多平台人脸远程比对系统设计

多平台人脸远程比对系统通过Web上传采集的图片至服务器,通过人脸检测,进一步提取人脸面部特征信息,再将其与相应的公安图片库中的人脸特征信息进行比对,并快速返回比对结果.为公安干警开展巡逻盘查、追缉逃犯和寻找走失人员等身份鉴别工作提供参考依据,大大提高公安机关为民服务的工作效率.     

基于动态规划的Needleman-Wunsch双序列比对算法的分析与研究

生物序列比对是生物信息学中最基础的研究课题之一.基于动态规划的Needleman-Wunsch双序列比对算法主要采用迭代算法及空位罚分规则对基因序列进行逐一比对,计算二者相似性得分,最后通过回溯分析得出序列之间的最佳比对.虽然该算法可以得到最佳比对结果,但是时间复杂度和空间复杂度较高.首先对原算法进行分析,对计算得分和...     

一种基于AdaBoost的快速动态人脸检测算法

提出了一种结合人脸检测和跟踪的快速动态人脸检测算法。在层次型AdaBoost检测算法的基础上，结合提出的一种基于线性预测的人脸跟踪算法来缩小搜索空间，使得检测速度提高到24ms／帧。还设计了一种结合层次型AdaBoost算法、负样本反馈方式和利用权值缩减训练时间的检测器训练方法，可以方便地应用于物体检测技术上。     

一种基于动态规划的全局双序列比对优化算法

序列比对是生物信息处理中非常重要的一类方法,基本的序列比对算法是基于动态规划思想提出的。本文提出了一种基于动态规划思想的全局双序列比对优化算法(Optimized Global Pairwise Sequence Alignment based on the idea of Dynamic Programming)OGP-SADP,在保持基本动态规划敏感性的前提下,GOPSA方法计算替换矩阵时只需存储当前相邻两列的元素,同时引用checkpoint技术以减少计算迭代次数,有效降低了时间复杂度和空间复杂度。     

基于比对相似度动态矩阵聚类算法在基因序列中的应用

基于BAG图的聚类算法 ,利用聚类单元引导类的分割 ,保证聚类结果不会产生过多的类碎片 ,但其相似分数阈值Cutoff初始值和最长公共子串最小长度阈值Threshold如何确定并没有明确给出。提出基于比对相似度动态矩阵的聚类算法 ,并在此基础上明确给出了确定cutoff初始值和Threshold阈值的方法。实验结果表明该算法可以获得较好的聚类正确率。     

基于个性特征的实时人脸比对方法

人脸的个性特征可以很好地描述某个人的人脸,而人脸个性特征的正确选择对人脸比对至关重要.因此提出了基于个性化特征分析的实时人脸比对方法.该方法首先利用Adaboost算法进行人脸定位,接着由主动表观模型AAM进行特征点的自动标定,然后给出了人脸个性特征参数的选择方法.在特征参数权重分析基础之上,提出了基于加权模板的人脸比对算法和模板阈值确定方法.实验结果表明,该方法不仅简单有效,而且在拒识率和误识率方面可以取得比较好的综合效果,适用于实时人脸考勤门禁系统.     

用填充函数法改进的人脸比对算法

人脸识别技术在国家安全、金融、执法、司法等领域都有广泛应用,其中比对分类算法是人脸识别系统的重要算法.目前所用BP神经网络的分类方法收敛速度慢、易陷人局部最优,而填充函数法是确定型全局优化方法,能够快速跳出当前局部极小点,得到一个更低的极小点,重复此过程得到全局极小点.用填充函数法改进的BP神经网络实现分类器的方法可以提高算法的收敛速度,降低误判率,增强其全局寻优的能力.实验表明该人脸比对算法能够提高比对准确率,减少计算量,提高比对速度.     

