多尺度人脸特征提取*

介绍了一种新的人脸特征提取的方法,首先在原始图像中找出人脸所在大致区域,然后对已经找出的人脸所在区域进行小波分解,并利用方块效应找出人眼及嘴部所在大致位置,最后提取眼、嘴的特征。试验结果表明,该方法对于人脸特征的提取具有较好的效果。     

基于Gabor变换和Zernike矩的人脸特征提取方法

针对目前常用的三种人脸特征提取方法中存在的识别率低、抗噪性较弱的问题,提出一种基于Gabor变换和Zernike矩的人脸特征提取方法.该方法首先对人脸进行多分辨的Gabor变换,然后利用Zernike矩获得具有平移、尺度、旋转不变性的特征,并用线性判别分析(LDA)方法进一步进行特征选择,最后采用K最近邻分类方法进行人脸的识别.实验结果表明,在与常用的三种人脸特征提取方法的比较中,该方法具有更高的识别率和更强的抗噪性能.     

改进的广义随机Hough变换算法及其在人脸面部关键特征提取的应用

本文通过对经典图象分割算法--Hough变换算法进行分析,以提高现实图象Hough变换处理速度、准确度为目的,结合广义Hough变换、随机Hough变换的优点,得出了具备X、Y幅值、旋转角度三个自由度上的较理想的改进Hough变换模型.该模型可以用来在灰度图象中以较高的检测速度识别出不规则目标图形,而且对相对于目标模板在X、Y幅值、旋转角度三个自由度上有一定改变的目标的识别效果也比较理想.通过对其在人脸检测中对特定面部关键特征定位实验中的处理结果进行分析,并与同类算法做相应的比较,达到了预期的效果.     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号,利用小波变换奇异性检测功能与多尺度分辨特性,提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上,构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计,所得数据具有较好的重复性与稳定性,可以作为用于脉象信号识别的特征向量。     

基于Gabor小波变换的人脸表情特征提取

提出了一种基于Gabor小波变换的人脸表情特征提取算法。针对包含表情信息的静态灰度图像,首先对其预处理,然后对表情子区域执行Gabor小波变换,提取表情特征矢量,进而构建表情弹性图。最后分析比较了在不同光照条件下不同测试者做出6种基本表情时所提取的表情特征,结果表明Gabor小波变换能够有效地提取与表情变化有关的特征,并能有效地屏蔽光照变化及个人特征差异的影响。     

基于Trace变换和支持向量机的车牌字符识别新方法

为了提高车牌上的字符识别准确率,提出一种结合Trace变换和支撑矢量机（SVM）的字符识别方法.在字符识别方面,以Trace变换方法提取字符特征,并运用支持向量机对字符进行模式分类.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

基于先验模板的人脸面部特征提取的研究

提出了一种全新的人脸脸部轮廓提取算法,即运用先验模板及交替补偿机制的方法提取脸部轮廓,实验证明,文中提出的特征提取算法高效且鲁棒性能好。     

基于小波变换的优化LDA人脸特征提取

运用小波进行图像分解提取低频子带图,并利用优化的线性判别分析(LDA)算法寻找最优投影子空间,从而映射提取人脸特征,实现人脸的分类识别。该方法避免了传统LDA算法中类内离散度矩阵非奇异的要求,解决了边缘类重叠问题,具有更广泛的应用空间。实验表明:该方法优于传统的LDA方法和主分量分析(PCA)方法。     

基于人脸分类和K-L变换的人脸识别新方法

为解决目前人脸识别领域中,对含有大量人脸样本训练库识别准确性低、实时效果差的问题,本文提出了一种基于人脸分类的K-L变换人脸识别新方法。该方法首先采用协同模式将ORL人脸库中的人脸样本分成若干聚类;之后利用K-L变换的方式识别待测人脸样本。降低了参加识别比对的样本数量,提高了人脸识别的效率,适用于身份鉴别领域。     

基于神经网络的人脸特征提取及识别

该文使用神经网络技术对人脸的特征提取及识别做了研究。在降低图像解析度的基础上使用神经网络来进行特征压缩,可以有效地降低特征维数。使用神经网络分类器对压缩后的特征进行分类,分类结果以隶属度来表征待识别人脸属于各类别的可能性。实验结果证明了该方法的有效性。     

人脸识别技术的研究

对人脸识别的几个关键技术进行了深入研究,提出了一种快速的基于眼睛像素特征的人脸检测方法：一种有效的基于SVD分解的特征提取方法和一种基于特征差别的SVM人脸识别方法．改进的基于SVD分解的特征提取方法能在一定程度上削弱光照和表情的影响,从而更好地抽取人脸的差别特征．基于特征差别的SVM方法将人脸识别这一典型的多分类问题构造成适合SVM处理的二分类问题,克服了传统SVM方法在解决多分类问题上的缺陷．实验表明该人脸检测方法有较高的正确检测率,提出的特征提取方法能有效地减弱光照和表情对人脸特征的负面影响,使得识别率有较大提高,基于特征差别的SVM方法有更好的概括能力和更高的正确识别率．     

基于Gabor小波的人脸识别技术

本文首先通过直方图均衡化等预处理方法增强图像的整体对比度,使图像的细节更加清晰.然后利用Gabor小波变换,选取不同的尺度和方向对人脸表情特征进行提取.最后通过实验结果对比证明预处理后的图片在进行小波变换时能节省大量的运算时间,并提高识别率.     

