相交特征的识别模式统一,同时有利于与交互特征定义集成.     

一种模糊双向最大间距准则人脸识别方法

研究提出一种模糊双向最大间距准则(fuzzy bidirectional maximum margin criterion,FBMMC)特征提取方法,并将其用于人脸识别.在FBMMC中,首先通过引入原始训练样本集的模糊隶属度矩阵,定义了面向图像的行方向模糊离散度矩阵和行方向模糊最大间距准则,进一步求得行方向最优投影矩阵;然后,对原始训练样本集中的每一个样本,采用行方向最优投影矩阵进行投影变换,从而得到行方向特征训练样本集.同样地,通过引入行方向特征训练样本集的模糊隶属度矩阵,给出了面向图像的列方向模糊离散度矩阵和列方向模糊最大间距准则的定义,进一步求得列方向最优投影矩阵.FBMMC在得到行、列两个方向的最优投影矩阵后,就可以将原始数据空间的样本数据投影到一个相对低维的特征空间,从而完成对原始样本数据的特征提取.在ORL和Yale人脸数据库上的实验结果表明,文中提出的模糊双向最大间距准则特征提取方法用于人脸识别具有较高的识别率.     

基于类内分块PCA方法的人脸表情识别

主成分分析方法（PCA）是目前广泛应用在人脸等图像识别领域的重要手段。为了更准确地识别人脸的表情信息,有效抽取出图像中对表情识别贡献较大的局部特征,提出了一种类内分块PCA方法对人脸表情进行特征提取。首先对图像进行分块,再对分块得到的所有子图像块利用PCA方法进行鉴别分析,并计算出各类训练样本的子空间,然后计算测试样本到各类子空间的距离,最后输入最近邻分类器得到分类结果。在JAFFE人脸表情库上进行的实验结果表明,使用该方法后获得的识别率优于传统的PCA方法。     

一种用于三维测量的边缘拟合插值算法

提出一种用于三维体数据体积、表面积测量的断层问边缘拟合插值算法.该算法首先对每一切片找出其轮廓线的几何彤心,将边缘点坐标转化成极坐标;之后根据ρ-θ的关系埘边缘点进行拟合插值,在层间边缘点建立一一对应的关系,最后通过对相邻断层间匹配边缘点极坐标中的ρ进行插值,从而生成中间层的边缘点的极坐标.与其他插值算法相比,该算法只生成并记录各断层的边缘点,减小了数据冗余,插值速度快,且精度好.在三维测量的实验中证明了该算法相对于其他插值算法在速度和精度上的优势.     

基于3D SPIHT的高光谱图像压缩技术

将三维多级树集合分裂(3D SPIHT)算法用于高光谱图像的压缩。根据高光谱图像的特点进行波段分组以得到处理单元,对各组分别进行三维小波变换,去除谱间和谱内冗余;利用3D SPIHT算法对变换后小波系数进行编码,去除系数之间的冗余。采用整数小波和浮点小波分别进行无损和有损压缩仿真,AVIRIS和OMIS实验结果表明,在bit/pixel为1的条件下,平均PSNR比准三维方法分别高0.91 dB和1.38 dB,且算法具有嵌入式、可伸缩性等优点,但无损压缩的平均bit/pixel比基于预测的方法高0.308和0.159。3D SPIHT算法用于高光谱图像压缩可以获得较好的有损性能,但无损压缩性能逊于基于预测的方法。     

基于网格纵横局部二值模式的三维人脸识别

提出一种基于网格纵横局部二值模式的三维人脸识别方法。为了充分体现人脸表面的细节差异,有效表示出由表情引起的局部形状变化,本文首先在人脸网格表面的半刚性区域内检测关键点集,并且由关键点确定中心面片,由中心面片及其周围有序环确定关键点邻域;其次将网格上中心面片及其周围有序环看成一个整体,从纵向(相邻环上对应面片之间)和横向(同一环上相邻标号面片之间)分别提取网格纵向局部二值模式描述符和网格横向局部二值模式描述符;然后对这两者进行特征融合得到网格纵横局部二值模式描述符;最后利用LC-KSVD2字典学习算法在Bosphorus数据库和FRGC v2.0数据库上完成识别实验。在Bosphorus数据库上各表情的平均Rank-1识别率为97.6%,在FRGC v2.0数据库上的Rank-1识别率为97.9%,该实验结果充分表明本文所提算法具有较高的识别精度,并且对表情变化具有一定的鲁棒性。