带有特征信息卷积神经网络的人脸识别算法

图像分类中,卷积神经网络在人脸识别中取得了较大的进展。在卷积提取人脸图像特征信息操作时,当卷积核数目有限的情况下,可能提取到的特征值,如头发、纹理等,并不能很好的代表该人的主要特征,从而导致识别率降低,而增加卷积核数目又会导致识别时间增加。针对这一问题,提出了一种基于特征信息卷积神经网络的人脸识别方法。该方法在图像处理过程中,使用奇异值分解,选取前4个奇异值代表人脸的主要特征,快速滤除大部分无用的特征信息,形成新的图像特征模板库。利用卷积网络在提高网络感受野的同时不丢失特征图信息的优势,融合最具有代表性的特征信息,最大程度地捕捉图像信息。采用卷积神经网络模型和基于奇异值分解的特征融合的结构模型实现人脸识别,仿真实验结果表明,这种方法减少了算法的训练时间,提高了人脸识别的准确性。

基于性别差异的化生型慢性萎缩性胃炎患者色诊特征研究

目的基于性别差异,分别探讨男性与女性化生型慢性萎缩性胃炎(Chronic atrophic gastritis,CAG)患者颜面色诊特征,从中医发病学角度出发探究不同性别患者的病变机理,为中医药防治化生型CAG提供个性化参考。方法本研究应用MT-BX-01四诊仪采集慢性非萎缩性胃炎(Chronic non atrophic gastritis,CNG)与CAG患者的面色信息,采用病例对照研究方法,分别从男性与女性化生型CAG患者及CNG患者的面色色度学特征进行分析。结果在女性患者中,CAG伴轻度和中、重度肠化(Intestinal metaplasia,IM)组面部肝区位点L值、a值均显著低于CNG组(P<0.05)。在男性患者中,CAG伴中、重度IM组脾区位点b值显著高于CNG组(P<0.05)。结论化生型CAG患者的面色特征存在一定的性别差异,化生型CAG女性患者面部色度值在肝区变化最显著,男性患者则主要表现于脾区。提示女性化生型CAG发病多与肝相关,男性发病则多与脾相关,为临床针对不同性别化生型CAG患者进行中医临床诊疗与防治提供了个性化思路。

大采高工作面甩刀把技术方案设计与选择研究

为了解决大采高工作面甩刀把技术难题,结合大采高工作面煤壁易片帮、设备大型化、矿压显现剧烈、撤架通道断面大等特点,提出了提前停采法、直接贯通法、充填贯通法三种甩刀把技术方案。根据长平矿4321大采高工作面甩刀把工程实际,运用价值工程理论对三种技术方案的价值系数进行了分析计算,分析结果表明:充填贯通法价值系数要高于其他两种技术,为该工作面甩刀把施工作业的最优技术方案。现场实践证明:充填贯通法具有施工工艺简单、工期短、资源回收率高、安全保障程度高等优点,能够实现大采高工作面安全、高效、快速甩刀把的目的。

几何约束下虚拟人脸重复视觉特征点匹配研究

为最大程度地减少虚拟人脸特征点的误匹配,文中研究几何约束下虚拟人脸重复视觉特征点匹配方法。首先,利用高斯滤波构造虚拟人脸图像的多尺度空间,结合形状变更指数检测虚拟人脸在多尺度空间的重复视觉特征点;然后,采用基于动态特征矩阵求解(DFMS)的特征点匹配方法,完成重复视觉特征点初始匹配后,依据匹配点对的连接线距离、斜率一致的特点,构建最佳几何约束,有效删除错误匹配点对;最后,经RANSAC算法进行二次过滤后,实现了虚拟人脸的重复视觉特征点最佳匹配。实验结果显示,所提方法可在虚拟人脸的关键位置检测到重复视觉特征点,并最大程度地删除误匹配点对,实现重复视觉特征点的精准匹配。

一种基于奇异值分解和隐马尔可夫模型的人脸识别方法

提出了一种新的基于隐马尔可夫模型的人脸识别方法 .这种方法采用奇异值分解抽取人脸图像特征作为观察序列 ,减少了数据的存储量和计算量 ,并提高了识别率 .实验结果同其它两种基于隐马尔可夫模型的方法进行了比较 .

SVD用于人脸识别存在的问题及解决方法

通过对人脸图像奇异值的分析,证实了图像奇异值是图像在特定基空间分解得到的,这个基空间是由图像本身决定的。进一步研究发现,导致基于奇异值向量人脸识别算法识别率低的根本原因是:不同人脸图像对应的奇异值向量所在的基空间不一致、奇异值向量与人脸图像之间并不存在一一对应关系、奇异值向量具有不可分割性。最后提出了类估计基空间识别算法。在ORL、ORL-NWPU1以及ORL-NWPU2数据库进行仿真,实验结果证实了分析和所提算法的正确性。