无监督模式下统计不相关最佳鉴别平面

统计不相关最佳鉴别平面是一种重要的特征抽取方法,在模式识别领域中具有广泛的应用。然而,统计不相关最佳鉴别平面是基于Fisher准则和总体散布矩阵共轭正交条件的,需要通过样本类别信息计算Fisher最佳鉴别矢量,因而只能用于有监督模式。提出了一种将统计不相关最佳鉴别平面扩展到无监督模式下的方法,其基本思想是将模糊概念引入Fisher线性判别分析,通过对模糊Fisher准则的优化,在无监督模式下计算出最佳鉴别矢量及模糊散布矩阵,再根据共轭正交约束条件,求得第二条最佳鉴别矢量,进而获得一种基于无监督统计不相关最佳鉴别平面的特征抽取方法。对UCI数据集及CMU-PIE人脸数据库进行实验,结果表明,在样本类别信息缺失的情况下,该方法尽管无法具有与有监督模式下的统计不相关最佳鉴别平面特征抽取方法同样的性能,但当类别差异较大时,能够抽取有利于分类的统计不相关特征,获得优于主成分分析与独立成分分析等常见无监督特征抽取方法的性能。     

多种代数特征抽取方法下的人脸图像SVM算法研究

本文分别用主成分分析(PCA)、独立成分分析(ICA)以及线性鉴别分析(LDA)方法对图像进行特征抽取,采用支持向量机(SVM)算法进行人脸图像分类。通过在YALE人脸图像库上的实验结果验证表明,在多种特征抽取方法下的图像分类算法是有效的。     

模糊支持向量机在人脸识别中的应用

本文首先介绍了人脸图像的代数特征抽取方法 ICA,再对模糊支持向量机(Fuzzy Support Vector Machine,FSVM)作了重点分析和研究。将抽取的人脸特征应用到基于FSVM和基于模糊系统的算法上,采用基于模糊分类系统和二叉决策树相结合的方法进行人脸识别,可以达到理想的识别效果。     

基于trace变换特征的单训练样本人脸识别算法

提出了基于trace变换不变性特征的人脸识别算法,提高了单训练样本下姿势和表情变化后的识别率。应用一阶Scharr算子、二阶尺度适应的高斯型拉普拉斯算子（LOG）和Harris滤波器定位特征点,选择合适的泛函在特征点的邻域内进行trace变换得到具旋转和尺度不变性的特征描述子。根据特征描述子的特征向量和坐标值实现由粗到精的匹配,整个过程不涉及参数选择问题,保证了算法的稳定性。实验结果证明该算法降低了姿势和表情变化时识别率低的影响,并减少了算法运行时间。     

改进的MSF-VQ人脸特征提取方法

MSF-VQ是一种用于人脸识别的图像特征.它先使用预先确定的码书计算出图片的向量量化直方图特征,再通过马尔科夫稳态特征对直方图进行扩展,从而得到MSF-VQ特征.MSF-VQ特征在人脸识别中表现出较高的识别准确率.但是它在码书的确定和空间信息表达上仍有一些不足之处.针对这两个方面,本文提出了一种改进的方法.首先根据人脸数据集来计算码书,从而提高向量量化直方图对人脸的分辨能力,然后通过结合多个方向上采样的MSF特征,增加MSF-VQ特征包含的空间位置信息.实验结果表明,改进的MSF-VQ方法具有更高的人脸识别准确率.     

基于奇异值分解和判别式KL投影的人脸识别

人脸识别是计算机视觉和模式识别领域的一个活跃课题,有着十分广泛的应用前景.提出了一种新的彩色人脸识别方法.该算法采用模拟K-L变换、奇异值分解、主分量分析和Fisher线性判别分析技术来提取最终特征,可以使分类器的设计更加简洁、有效,使用较少的特征向量数目就能取得较高的识别率.仿真结果表明了该方法的有效性.     

人脸识别在考勤中的应用

人脸是最重要的视觉图像之一,在计算机视觉、模式识别等多个领域具有重要的研究意义.人脸识别现在应用广泛,比如2008年北京奥运会的售票系统就采用了人脸识别的技术.现在的考勤系统多为打卡机,并且代打卡现象严重.而人脸识别应用到考勤系统,保存考劫时人脸截图,并给出识别的结果,加强了考勤数据的准确性、完整性,并为日后考勤记录提...