人脸对齐算法研究

针对因存在倾斜的人脸而导致的人脸属性识别和人脸物体识别不精准的问题,提出了一种比普通人脸对齐算法更快速的方法.算法根据识别人脸5个关键点,定位出倾斜的人脸,从而识别出倾斜的人脸并进行对齐,经过一系列比对和大量实验对比结果,最终基于python语言应用DLIB框架实现了人脸对齐算法,相比较其他开源算法,该算法简洁方便,比...     

栈式自编码器特征表达能力研究

以深度学习中的自编码器为基础,堆积稀疏自编码形成深度网络,以贪心算法逐层训练实现特征层的层抽象映射,监督训练Softmax分类器,然后使用BP(反向传播)算法优化权值,构建SAE(栈式自编码器),并重点对其特征表达能力进行探究。第一,以单层自编码器作为特征表达的基础模块,探究自编码器中隐藏层节点数对特征表达能力影响;第二,重点探究对于多层自编码器的理解,堆积自编码器是否是一个好的获取理想特征表达的途径,主要评估多层自编码器对于特征表达的准确性和稳定性影响。基于MNIST(美国国家标准与技术研究所数据库)数据集的实验与PCA(主成分分析)、LLE(局部线性嵌入)、BP算法特征表达能力进行对比分析,验证栈式自编码器特征表达能力的有效性。     

改进的三维人脸稠密对齐方法

针对ICP、NICP、流光法用于对齐三维人脸,建立形变模型,存在人脸对齐精度和准确性上的局限性问题。在标准形变算法的基础上,改进了局部匹配点搜索策略和形变能量函数,增加匹配点的准确性。并根据非刚性形变算法的思想,提出三维人脸迭代稠密对齐方法。在BJUT－3DFace Data人脸数据上实验证明,文中算法提高了人脸对齐的精度和准确性。     

基于无监督栈式降噪自编码网络的显著性检测算法

针对现有的显著性检测算法检测目标类型单一、通用性差的问题,提出一种基于无监督栈式降噪自编码网络的显著性检测算法.该算法利用无监督栈式降噪自编码网络（Stacked Denoising Auto Encoder,SDAE）在多个尺度对原始图像进行稀疏重构,将原始图像与SDAE网络重构图像之间的差作为显著图,二值化后的显著图作为显著性目标检测结果.在SDAE网络训练过程中,将原始图像作为原始数据,网络重构的图像作为观察数据.为了提升网络训练效率,首先利用无监督逐层贪婪方法训练同结构的深度信念网络（Deep Belief Network,DBN）,将训练得到的DBN网络参数设为SDAE网络的初始参数,再计算原始数据与观察数据之间的互信息作为网络收敛代价,利用反向传播进行网络参数微调.实验表明,该网络模型可以完成多类型目标的显著性检测,具有通用性好,准确度高等优点.     

基于栈式去噪自编码器的语音测谎算法

为了进一步提高谎言语音检测的准确率，提出了一种基于栈式去噪自编码器的语音测谎算法(SDA-SVM)，该算法 首先采用OpenSMILE提取了 384维语音特征，然后构建了两层去噪自编码网络对语音特征进行变换加工，最后，采用SVM分类器对语音是否为谎言进行分类识别，所用语音来源为CSC测谎语料库，实验结果显示:相比传统的SVM分类，所提算法的检测准确率至少提升1.85％。     

基于卷积神经网络的大姿态人脸对齐方法

大姿态人脸对齐是人脸识别和三维人脸重构等很多重要视觉任务的先决条件.现有的对齐方法大多使用二维界标位置来进行对齐,且使用的界标数量有限,影响大姿态人脸对齐的准确性.提出一种采用三维形变模型(3DMM)来表示二维人脸图像,将具有任意姿态的人脸对齐问题建模为基于3DMM的拟合问题.采用基于卷积神经网络(CNN)的级联回归方...     

基于深度栈式自编码网络的面部年龄识别

随着计算机技术与网络信息技术的发展,利用人体生物特征来获取相关信息已成为安全验证的重要方式。人脸作为人体最重要的生物特征之一,一直备受研究者重视。主要针对基于深度学习的人脸年龄估计问题进行研究。基于栈式自编码网络的深度学习模型,将其运用到面部年龄识别问题上,并通过编程实现了基于该深度模型的面部年龄识别系统。     

改进RCPR的人脸对齐方法

在鲁棒级联位置回归(RCPR)方法中,逐级迭代决策树的结构单一,而且初始化形状机制效率低和不精准.因而提出了一种改进RCPR的人脸对齐方法,采用随机森林的级联回归,由逐级迭代决策树转成结构稳定的并行决策树;同时在测试阶段,采用直方图统计的人脸形状初始化机制,高效地实现了粗定位.改进的方法在多个数据库中验证了可行性,结果表明提出的算法在光照、表情变化、遮挡等情况下能够保持很好的鲁棒性,并且在精度、失败率上都有较大的提高.     

