机器自动人脸识别技术的进展

机器自动人脸识别领域是新兴的领域,发展只有二十余年的历史。随着需求的不断出现,机器人脸识别技术的研究必然向更深更广的方向发展。本文阐述了机器人脸识别技术的现状及遇到的主要困难;同时提出了研究机器人脸识别系统应考虑的几个关键性问题;最后给出了几种常见的图像识别系统模型。     

基于小波神经网络的人脸识别

利用最近在小波变换、人工神经网络和证据理论上取得的进展来进行人脸图像的识别。由于小波变换在时间和频率空间具有良好的定位特性，使小波神经网络可对输入、输出数据进行多分辨的学习训练。将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构，介绍了神经网络的数学框架和该网络的学习算法，把此算法用到人脸识别中，实验结果证明小波神经网络在人脸识别中收敛速度快、识别率高。     

自动人脸识别技术综述

1.引言人脸识别因其在安全、认证、人机交互等方面良好的应用前景而成为近年来模式识别和人工智能领域的研究热点。到目前为止,基于计算机的自动人脸识别系统已经研究了20多年,但仍面临着种种困难,这些困难来源于表情、姿态、位置、头部尺寸、光照和背景的大幅度变化。同时,由于     

基于小波变换和图像矩特征的人脸识别算法

自从1962年Hu提出在模式识别中采用矩不变性以来,矩函数由于具有不随图像平移、变比、旋转而变化的不变性质被广泛用于图像分析中,如不变模式识别,物体分类姿态估计图像编码与重构纹理分割等。同时它所提供的各类几何信息也广泛应用于计算机视觉和机器人技术中。但计算量大和高阶矩受噪声影响较大,一直困扰着矩方法。小波变换可以将图像分解成不同的子波带,低频部分中包含了原始图像的主要信息。这就启发我们:首先,利用小波变换提取图像的低频部分,这就有效地降低了处理图像的维数。然后提取图像的矩     

人脸识别技术综述

人脸识别技术的研究在近几年得到了高度重视,已经成为图像分析和理解中最成功的应用之一.文中对人脸识别技术的常用方法如:肤色模型方法、基于特征脸(Eigenface)的PCA方法、人工神经网络(ANN)的方法、以及基于局部Haar特征的方法等,进行了分类总结.在分析了影响人脸识别效果的两个主要因素:光照影响和姿态影响后,指出利用先验知识,综合多种分类方法是人脸识别研究的趋势.     

人脸识别技术综述

人脸识别技术的研究在近几年得到了高度重视,已经成为图像分析和理解中最成功的应用之一。文中对人脸识别技术的常用方法如：肤色模型方法、基于特征脸(Eiganface)的PCA方法、人工神经网络(ANN)的方法、以及基于局部Haar特征的方法等,进行了分类总结。在分析了影响人脸识别效果的两个主要因素：光照影响和姿态影响后,指出利用先验知识,综合多种分类方法是人脸识别研究的趋势。     

基于单视图的多姿态人脸识别算法

针对基于多视图的多姿态人脸识别方法的缺陷，即需要对每个人脸拍摄多个视图为前提条件，提出了基于单视图的多姿态人脸识别技术，首先基于二元高次多项式函数最小二乘拟合方法由单视图通过变形生成多姿态人脸图像，然后基于该单视图和生成的多姿态图像进行多姿态人脸识别。实验结果表明该文算法识别的正确率远高于经典算法。     

人脸检测研究综述

人脸检测问题最初作为自动人脸识别系统的定位环节被提出，近年来由于其在安全访问控制，视觉监测、基于内容和检索和新一代人机界面等领域的应用价值，开始作为一个独立的课题受到研究者的普遍重视。该文从人脸检测问题的分类、人脸模式的分析、特征提取与特征综合、性能评价等角度，系统地整理分析了人脸检测问题的研究文献，将人脸检测方法主要划分为基于知识的人脸验证方法和基于统计的学习方法，指出统计学习方法优于启发式验证方法。     

基于实时视频的人脸识别技术的研究

人脸识别是机器视觉、模式识别等领域的研究热点,具有广阔的应用前景,提出了一种基于实时视频的人脸识别方法,重点介绍了相似度计算,图像二值化,以及人脸识别的编程实现过程,并结合实际图片进行了人脸识别测试,实践结果表明系统效果良好。     

