一种鲁棒的多态人脸识别算法

如何处理人脸识别中的多态性一直是人脸识别领域的一个难题。传统的图嵌入算法忽视了同类中多态子类间的同属关系,而且也没有恰当地处理异类间的区别信息。该文提出一种鲁棒的图嵌入人脸识别算法,该算法可以恰当地模拟同类中的多态间关系,而且能在局部流形结构与全局区别信息间实现平衡。基于多个公开数据库的人脸识别实验证明了该方法的有效性。     

一种改进的基于小波变换的人脸光照归一化方法

针对光照对人脸识别影响的问题,提出了一种改进的基于对数域多级小波分解的光照归一化方法。首先将手工裁剪后的人脸图片进行对数变换,然后将对数域图像进行多级小波分解,将低频系数置零,并将多个尺度上的高频系数分别乘以不同的高频增益,突出光照不变性分量。采用经典的PCA人脸识别算法,在耶鲁B与CMU PIE人脸数据库的实验结果表明,本文方法能有效地消除光照对人脸识别的影响,并有效提高识别率。     

基于动态优化PCA人脸识别算法的实现

提出一种人脸识别动态优化PCA算法。采用ORL人脸数据库,对数据库中图像进行放缩归一化操作并按升序或降序排列。然后,将数据库分为最大值类、中值类、最小值类三个部分,求其各类平均值,特征值个数选取9和10,实现人脸识别和重建。随机采样人脸图像,采用DCT算法将其转换到频域进行分析,通过比较整个数据库平均脸与三类中各自平均脸,算法运行后,特征值个数可以实现自动优化。实验结果显示,该算法在一定程度上可用来对传统PCA算法部分关键参数进行优化。     

基于思维进化的机器学习的遮挡人脸识别

针对遮挡人脸的识别问题,提出了基于思维进化的机器学习(MEBML)与局部特征结合的方法。首先提出了LBP偏移特征组的提取方法,定义一种新的特征对比规则,根据遮挡人脸图像与无遮挡人脸图像的局部特征进行对比,记录对比相似度作为局部区域的得分。然后对所有局部区域进行趋同过程和异化过程的演化,得到无遮挡区域及遮挡物体区域。当无遮挡区域满足一定比例且分布集中时,应用该区域特征完成遮挡人脸条件下的人脸识别。实验结果表明:新方法的遮挡人脸识别准确率在92%以上,并具有较低的误识率。     

基于图像的单样本人脸识别研究进展

基于单样本的人脸识别具有重要的应用价值,然而对仅有一个注册样本的人脸图像进行识别是一个具有极大挑战性的问题。对近年来提出的单样本人脸识别的算法进行分类和介绍,以识别率为指标对比了这些算法的实验结果,同时给出了这些实验针对的人脸数据库、数据库的规模和训练/测试样本集的划分;总结了影响单样本人脸识别率的关键因素及各算法的优缺点,分析了一些算法取得较优识别率的原因及未来可能的研究方向。     

基于MEGI模型的三维人脸识别方法*

三维人脸识别是未来人脸识别的方向,有望解决二维人脸识别的瓶颈问题。基于MEGI模型,扩展了球面相关性系数,将其用于三维人脸识别。实验证明,基于MEGI模型的方法可以用于三维人脸识别。     

基于2D PCA和2D LDA的人脸识别方法*

提出了基于2D-PCA、2D-LDA两种特征采用融合分类器的人脸识别方法.首先提取人脸图像的2D-PCA和2D-LDA特征,对不同特征在决策层对分类器进行融合.在ORL人脸库上的试验结果表明,分类器决策层融合方法在识别性能上优于2D-PCA和2D-LDA,更具有鲁棒性.     

基于改进的RPCA人脸识别算法

针对人脸识别中存在遮挡、光照、表情变化等问题,提出了一种基于改进的鲁棒主成分分析的人脸识别算法,它利用人脸的稀疏误差成分准确判断出人脸图像之间的差异。该算法首先对人脸进行低秩恢复,得到表示人脸普通特征的低秩分量和描述人脸差分信息的稀疏误差分量,然后定义稀疏度和平滑度两种描述符来表示稀疏误差分量的特征,最后联合上述两种描述符对人脸图像进行分类判别。实验结果表明,在光照条件和遮挡区域随机的情况下,提出的采用误差图像进行分类判别的算法在处理遮挡、光照、表情变化等人脸识别问题上均具有优越的识别性能。     

基于高斯过程回归的多姿态人脸识别

针对在人脸识别中,人脸姿态的变化会对识别结果造成严重的干扰这一问题,以及目前绝大多数人脸识别系统仅支持标准正脸的识别这一现状,基于高斯过程回归分析侧脸轮廓到正脸轮廓的映射关系,提出一种处理侧角在水平-45°到+45°之间的人脸图片的方法,显著地提升了人脸识别系统对侧脸图片的识别率。在Mulit-Pie和FERET两个人脸数据库上进行的多次识别实验表明了该方法的有效性。     

基于关系型发散的黎曼流形分类图像识别

针对图像识别中传统的嵌入流形算法通常只考虑切线空间却忽略了流形结构以致不能准确建模的问题,提出一种基于关系型发散的黎曼流形分类(RMC)算法。首先从底层黎曼流形建立训练集,并在流形上建立一组表示黎曼点的参考点;然后,借助于最近提出的斯坦因发散计算黎曼点与各个类之间的相似性,从而有效地将流形分类问题转换成寻找合适的相似空间问题;最后,利用经典的线性判别分析进行特征提取,最近邻分类器完成最终的分类、识别。通过纹理分类、人脸识别、人体识别实验验证了所提算法的有效性及高效性。实验结果表明,相比其他几种较为先进的流形算法,提出的算法不仅提高了识别率,同时大大减少了训练、分类所耗时间,有望应用于实时图像识别系统。