基于人脸认知模式的相似脸搜索

目的 人类对人脸认知模式的探索由来已久,并且已经成功应用于美容整形等研究领域。然而,目前在计算机视觉和模式识别领域,计算人脸相似度的方法没有考虑人对人脸的认知模式,使得现有方法的计算结果从人的认知习惯角度来讲并非最佳。为克服以上缺陷,提出一种基于人脸认知模式的相似脸搜索算法。方法 依据人脸认知模式,选取特征点,并计算特征量,构造各面部器官（眼睛、鼻子、嘴巴、脸型）分类模型,即面部器官形状相似性度量模型,并采用圆形LBP算子,计算两幅人脸对应器官的纹理相似度,二者综合作为相似脸搜索的依据。结果 分别用本文方法和代表相似脸搜索最高水平的Face++的方法对80幅正面、中性表情、平视角度拍摄的人脸图像进行测试。本文方法的整体准确率高于Face++方法,其中,TOP1、TOP2最相似搜索结果准确率优势明显,均高出Face++方法12%以上。结论 实验结果表明,本文方法的搜索结果更加符合人脸认知模式,可应用于正面、中性表情、平视角度拍摄的人脸图像的相似脸搜索。此外,还可以将此类基于认知模式的图像搜索思路推广应用于商业领域,如基于图像的相似网购商品搜索等。     

基于动态规划的双序列比对算法构件设计与实现

双序列比对算法是生物信息学中的一个关键算法,广泛应用于序列相似性分析以及基因组序列数据库搜索.现有研究主要针对特定应用问题优化和使用相对应比对算法,缺乏高抽象层算法框架的细致研究,在一定程度上导致了序列比对算法的冗余性以及人为选择算法可能造成的误差等问题,也使得人们难以有效地了解算法结构.通过深入分析基于动态规划的双序列比对算法(dynamic programming-based pairwise sequence alignment algorithm, DPPSAA)领域,在建立该算法领域的特征模型以及对应算法构件交互模型基础上,利用PAR平台形式化实现双序列比对算法构件库,并装配生成具体算法,保证了形式化装配算法的可靠性,为序列相似性分析算法应用提供了一条有价值的参考途径.最后,利用PAR平台C++程序生成系统将组装的比对算法转换为C++程序,运行结果表明DPPSAA算法构件库具有一定的实用性.     

基于人眼定位的快速人脸检测及归一化算法

本文提出了一种基于人眼定位的有效人脸图像归一化算法。该算法首先利用Harr特征的快速检测法从图像中检测出人脸的大致位置,然后基于人脸的几何分布特征和灰度信息特征准确检测人眼瞳孔位置建立人脸坐标系,最后对人脸图像作旋转、尺度和灰度的归一化校正。实验结果证明,该算法能够有效并准确地检测和校正人脸,可以显著提高识别率。     

Lasso整脸形状回归的人脸配准算法

人脸配准是人脸识别、美化和面部表情分析等人脸相关应用的重要组成部分,这些应用通过人脸配准以精准定位人脸五官及面部轮廓特征点.在整脸形状回归的人脸配准框架基础上,使用Lasso回归来解决人脸配准问题,提出基于Lasso的整脸回归人脸配准算法.首先对人脸配准过程中的回归系数施加L1模惩罚,以在不牺牲效果的基础上减少模型大小;然后提出人脸变换比例调整方法,在回归过程中使用人脸变换比例对特征点位置进行调整,用于解决小规模样本条件下不同尺度样本相互干扰的问题.在相关数据集上的实验结果表明,该算法配准精确度高,可以达到实时的速度,且适用于不同姿态下的人脸配准问题.     

一种基于贝叶斯切线模型的人脸对齐算法

论述一种新的人脸对齐的算法——改进的贝叶斯切线模型。该算法从形状参数中分离出姿态参数和身份属性参数,对这2个参数分别处理,通过引入曲率半径作为该特征点搜索的像素个数实现动态搜索。实验表明,该算法可以弥补BTSM不能很好处理多姿态的人脸图像对齐的缺陷,提高搜索精度,减少搜索时间。     

句子相似度的动态规划求解及改进

基于例子的机器翻译,其很关键的步骤之一就是如何从语料库中找到待译句子的最佳相似句。论文针对这个问题提出了利用动态规划方法基于句子相似矩阵进行求解的方法。根据这个方法就可以从语料库中为待译句子找到最佳相似句,同时在求解过程中还做了一些改进:利用矩阵分块求解的方法保留了句子的连续相似块,保证了结果的质量,对提高EBMT系统的翻译质量起到了一定的促进作用。     

