人脸全局特征识别研究

人脸识别是模式中的一个相当重要却又十分困难的课题。本文利用神经网络（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，简称ＮＮ）及主元分析法（Ｐｒｉｎｃｉｐｌｅ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ），简称ＰＣＡ）不同的特性提出了两种人脸识别的模型：ＮＮ＋ＮＮ模型及ＰＣＡ＋ＮＮ的模型。理论分析和实验结果表示：这两种新的识别模型可以实现优化特征抽取和自适应识别。     

基于主分量分析的BP神经网络人脸图像识别算法

本文提出了一种基于主分量分析法和反向传播神经网络的图像识别方法，并详细阐述了这种方法的具体实现过程。在整个算法过程中，主分量分析法主要用于图像的预处理，也就是提取有用的特征样本；反向传播神经网络则是作为一个分类器对未知图像进行分类。此方法具有较强的自适应性、较高的识别率以及对某些噪声的鲁棒性。     

基于BIF和KR-RCA的跨年龄人脸图像识别

跨年龄人脸识别受到越来越广泛的关注。除了基因、人脸老化过程还受到生活方式等多种因素的影响。采用BIF和KR-RCA实现跨年龄人脸识别。首先对人脸图像进行旋转、对齐、剪切等归一化处理,然后对处理好的图像提取Mean-BIF特征,最后采用KR-RCA进行分类。经过在FG-NET和MORPG两个数据库上实验证明,提出的方法可以有效地实现跨年龄人脸识别。     

基于主分量分析的BP神经网络人脸图像识别算法

本文提出了一种基于主分量分析法和反向传播神经网络的图像识别方法,并详细阐述了这种方法的具体实现过程。在整个算法过程中,主分量分析法主要用于图像的预处理,也就是提取有用的特征样本;反向传播神经网络则是作为一个分类器对未知图像进行分类。此方法具有较强的自适应性、较高的识别率以及对某些噪声的鲁棒性。     

图像识别技术在城市交通管理中的应用研究

笔者在研究中以交通管理为核心,分析智能交通系统中图像识别技术的运用,研究城市交通管理中的车牌识别技术和行人交通安全管理中的图像识别技术,促进智能交通系统的发展,并为相关研究人员提供一定的借鉴和帮助。     

基于Andriod的人脸图像识别研究

通过Andriod移动设备获取图像,并提取图像的特征模型,采用心理学灰度公式对图像进行灰度化处理,并对图像进行二值化处理,再采用基于Android NDK机制的OpenCV(Open Source Corrputer Vision Library)识别引擎对人脸图像进行识别.     

人脸图像识别系统设计

人脸识别技术在生产、生活中的应用日益增多,本文设计并实现了一套准确快速的人脸图像识别系统.利用图像处理和计算机视觉相关算法,判断图像中是否有人脸,并给出存在人脸的数量和位置,以及建立人员身份信息简历SQL数据库,然后基于PCA及BPNN等算法来提取图像特征并通过脸与脸的匹配度进行识别.     

弱光照环境下人脸表情图像识别方法研究

对弱光照环境下人脸表情图像进行识别,可以更好地对人类的情感进行分类,有利于人类在现实社会中的沟通。当前方法利用提取人脸表情图像的一维特征完成对弱光照环境下人脸表情图像的识别,该方法无法对人脸表情图像进行详细地描述,导致人脸表情图像在识别时经常出现识别精度低、速度慢的问题。为此,提出一种基于BP神经网络的弱光照环境下人脸表情图像识别方法。该方法首先利用自相似性对带有噪声的图像进行图像区域划分,并依据统计学习获得线性空间,通过对空间的投影获得不含噪声的人脸表情图像区域向量,将人脸表情图像进行重组,得到去噪后的图像,然后利用Cabor变换对人脸表情图像特征进行提取,采用AdaBoost对弱分类器以及人脸表情图像样本进行训练,并通过多次弱分类器的迭代,得到最终的人脸表情图像强分类器,完成对弱光照环境下人脸表情图像的识别。实验结果证明,所提方法可以提高人脸表情图像的识别准确率,加快识别速度,为该领域的研究发展提供强有力依据。     

人脸图像自动识别技术

本文讨论了人脸识别技术（ＦＲＴ）中分割、特征提取及识别的有关方法,阐明了各种方法的基本思想、使用范围及优缺点,并给出了相应的计算公式,最后指出了对这些方法的性能进行定量评估所面临的问题。     

基于OpenCV与人脸检测的自动筷子配发机器人的设计

在集体用餐环境如食堂等环境中就餐时,时常会遇到不方便拿取餐具的情况,针对此种情况十分需要一个能方便人们拿取餐具缓解人流拥堵的机器人。正如人的眼睛一般,机器通过视觉模块来感知环境,利用深度学习和OpenCV-Python使机器像人一样处理图片,搭载Nvidia JETSON Nano和智能小车平台,为智能筷子(餐具)配发机器人提供技术实现。     