基于SURF的特征点快速匹配算法

为了解决光电图像匹配过程中特征点错配率较高的问题,本文提出了一种基于SURF特征点的匹配方法。该算法首先利用最近邻欧氏距离比率法对提取的SURF特征做粗匹配,然后获取特征点对应尺度的邻域灰度统计信息,进而利用Pearson相关系数比得到鲁棒性较强的匹配对。实验表明该方法能够有效提高匹配的准确率,且满足实时性要求。     

基于SURF算法的微小位移测量

针对导弹等高加速度运动目标发射初期微小初始位移检测的需要,提出采用SURF算法将位移变化转化为提取的特征点对欧式距离的变化的方法。该算法在SURF提取图像特征点的基础上,使用最邻近匹配进行快速的初匹配,然后采用提出的一种基于平行距离的匹配方法进一步去除错误的匹配点对,根据正确的匹配点对的距离计算出初始位移。实验结果表明,该算法精度在亚像素级别,运行时间在10 ms之内,能够实时可靠的给出目标的初始位移。     

一种基于SURF的交通标志识别算法

提出了一种基于SURF的交通标志识别算法。算法首先对从视频中抽取的图像进行预处理,之后使用交通标志的颜色与形状特征信息来检测与分割交通标志。然后使用SURF特征提取算法来抽取和描述已经定位的交通标志的特征值。最后,使用基于加权欧几里德距离的最近邻搜索方法在经过粗分类的特征模板库中进行搜索匹配。实验结果显示该算法具有较好的识别精度和速度。     

基于SURF算法的微观驱替图像配准

针对快速鲁棒特征(SURF)算法对微观驱替图像进行配准存在的误匹配比例较高和由于提取的特征点过多导致时间偏长的问题,提出了一种改进的 SURF算法.利用了微观驱替模型的特点,提取出信息量相对比较丰富的边界,仅在边界和边界附近提取特征点.借鉴了 Hassion角点检测的方法,筛选出那些满足设定条件的稳定的特征点.实验证明,本文提出的方法在匹配正确率上得到了提高.同时,特征点匹配的耗时有所减少.     

基于加权平均脸的最近邻算法

提出了一种基于加权平均脸的最近邻算法。该方法提取与测试样本距离较近的几个样本点,并用提取出的样本点组成加权平均脸。加权平均脸方法扩展了人脸图像的姿态和表情变化,在ORL人脸库和YALE人脸库上的实验表明,该方法提高了人脸样本的识别率：     

一种基于Fourier变换的人脸识别算法

针对现有的多数人脸识别算法在单训练样本时识 别性能并不理想这一问题,提出一种基于Fourier-Mellin变换的频域不 变性以及时域不变性的特征提取算法。首先,采用图像亮度作为原始特征,将对图像亮度标 准化以改善光照变化,通过应用2D小波变换降维来管理频域不变量的复杂度;然后,为进一 步改进识别性能,根据分析的Fourier-Mellien变换(AFMT) 以及正交Fourier-Mellin矩(OFMM)法不变量的特征,将两种算法混合,进行特征提取; 最后,利用分值标准化度量频域不变量与时域不变量,并存储到一个特征向量中用于分类。 通过最近邻分类器(NNC)和相关性系 数法(CCM)进行分类和融合。通过在YALE与ORL人脸数据库上进行了大量实验的结果表明, 本文提出方法的性能要优于传统的人脸识别算法。     

Multi-scale attention guided network for end-to-end face alignment and recognition

Attention modules embedded in deep networks mediate the selection of informative regions for object recognition. In addition, the combination of features learned from different branches of a network can enhance the discriminative power of these features. However, fusing features with inconsistent scales is a less-studied problem. In this paper, we first propose a multi-scale channel attention network with an adaptive feature fusion strategy (MSCAN-AFF) for face recognition (FR), which fuses the relevant feature channels and improves the network’s representational power. In FR, face alignment is performed independently prior to recognition, which requires the efficient localization of facial landmarks, which might be unavailable in uncontrolled scenarios such as low-resolution and occlusion. Therefore, we propose utilizing our MSCAN-AFF to guide the Spatial Transformer Network (MSCAN-STN) to align feature maps learned from an unaligned training set in an end-to-end manner. Experiments on benchmark datasets demonstrate the effectiveness of our proposed MSCAN-AFF and MSCAN-STN.     

基于改进SURF算子的高低分辨率图像配准方法

针对激光三维成像传感器与可见光传感器图像分辨率差异较大,配准过程中特征点误匹配情况严重的问题,提出了一种基于改进SURF算子的高低分辨率图像配准方法。首先,采用双线性插值算法对低分辨率图像进行预处理,然后在经典SURF算子的基础上,采用最近邻向量匹配法完成SURF特征的粗匹配,并基于特征偏移一致性原则对匹配情况做进一步优化,最后结合RANSAC和最小二乘法求出图像之间的仿射关系,利用所求的变换参数插值得到配准后的图像。实验结果表明,该配准方法在保持配准速度的同时,结构相似性测量指数提高了约11%,进一步提高了配准的精度。     

基于SURF分割圆形区域的图像拼接

针对SURF(Speeded Up Robust Features)算法在图像拼接过程中配准精度低和运算复杂度较高的问题,提出了一种基于SURF分割圆形区域的图像拼接方法.首先,对图像进行特征点的检测和提取过程中,在传统SURF算法的基础上采用了分割圆形区域提取描述符;接着,计算了区域归一化的灰度均值和韦伯局部描述细节信息,形成新的描述符;然后,通过改进的RANSAC(RandomSample Consensus)算法对每个模块的误匹配点进行消除,得到精确的匹配特征点.实验结果表明,相较基于改进的SURF算法的图像拼接,该方法匹配正确率平均提高了6.05％,拼接时间平均减少了24.47％,匹配速度和效果有了较大提升,基本满足图像拼接速度快、精准度高、稳定可靠等要求.