特征脸和弹性匹配人脸识别算法的比较

计算机自动人脸识别技术是模式识别的一个重要分支,有着广泛的应用背景。特征脸和弹性匹配是两种主要的人脸识别算法。该文研究了视角、表情、光照等变化对两种算法的影响并对此时两种算法的性能进行了比较,理论分析和实验结果都表明此时弹性匹配的识别率优于特征脸。     

人脸识别技术

人脸图像的易取性和人脸变化的多样性使人脸识别研究更富有挑战性.按照人脸检测、特征提取和识别3个关键过程,分别对基于二维和三维人脸信息的人脸识别技术和方法进行了详细的阐述;展望了人脸识别研究的趋势,并提出了可能取得突破性研究进展的研究途径.     

人脸识别技术研究进展

近20年来,人脸识别技术已经作为机器人视觉与模式识别技术中的一个重要研究方向,受到很多研究学者的关注。对当今国内外人脸识别技术的各种研究方法进行了分析和比较,指出了现存的技术困难及今后的研究发展方向。     

人脸识别技术分析及应用

本文主要介绍了人脸识别常用技术以及人脸识别在当今社会的应用领域,最后指出了人脸识别技术所面临的困境。     

人脸识别研究综述

本文简单介绍了人脸识别研究的发展历史,阐述了人脸识别研究方法的分类以及常用的人脸识别方法,并且提出人脸识别所面临的技术挑战以及研究趋势。     

人脸正面图像的机器识别

论文综述了近30年来人脸(正面)的机器自动识别所使用的主要方法,对其优缺点进行总结。并对当今的研究热点如特征脸、图面模板(弹性匹配)进行了比较分析。     

一种基于改进弹性束图匹配的人脸识别

针对基于弹性束图匹配（EBGM）算法的正面人脸识别,提出了一种新的优化理论。在EBGM算法中,在抽取脸部图像特征之前,需要首先预设好Gabor小波的波长。为了对EBGM算法进行优化,提出了采用遗传算法（GA）对Gabor小波波长进行最佳选择。为了对改进的算法进行评估,实验对300个FERET人脸数据库类进行了测试。在训练阶段,每个类中只取出一幅图像用来训练。经过优化后的EBGM算法匹配运算大幅度减少,识别率大约为90％,运行速度提高至原EBGM算法的115倍。     

基于PCA的特征选择算法

在人脸识别的某些应用中,最好能够找到原始特征的关键子集,减少不必要的特征计算和资源耗费,而不是得到所有原始特征的映射.主成分分析法(Principal Components Analysis,PCA)是目前比较常用的人脸识别算法,PCA将人脸图像映射到能很好地表征训练图像集的特征脸空间中,但是基于PCA的人脸识别的缺陷在于原始空间所有的特征都映射到了低维特征窄间中,是基于最佳描述性特征子集.提出了一种新的基于PCA的特征选择方法,将特征选择与特征抽取相结合,对特征脸空间再进行特征选择,选择人脸原始特征集中最关键的特征,并将其应用在基于PCA的人脸识别中.     

基于图匹配的人脸识别算法研究

文中介绍了一种通过提取特征点信息进行人脸识别的方法。在利用特征点定位的基础上,根据五官颜色检测特征点,然后构造特征点的具体数据及之间的关系数据,并与样本库中的人脸图片相比计算其最小匹配代价,依据最小匹配度完成识别。实践证明该方法对人脸正面图具有准确的识别率,且具有强抗干扰能力。最后展望了人脸识别技术的今后的研究方向。     

基于眼部特征的人脸识别快速算法

在频谱脸法的基础上,提出了基于眼部特征的人脸识别快速算法。该方法利用小波变换后的垂直细节子带进行眼睛位置的搜索,并根据眼睛部分的信息进行初步查询,使得平均识别率有所提高,并大大减少了平均识别时间。     

基于加权特征脸法的人脸识别

人脸识别是模式识别领域中一个相当困难而又有理论意义和实际价值的研究课题。本文在传统的特征脸方法的理论基础上提出一种改进的特征脸方法,就是把人脸图像分成上中下三个部分,分别应用特征脸方法,在识别计算距离时赋予不同的权值,最后确定综合距离最小的人脸图像。把这种方法和传统特征脸方法进行了对比实验,结果证明了该方法的可行性和良好的抗畸变能力。     

