基于单视图的多姿态人脸图像生成技术研究

该文提出了一种基于单视图或小样本的多姿态人脸图像生成技术,它首先利用一个特征点集表示人脸,然后基于二元高次多项式函数最小二乘方法对人脸各姿态之间的特征点集坐标变化进行拟合,形成全局的变形域,最后由单视图通过变形映射生成多姿态人脸图像。实验结果表明,利用单视图和生成的多姿态图像进行多姿态人脸识别,正确率得到大大提高,证明该文人脸图像生成技术十分有效。     

基于生成对抗网络的多姿态人脸识别算法

头部姿态角转换会造成人脸成像多姿态变化,人脸离散数据的高斯分布混乱,无法准确地反映人脸多姿态的任意性和连续性,存在识别效果差的问题。引入生成对抗网络理论,设计多姿态人脸识别算法。对获取到的不同角度人脸图像,实施多姿态人脸校正与旋转残差注意力计算,解决当前头部姿态估计方法对不同人脸兴趣区域不稳健的问题。设计生成对抗网络进行双路循环优化,在生成的对抗网络中,参考CASIA-Net网络结构,使用深层次网络结构,每一层都有一个3*3的卷积核。所提出的设计可以降低网络参数,增强网络的非线性度,实现高效的面部特征提取,构建人脸多姿态识别模型,并完成人脸识别。通过实验结果表明,所提算法针对多姿态人脸识别效果好,在人脸不同姿态变化过程中,识别率始终在97%以上,更适用于多姿态人脸识别。     

3D模型的多姿态人脸识别

多姿态人脸识别是当前人脸识别中的难点，识别率普遍不是很高。本文提出了一种利用正面、侧面照片建立起三堆虚拟人脸模型，然后对待识别照片进行角度估计，把模型库中的每一个3D模型在该角度附近进行多次投影，搜索出与待识别照片相似度最高的照片。这种方法可以有效的提高人脸识别率，增强人脸识别系统的鲁棒性．     

多姿态人脸图像合成

提出了一种从单张旋转人脸图像合成正面人脸图像的方法。首先把测试人脸图像表示为形状向量和纹理向量,用线性物体类的理论来合成正面形状和纹理,之后把测试图像的纹理和合成的纹理结合产生最终的正面纹理,最后应用分段三角形拉伸算法把合成的纹理和形状结合起来,生成了测试人脸的正面图像。实验结果表明,该方法能有效地从单张旋转人脸图像合成正面人脸图像,合成正面人脸图像使识别率大幅提高。     

二代证人脸识别的多姿态虚拟样本生成方法

使用第二代身份证照片作为训练样本进行人脸识别属于典型的单样本问题,由于没有充分数量的训练样本,会造成常规的人脸识别算法识别率低下。甚至无效的问题。为此采用虚拟样本生成方法,并针对遇到姿态变化较复杂的人脸时,识别率不高的问题,提出了一种新的多姿态的虚拟样本生成方法,通过模拟人脸侧向旋转、俯仰和立体旋转等增加有效的训练样本。再使用鲁棒性较好的HMM进行人脸识别。在自建的身份证人脸库上进行测试,实验结果显示．该方法在一定程度上减弱了人脸姿态的变化对识别率的影响,并取得了较好的识别效果。     

基于层次模型和融合决策的多姿态人脸识别技术

该文提出了基于层次模型和融合决策的多姿态人脸识别技术,它首先把各人脸按姿态分成几个大类,并且对各大类按人脸个体分成相应子类,然后对各个大类分别进行基于特征脸的人脸识别,最后对各个姿态的人脸识别中间结果进行融合决策得到真正的人脸识别结果,该算法同时也提供了其姿态识别结果,并且大大减小了耗时,该文算法对ORL,UMIST,Stirling数据和一些自拍数据共1200幅人脸图像进行了识别测试实验,其结果令人鼓舞。     

多姿态、光照不均人脸图像的子空间人脸识别方法研究

针对人脸识别中存在的光照不均匀问题,提出了一种预处理链技术,能达到很好的光照补偿效果。为了提高多姿态、多表情、多细节人脸图像的人脸识别率,设计了一种将最近邻分类器与支持向量机相结合的分类算法（NN-SVM）,基于该分类算法提出了一种基于Gabor变换和NN-SVM的子空间人脸识别方法。在FERET和ORL两大人脸数据库中对所提方法进行性能评估,实验结果表明所提出方法能有效的解决人脸识别中光照不均匀问题,大大的提高人脸识别率,而且相比其他现存的人脸识别方法,所设计的方法具有更好、更稳定的识别效果。     

基于人脸识别的人脸图像预处理研究

人脸识别是模式识别和人工智能领域的研究热点之一.根据人脸图像的特点以及后续处理的要求,本文中主要使用了各种滤波方法对人脸图像进行预处理,进行预处理后的人脸图像利用形态学和BP神经元网络实现识别,实验结果表明,本文方法取得较好的识别效果.     