一种端到端的人脸对齐方法

现有的人脸对齐方法多数是非端到端的,中间过程需要大量的人工干预,导致人脸关键点检测的稳定性较差.为此,提出一种端到端的基于深度学习的人脸对齐方法.基于MobileNets系列网络的子模块,使用类VGG结构的方式进行搭建,将整张图片作为输入,采用基于深度可分离卷积模块进行特征提取,并运用改进的倒残差结构避免网络训练过程的...     

基于动态规划的汉语句子相似度算法

传统汉语句子相似度计算算法在处理大量专业词汇时准确率较低。为此,提出一种基于动态规划的汉语句子相似度算法。通过获取2个句子的公共子串集合,结合链表消重机制,从集合中获取2个句子的所有最长公共子串,并以此计算相似度。实验结果表明,对于含有大量专有名词的问题集合,该算法的测试正确率达93.6%,计算效率较高。     

基于稀疏级联回归的快速人脸配准方法及其在移动设备上的应用

如何在计算和存储能力受限的移动平台上实现高效的人脸配准是移动平台人脸应用需要解决的关键问题。主要研究了移动平台上的快速人脸配准问题,为了降低配准模型的计算与存储要求,提出了稀疏约束的级联回归模型。该模型采用稀疏性约束学习回归矩阵,不但能够筛选鲁棒的特征,而且模型的存储空间被压缩到原来的5%左右。基于稀疏级联回归模型,进一步构建了移动平台上人脸配准的快速算法。首先,在人脸检测的基础上,利用二值特征快速定位眼角、嘴角和鼻尖的关键点,估计出人脸的姿态,旋正人脸图像;然后,根据人脸的姿态,选择相应的正脸或侧脸模型,进行稀疏约束的级联回归配准,定位人脸关键点。大量实验结果表明,提出的配准方法精度高、速度快、模型小。在三星Note3智能手机上,每幅人脸图像的配准时间在10ms左右,整个apk文件大小仅为4MB,非常适合移动平台的人脸应用。     

多视角级联回归模型人脸特征点定位

针对人脸姿态偏转较大导致人脸特征点定位精度低的问题，提出了多视角人脸特征点定位算法，采用随机森林局部学习与全局线性回归相结合的级联姿态回归（Cascaded Pose Regression，CPR）人脸特征点定位模型，在不同的人脸姿态视角下建立不同的模型，以多模型代替单一模型来提高人脸特征点定位的精度。首先采用CPR模型对不同视角下的人脸建立不同的模型；然后采用多视角生成模型（Multi-View Generative Model，MVGM）来评估输入人脸图片的姿态；最后根据评估的姿态选择相对应的模型，进而实现特征点的精确定位。仿真实验结果表明，相比于现有的几种人脸特征点定位算法，所提算法实现了更精确的定位效果。     

基于多状态分层模型的有表情人脸配准

将人脸表情变化范围离散化表示为多状态部件模型,以便描述人脸非线性变化。引入多方向局部梯度信息,建立反投影概率图来改善原始灰度图像的外观模式表达,基于级联的卷积神经网络实现渐进分层的人脸配准。根据整脸和不同区域的图像实现人脸形状初始化,并判断当前部件状态。根据正确状态的人脸模型回归人脸形状参数,完成最终的精细配准。与其他几种常用算法在数据库上进行了定量比较,结果表明该算法改善了表情变化剧烈时人脸配准的效果,在计算量相当的情况下,正确率和处理速度等方面都达到很好的性能,具有明显的实用价值。     

基于动态规划的方向蛇模型

方向蛇模型的优点是在模型中不仅运用图像的梯度特性,还充分运用梯度的方向特性,从而提高了图像分割的准确性。文章给出了方向蛇模型的动态规划优化算法,避免模型因采用变分法优化而必须面对的难以达到全局最优,甚至局部最优的现象,提高了图像目标轮廓的检测效率。实验结果表明该方法是有效的。