人脸图像的自动校准算法

人脸自动识别是计算机模式识别领域的一个活跃课题,有着十分广泛的应用前景。在人脸图像中人脸的尺度、位置与姿态变化影响了人脸特征的抽取,所以需要对人脸图像作人脸校准的预处理。文中提出的算法利用模板匹配方法从人脸图像中提取出人脸姿态校准图像,再从中抽取出两个眼睛的位置,从而对人脸的尺度、位置与姿态变化实现自动校准。对有２１６幅人脸图像的人脸图像数据库作人脸自动校准实验,成功率是１００％,而且利用所得到人脸脸部校准图像进行的人脸识别实验的正确识别率可达到９０％左右,这表明该算法是比较有效的     

人脸识别研究综述

人脸识别已成为多个学科领域的研究热点之一.本文对人脸识别的发展历史、研究现状进行了综述,系统地对目前主流人脸识别方法进行了分类.针对人脸识别面临的挑战,着重对近几年来在光照和姿态变化处理方面的研究进展进行了详细论述,并对未来人脸识别的发展方向进行了展望.     

人脸识别理论研究进展

简要回顾了人脸自动识别技术的研究背景及发展历程，重点对近3、4年人脸自动识别方法的研究进展进行综述并对各种方法加以评价，总结了现存的研究困难并提出了解决方法及今后的发展方向。     

人脸识别研究综述

该文对人脸识别的主要方法进行了系统的介绍,阐述了人脸识别研究的发展历史中技术和方法的演变以及国内外的研究现状,并对人脸识别研究可能的发展趋势作了展望。     

人脸识别技术研究

简要回顾了人脸自动识别技术的研究背景及发展历程,重点讨论了当前七种热点识别算法,对各种方法加以评价,总结了现存的研究困难,提出了解决方法及发展方向。     

核方法在人脸识别中的应用

1 引言人脸识别技术广泛应用于身份验证、门检系统以及人员监视等方面,在过去的几年里,人脸识别技术有了很大的发展。人脸识别技术与普通的模式识别不同,主要是因为在一般的模式识别中,有几个分类,每个分类中有很多样本,这样可以安排大量样本进行训练;相反,人脸识别中通常会有很多不同的人脸,每个人脸代表一个分类,而每个分类中的样本数都比较少,在很多情况下,甚至每个人只有一张图片(如身份证照片),在文[4]中提出了处理只有一个样本情况下的人脸识别。     

机器视觉技术在实践教学中的应用方法研究

随着机器视觉技术的日渐成熟,其应用领域趋于多样化,该文主要探讨了机器视觉技术应用于教学中的实际意义,并提出了以理论知识为基础,实际应用为核心的教学理念。根据提出的教学理念,该文拟定了一套完整的阶段式教学体系,并依托西安科技大学工程训练中心创新班为基础开展,取得了初步的教学效果。     

基于局部特征分析的人脸识别方法

在传统的弹性图匹配基础上，提出一种基于局部特征分析的人脸识别算法。该方法利用人脸的先验结构和人脸图像的灰度分布知识，首先粗略地找出人脸图像的特征点，然后利用人脸弹性图对特征点的位置进行调整。最后在各个特征点处计算Gabor变化的系数，人脸相应被表示为特征点处的Gabor系数集合，对提取的特征向量用几种不同的度量距离来进行分类，并给出测试结果。实验表明，该方法优于传统的Eigenface方法，特别适用于训练图像样本较少的情况。相对于传统的弹性图匹配方法，该方法由于人脸特征点预先被估算出，而不是在整个图像上搜索，所以大大减少了计算量。     

机器视觉及其在工业检测中的应用

1 机器视觉概述 作为一门新兴的学科,机器视觉近20年来一直以迅猛的速度发展,自90年代中期以来,机器视觉的发展已经从最初的实验室研究阶段逐渐走向实际应用的发展阶段.尤其进入21世纪以后,机器视觉在各行各业的应用得到了前所未有的普及和推广,理论研究也在高分辨率的多灰度图像处理、三维视觉模型、模式识别和神经网络等领域内取得了很大的进展.     

基于视频的人脸识别研究进展

近年来基于视频的人脸识别已成为人脸识别领域最为活跃的研究方向之一.如何充分利用视频中人脸的时间和空间信息克服视频中人脸分辨率低,尺度变化范围大,光照、姿态变化比较剧烈以及时常发生遮挡等困难是研究的重点.文中对近期(主要近5年)基于视频的人脸识别研究进行了详细的介绍和讨论,在对相关方法分类的基础上,分析了各类方法中典型技术的优缺点,并概况介绍了常用的视频人脸数据库和实验结果,最后展望了基于视频人脸识别未来的发展方向和趋势.