基于Gabor和核监督局部保持投影的单样本人脸识别算法

针对目前主流人脸识别算法,在单样本条件下,当性能严重下降根本无法工作时,提出了一种结合Gabor和核监督局部保持投影的单样本人脸识别算法.选取数据库中中性表情的近正面人脸图像作为训练样本,通过几何变换产生15幅虚拟样本,对每幅样本图像提取Gabor特征,采用核监督局部保持投影方法进行特征提取,欧氏距离最近邻分类器进行分类.根据ORL数据库、Yale数据库和FERET数据库上的实验结果表明,核监督局部保持投影(GKSLPP)算法具有较好的识别效果.     

基于自适应加权Fisherface算法的人脸识别

提出了一种改进的Fisherface算法。算法首先利用Karhunen-Loeve（K-L）变换降维,在降维的子空间内,根据样本与同类样本间的距离赋予该样本一权值,再用加权后的样本求取类均值,以新的类均值重建类内散布矩阵和类间散布矩阵,从而改进Fisher判别函数。在ORL和Yale人脸库上的实验结果表明,该算法优于传统的主成分分析（PCA）方法和Fisherface方法,并能有效解决小样本情况下训练样本类均值偏离类中心的问题。     

基于Fihserfaces算法的人脸识别

Fisher鉴别是一种有监督的特征提取技术,因其计算简单、分类效果良好而得到广泛应用。文中使用基于Fisher鉴别数值分析技术,对人脸数据进行特征提取,再使用最小距离分类器进行分类识别。该算法在ORL和YALE人脸库进行了实验,根据统计对ORL人脸库和YALEA人脸库的识别率分别为94.00%和89.33%。实验结果表明,Fisherfaces算法对于人脸库中的图像有较高的识别率。     

基于PCA算法的人脸识别

PCA算法作为一种数值分析技术,主要的应用是用于简化数据、降低数据维度。将PCA算法应用到人脸识别,能提取出人脸图像中最主要特征,去除数据的冗余和噪声。文中采用PCA进行人脸识别,能为人脸识别提取区分度高的特征数据,有效提高了识别的准确性。且在ORL和YALE人脸库进行了实验。实验结果表明,该方法对实验的人脸图像有较高的识别率。     

基于奇异值分解的基图像的人脸识别

研究了基于奇异值分解的人脸识别问题。首先证明了图像的大量信息主要体现在图像矩阵奇异值分解的前几个最大奇异值所对应的左、右奇异向量中,然后给出了模板图像的基图像,并将图像展开成基图像的线性表示,提取其组合系数作为图像的代数特征并用于人脸识别中。实验表明,较以投影系数向量为代数特征的人脸识别方法,该方法所需的运行时间明显降低,而且与基于奇异值向量作为图像特征的方法相比,该方法的识别精度明显提高。     

基于OpenCV在Android平台下实现人脸识别

本文提出了使用OpenCV（OpenSourceComputerVisionLibrary）在Android平台下实现人脸识别的方法。首先,本文介绍了OpenCV2．4的人脸识别算法类FaceRecognizer的使用以及在windows平台下的实现,接着详细的阐述了利用AndroidT的JNIJavaNativeInterface）,并结合AndroidNDK（NativeDevelopmentKit）调用和编译openCV下的相关函数,生成共享函数库。经过实验的在Android下人脸识别效果良好。     

基于ASM的人脸面部特征定位算法的改进

针对传统ASM方法进行人脸面部特征定位的一些缺点,提出了几点改进算法。传统的ASM方法难以在每一个特征点上都取得较好的匹配结果,并且由于背景图像的不确定性,训练得到的模型依赖于训练样本的背景。针对以上问题,首先针对边缘特征点,提出复杂背景下的局部纹理模型;其次,针对轮廓的角点,使用二维模型和二维的特征点匹配算法;最后,...     

单对象人脸识别技术研究

针对单对象人脸识别的特点,提出了一种基于DWT-DCT平均脸和自适应阈值的单对象人脸识别算法,该算法首先利用肤色模型和人脸几何特征检测、定位、归一化内脸,然后对人脸进行DWT变换和DCT变换提取人脸特征,并计算DWT-DCT平均脸,最后利用自适应阈值进行人脸识别。实验证明,该方法具有识别有效性和认证可靠性。     

基于LBP人脸识别算法的预处理研究

该文对人脸识别过程中的预处理进行研究,用高斯平滑、直方图均衡化和Sobel算子对图像进行预处理,通过改进前后在Feret人脸库的实验结果比较其识别率,观察各预处理方法对LBP算子性能的影响。大量的实验表明,结合高斯平滑预处理、Sobel与LBP的算法识别率提高最大。