人脸遮挡区域检测与重建

提出一种基于模糊主分量分析技术(FPCA)的人脸遮挡检测与去除方法.首先,有遮挡人脸被投影到特征脸空间并通过特征脸的线性组合得到一个重建人脸.计算重建图与原图的差图像,加权滤波后并归一化作为被遮挡的概率,以此概率为权重由原图和重建图合成新的人脸.在后续迭代中,根据遮挡概率使用模糊主分量分析进行分析重建,并使用累积误差进行遮挡检测.实验结果表明,算法可精确定位人脸遮挡区域,得到平滑自然的重建人脸图像,优于经典的迭代PCA方法.     

二阶分块PCA的人脸特征提取方法研究

为了提取更为有效的鉴别特征,在已有的二阶特征脸方法和分块主成分分析(PCA)方法上,提出了二阶分块PCA人脸特征提取方法.该方法对原始人脸图像和经重建得到的剩余图像分别运用分块PCA,将提取的一阶和二阶特征线性组合为一个特征矩阵,再进行分类识别.此特征能更充分反映人脸图像的低频和高频特性.采用ORL人脸库和FERET人脸库的实验结果表明该二阶分块PCA正确识别率优于普通分块PCA算法,具有较强的特征提取能力.     

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。     

基于描述特征的人脸识别研究

针对基于主成分分析识别人脸存在计算复杂、不能准确地估计训练图像的协方差矩阵等问题,提出了一种基于描述特征的人脸识别算法(Expressive feature face recognitionalgorithm, EFFRA).该算法用训练图像的右奇异向量代替PCA求解的子空间的基向量,避免了将人脸图像转换成图像向量,明显降低了计算复杂性.进一步研究发现,EFFRA提取的每一个主成分向量中含有冗余,在此基础上,利用PCA实现了EFFRA的简化算法(MEFFRA),在ORL和Essex数据库上的实验结果表明,EFFRA及MEFFRA明显优于特征脸算法,MEFFRA的识别精度略好于EFFRA,但明显减少了对存储空间的需求.     

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.     

非线性小波变换在人脸识别中应用

文中提出非线性小波逼近在人脸识别中的应用，并将之与基于线性小波逼近的人脸识别算法进行比较，提出一种基于非线性小波逼近的高效算法，并且用实验证明本算法的具有很高识别率，同时证明本算法具有不会受到人脸姿态特征的影响的优点。     

一种特征脸分析和小波变换相结合的人脸识别方法

摘要：提出一种特征脸分析和小波变换相结合的人脸识别方法(Eigenface wavelet transform)，利用小波变换对人脸图像进行分解，然后对低频分量和中频平均分量分别运用特征脸分析构造“特征子空间”，并做空间投影分别求得两个分量的相似度矩阵，最后使用它们的加权矩阵来判决识别。该方法综合利用了特征脸分析高效、准确的优点和小波变换多分辨率、多尺度的特点，合理使用两次加权增加了结果的可信度，实验表明它既能大量减少计算量，又具有更高的识别率。     

光照变化条件下的人脸识别研究

本文提出了两种研究光照变化条件下人脸识别的方法.第1种方法光照子空间方法,它适用于训练集中存在与测试人脸图像相同或者相似光照的人脸训练图像.当这个条件不满足时,可得用径向基函数产生虚拟光照条件下的人脸图像样本图像特征加入训练集,该方法适用于更一般的情况。实验结果证明文中提出的方法可以有效提高识别率。     

一种改进的特征脸方法

在实际应用中,我们发现,已有的一些人脸识别方法对于每人一个样本的识别来说,效果不太理想。鉴于此,本文将在传统的特征脸方法理论基础上提出一种改进的特征脸方法——特征半脸方法。所谓特征半脸方法,就是把人脸图像分成上下两个部分,分别应用特征脸方法,最后在识别计算距离时上部采用较大的权重,下部采用较小的权重,求得综合距离最小的人脸图像序号,从而完成人脸识别的方法。我们把特征脸和特征半脸方法进行了对比实验,结果表明:新的特征半脸方法优于传统的特征脸方法。     

肤色信息马氏图的RBPNN人脸识别

根据肤色信息在YCbCr空间分布特点,提出在基于肤色信息的马氏距离图的特征脸空间中用RBPNN神经网络进行人脸识别.该方法利用肤色信息构造图像的马氏距离图,利用K-L变换构造特征脸空间.在特征脸空间中提取图像的统计特征,以这些统计特征作为输入,构造径向基概率神经网络,利用它的非线性计算和映射能力,进行人脸识别与分类.实验证明,这种方法能够有效地完成人脸识别.