一种新的人面部表情识别方法

论文提出一种全自动识别人脸七种基本表情(愤怒、厌恶、恐惧、高兴、无表情、悲伤和惊奇)的方法。该方法首先采用几何模型匹配法自动定位出人眼,在此基础上进行人脸大小归一化,然后利用局域二值模式(LocalBinaryPattern,LBP)技术提取面部特征,最后采用由粗到细的方案进行表情分类。采用日本的JAFFE公用表情数据库来检测算法的性能,实验结果验证了方法的有效性。     

面向视频序列表情分类的LSVM算法

为了提高基于视频序列的表情识别精度,在KNN-SVM算法的基础上提出局部SVM分类机制,并将其用于视频序列中的表情分类.对于一个待分类的几何特征样本,首先在训练集中寻找该样本的k个近邻样本,然后根据这k个近邻样本和待分类样本的相似度信息,重新构建局部最优的SVM分类决策超平面,用来对该几何特征样本进行分类.在Cohn-Kanade数据库中的对比实验表明,该分类器有效地提高了表情分类的精度.     

堆栈式混合自编码器的人脸表情识别方法

针对进一步提高人脸表情识别率的问题,采用了一种基于深度学习的堆栈式混合自编码器（Stacked Hybrid Auto-Encoder,SHAE）的人脸表情识别方法。该方法的结构是由去噪自编码器（Denoising Auto-Encoder,DAE）、稀疏自编码器（Sparse Auto-Encoder,SAE）以及自编码器（Auto-Encoder,AE）组合而成的5层网络结构。为了增加网络的鲁棒性以及泛化能力,采用去噪自编码器对样本进行提取特征,为了对提取的特征进行降维以及进一步提取更抽象的稀疏特征,采用稀疏自编码器进行级联,来对特征进一步处理。训练过程首先由无标签的数据进行预训练和整体微调,对整个结构的权重进行初始化和更新调整,然后使用有标签的数据进行测试训练。在JAFFE和CK+两个数据集上实验显示,相较于单纯的堆栈式去噪自编码或者单纯的堆栈式稀疏自编码,该方法具有更好的识别效果。     

图像代数特征在面部表情识别中的应用

探讨了图像代数特征在面部表情识别中的应用,首先对面部表情图像进行了分割,得到眼睛和嘴巴区域,然后分别对眼睛和嘴巴区域提取不变矩和奇异值特征向量,并进行Fisher线性判别分析,最后训练了支持向量机分类器。实验结果表明该方法取得了比较好的识别效果。     

面神经序列图像感兴趣区域识别

通过计算机识别面神经序列图像中的感兴趣区域,可以在手术规划过程中辅助医生辨别具体的功能区域,使医生进行手术时更有针对性,避免对面部神经区域的额外伤害。将面神经图像处理并划分成不同的功能区域,利用卷积神经网络对大量病例样本进行学习,得到具有较高准确率的感兴趣区域识别模型。实验结果表明,该卷积神经网络模型可以有效地对面神经序列图像识别出感兴趣区域,具有一定的医疗辅助作用。     

一种快速图像识别方法

构建了一种快速鲁棒的图像识别算法,它融合小波分解与遗传算法并行性的优点。对图像和模板进行小波分解,用低频部分代替图像和模板参与识别运算;把对模板进行形变旋转处理的参数编码为染色体,依据染色体表现值对模板进行形变和旋转处理;用模板匹配法判定图像中是否含有形变旋转后的模板,判定函数就是遗传算法的适应度函数。算法终止时的最佳适应度为图像中是否包含模板所示目标的判定依据。实验表明该图像识别方法适应性广、稳定性好、速度快。     

基于改进LBP的人脸表情识别方法

针对传统LBP方法在人脸表情特征提取时相对单一与固定,提出一种LBP的扩展形式,即εLBP。通过￡的灵活取值,ε-LBP特征提取也更加灵活,总可以找到更适合于特定分类问题的子空间．而且ε-LBP妒对于噪声和光照变化相对于LBP更加鲁棒。使用MatLab语言将上述算法应用于人脸表情识别．取得较好的识别效果。     

基于混合分类器的表情识别方法

根据隐马尔可夫模型(HMM)适用于处理连续动态序列信号、支持向量机(SVM)与K近邻分类器(KNN)擅长模式分类的特点,设计一种(HMM+KNN)+SVM的混合分类器。利用HMM与KNN对测试样本进行判决。当判决结果相同时,直接输出判决结果,否则引入SVM对测试样本进行再判决。实验结果表明,该方法所确定的分类器优于单一的分类器判决,能有效实现表情识别。