基于神经网络集成的多视角人脸识别

人脸在图像深度方向上发生偏转时,即使同一对象的人脸图像也会发生极大的变化。在此,将神经网络集成应用于多视角人脸识别,所用的人脸特征通过多视角特征脸分析获得。为每一视角的特征空间各训练一个神经网络,并利用另一个神经网络对其进行结合。利用训练好的神经网络集成进行识别时不仅不需进行偏转角度估计预处理,而且还可以在给出识别结果的同时给出角度估计信息。实验结果表明,该方法的识别精度高于根据精确的偏转角度估计信息挑选最佳单一神经网络所能达到的效果。     

基于低秩特征脸与协同表示的人脸识别算法

在人脸识别中,人脸图像往往受到表情、光照、遮挡、姿态变化的影响,对此本文提出一种基于低秩特征脸与协同表示的人脸识别算法。该算法先用低秩矩阵恢复算法分解出训练样本图像的误差图像,再分别对训练样本与误差图像提取特征构造特征字典,计算测试样本图像特征字典下的协同表示系数,最后通过重构误差进行分类。通过AR和ORL人脸库进行实验,结果表明,本文提出的人脸识别算法的识别率、识别速率得到有效提高。     

一种自适应加权SpPCA单样本人脸识别算法

子模式主成分分析(SpPCA)算法忽略了人脸不同分块应该具有不同的重要性.为了解决此问题,提出一种自适应加权SpPCA单样本人脸识别算法,对人脸图像的不同分块自适应地计算其权重.算法对人脸进行分块,按照SpPCA算法将各个分块投影到特征脸的基坐标上,并以每个模块LBP编码的纹理图像信息熵来表征该模块的权值;将模块的权重赋予该模块的特征脸投影,并得到最终分类结果.实验在Yale B和扩展Yale B人脸数据集上进行测试.实验表明,该算法得到了较好的识别结果,有效地弥补了SpPCA算法的不足.     

基于得分的近红外线与可见光图像融合算法

近红外线图像与可见光图像相比,会出现模糊、轮廓不全等问题,对识别性能造成影响.为此,提出一种基于得分的近红外线与可见光图像融合算法,采用特征脸算法对2种模态的人脸样本进行训练学习,在获得2种图像各自的匹配得分后,进行基于得分的融合,以获得最终得分.实验结果表明,该算法的识别效果优于各单一条件下的识别性能,等错误率在CASIA HFB数据库上由4.65％降至3.80％,在HITSZ Lab1数据库上由0.55％降至0.38％.     

一个快速人脸识别系统

本文提出了一个基于分布式数据库方式的快速人脸识别系统，该系统针对大规模的人脸数据库因其特征计算复杂，耗时，采用分布式并行计算的方法有效的降低了系统计算时间，提高了系统响应时间。通过实验我们看出该系统较原有的单一的人脸数据库具有识别快速，检索精度不变的优点。     

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.     

DCT系数重组在特征脸中的应用研究

针对现在图像压缩主要采用DCT变换方法,提出了一种对DCT系数进行重组的方法,获取三级多分辨率子带。通过对各单独子带实施特征脸方法可得到不同的识别效果。提出在子带[S0]和子带[S1],[S2]和[S3]上进行特征脸方法识别,如两者结果不一致,则在满足一定门限条件下输入多张人脸,分析了所提出方法与原方法所需识别时间的关系。在ORL库和YALE库上的实验表明,提出方法的识别率要远高于直接采用特征脸方法。     

人脸图像检测及分类系统的研究

本文提出了一个人脸图像检测及分类系统的快速算法.任意输入图像,系统首先通过查询颜色表的方法快速提取出人脸区域.在姿势分类时,本文使用了分类压缩人脸本征空间的方法,降低了对人脸图像训练和分类的计算量.实验结果证明,本算法具有很好的检测和分类性能.     

实用人脸识别系统的本征脸法实现

本征脸法将图像看做矩阵,计算本征值和对应的本征向量作为代数特征进行识别,具有无需提取眼嘴鼻几何特征的优点,但在单样本时识别率不高,且在人脸模式数较大时计算量大,将人脸模式的多外样本作为子模式,并将较多的人脸模式部分相交地分组,采用基于贝叶斯理论和结合规则,以减小计算量和便于识别系统的扩展,有用ORL和AR图像库的实验表明,本征脸法在采用多样本训练后,识别率和识别时间都较好;识别系统可分布并行计算加快训练,在增加新人脸模式时,系统可以方便地进行扩展,并保持较高的识别率。