基于GPU的特征脸算法优化研究

特征脸算法是基于脸部表征的常用人脸辨识方法之一。当训练数据量较大时,不管是训练还是测试模块都非常耗时。基于此,采用CUDA并行运算架构实现GPU加速特征脸算法。针对GPU并行运算的效果取决于硬件规格、算法本身的复杂度和可并行性,以及程序开发者使用GPU的并行化方式等因素,文中首先提出在特征脸算法训练阶段的计算平均值、zero mean、正规化特征脸等计算步骤以及测试阶段的投影到特征脸空间、计算欧几里得距离等计算步骤使用GPU优化加速;其次在相应计算步骤采用不同的并行化加速方法并做出效能评估。实验结果表明,在人脸训练数据量在320~1920的范围内,各计算步骤加速效果明显。与Intel i7-5960X相比,GTX1060显示适配器在训练模块中可达到平均约71.7倍的加速效果,在测试模块中可达到平均约34.1倍的加速效果。     

一种基于2DLPP和2DLDA的人脸识别方法研究

局部保持投影（locality preserving projection,LPP）和线性鉴别分析（linear discrimin antanalysis,LDA）是两种有效的一维特征提取方法,广泛应用于人脸识别领域。但采用一维特征提取方法时会存在列向量化时样本的结构信息被破坏和样本在提取特征时必须对协方差矩阵进行特征分解,对于高维小样本的问题很容易出现协方差矩阵奇异的问题。文中提出将二维局部保持投影（2DLPP）和二维线性鉴别分析（2DLDA）这两种方法在特征层进行融合并应用在人脸识别。基于人脸库AR上的实验表明,该方法比传统的IJPP和LDA识别性能更高,因此可作为一种新的人脸识别方法。     

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...     

典型相关分析的理论及其在特征融合中的应用

利用典型相关分析的思想,提出了一种基于特征级融合的组合特征抽取新方法．首先,探讨了将典型分析用于模式识别的理论构架,给出了其合理的描述．即先抽取同一模式的两组特征矢量,建立描述两组特征矢量之间相关性的判据准则函数,然后依此准则求取两组典型投影矢量集,通过给定的特征融合策略抽取组合的典型相关特征并用于分类．其次,解决了当两组特征矢量构成的总体协方差矩阵奇异时,典型投影矢量集的求解问题,使之适合于高维小样本的情形,推广了典型相关分析的适用范围．最后,从理论上进一步剖析了该方法之所以能有效地用于识别的内在本质．该方法巧妙地将两组特征矢量之间的相关性特征作为有效判别信息,既达到了信息融合之目的,又消除了特征之间的信息冗余,为两组特征融合用于分类识别提出了新的思路．在肯考迪亚大学CENPARMI手写体阿拉伯数字数据库和FERET人脸图像数据库上的实验结果证实了该方法的有效性和稳定性,而且识别结果优于已有的特征融合方法及基于单一特征进行识别的方法．     

双特征脸空间在面像检测识别系统中的应用

运算量是适时人脸检测和识别的关键，本文为此提出了一种基于双特征脸空间的识别系统。这两个特征脸空间具有不同的图像分辨率和区域范围，分别应用在人脸检测和人脸识别中。此外，我们还讨论了与此相关的人脸旋转和相同背景构造技术。     

人脸识别技术及其在访问控制系统中的应用

针对传统访问控制系统不能达到满意的安全防范效果,本文提出通过识别人脸的面部图像的方法来访问,从而实现对身份的双重检验的新思想。系统主要技术包括：用基于小波变换的PCA实现特征抽取,用最近邻域作为识别判据,以类内相似度为最终认定条件。     

人脸识别常用方法研究

计算机自动人脸识别技术是生物识别的一个重要分支本文简要回顾了人脸自动识别技术的研究背景及发展历程．重点对近年来人脸自动识别方法的研究进展进行综述并对各种方法进行评价。最后，结合现存的研究困难，提出了今后的发展方向。