基于奇异值分解和数据融合的脸像鉴别

提出了一种基于奇异值分解和数据融合的脸像鉴别方法 .该方法首先利用奇异值分解方法 ,求出脸像矩阵的奇异值及奇异值向量 ,分别利用所求得的奇异值及奇异值向量作为特征矢量进行脸像鉴别 ,分别得出基于奇异值和重建误差的鉴别结果 ,此结果以隶属度函数方式表示 .将上述鉴别结果用 L OGISTIC回归方法进行融合 ,得出更为准确的脸像鉴别结果 .该方法克服了“小样本”效应并引入正负样本学习过程 ,提高了正确鉴别率 .利用 ORL人脸数据库进行实验 。

复杂背景下的人脸检测

提出了一种新的复杂背景下的人脸检测方法。首先，根据图象的灰度直方图，把图象分割成若干个子图象区域，然后分别在这些子图象区域中搜索可能的人脸，进行全局特征－奇异值特征的提取，最后根据特征匹配检验的结果作出决策。

基于特征空间划分的AdaBoost人脸检测算法

在应用AdaBoost算法的人脸检测中,针对训练时间太长的问题,提出一种基于特征值空间划分的改进型AdaBoost快速训练算法,调整了弱分类器的评价系数.在MIT-CBCL人脸和非人脸训练库上对算法进行了实现,实验结果显示改进后的AdaBoost算法简化了训练过程,训练速度提高16倍以上,而且以区间检测代替特定样本的特征单点检测,泛化能力更好,鲁棒性强,检测精度更高.

复杂背景下人眼自动定位

针对复杂背景下静态人脸灰度图像 ,提出一种人眼自动定位方法 .首先基于人脸几何特征先验知识 ,建立人眼位置的判定准则 ,对分割阈值范围进行粗估计 ;然后采用分割阈值递增法 ,并结合人眼位置判定准则 ,判定分割图像中双眼黑块是否出现 ;最后利用二维相关系数作为对称相似性测度 ,检验检测出的双眼黑块的真实性 .

基于奇异值特征和支持向量机的人脸识别

针对人脸识别中经常遇到的"小样本"和"过学习"等问题,同时为了进一步改善人脸图像的奇异值特征在人脸识别中的识别性能,提出了一种基于奇异值分解和支持向量机的人脸识别新方法.在特征提取阶段,首先对训练样本集中的每一个人脸图像矩阵进行奇异值分解,得到训练样本的奇异值特征,然后对每个样本的奇异值特征向量进行降维、归一化、奇异值向量的分量重新排列等处理.在识别阶段,运用支持向量机作为分类工具,为了提高分类能力,选取径向基函数作为支持向量机的核函数.最后在ORL人脸数据库上验证了该方法.实验结果表明,通过对奇异值特征的相关处理,提高了识别速度和正确识别率.从而证明了所提出方法的有效性,具有一定的应用价值.

基于灰度投影函数的眼睛定位方法

描述了人眼的自动定位算法,其方法是利用图像的灰度投影曲线,将图像缩小在人脸的眼部区域,进而确定人眼在眉眼区域的大致位置,然后通过了灰度直方图估计初始阈值,对二值化眉眼区域进行了阈值分割,利用二维相关系数判定双眼黑块的出现并利用对称相似性进一步确定了双眼的具体位置。

感知价值与面子威胁对消费者冲动性购买行为影响的实证研究

本文实证性地探讨面子威胁对消费者感知价值和冲动性购买行为的影响以及相互作用机制。首先,对感知价值、面子威胁与消费者冲动性购买行为的内涵进行界定;其次,将感知价值细分为功能价值、情感价值与感知成本,并通过对397个消费者有效样本进行数据分析,验证了感知价值类型对冲动性购买行为的显著正向影响作用;再次,检验了面子威胁在功能价值、情感价值与感知成本对冲动性购买行为的影响关系中起到正向调节作用。最后,本文分析了本研究的管理启示、研究不足与未来的研究方向。

一种基于奇异值特征的神经网络人脸识别新途径

本文在ZHong等人使用的奇异值分解 (SVD)基础上 ,将人脸图像矩阵的奇异值作为识别特征 ,解决了奇异值处理、神经网络训练策略和竞争选择问题 ;运用BP网络进行识别 ,提出了一种基于奇异值特征的神经网络人脸识别新方法 .基于ORL人脸数据库的多次反复实验结果表明 ,在大样本情况下 ,识别方法具有实现简单、识别速度快、识别率高的特点 ,为人脸的实时识别提供了一种新途径 .

融合步态和人脸特征的远距离身份识别研究

在单一摄像头获得的步态图像序列中将步态信息和人脸信息相融合进行实时的远距离身份识别。在步态图像序列中自动提取侧面人脸图像。采用基于傅里叶描绘子和关键点特征的方法提取步态特征,采用傅里叶变换和奇异值分解的人脸识别方法对步态图像序列中的侧面人脸进行特征提取。利用欧氏距离作为度量建立匹配函数。在中科院自动化研究所CASIA步态数据库中进行实验,通过对单独利用步态特征和人脸特征进行识别的识别率和通过最大法则、加法法则和乘法法则融合后进行识别的识别率进行比较,实验表明将步态和人脸特征相融合可有效地提高了识别率,识别率可达95.00%。

基于典型相关分析的组合特征抽取及脸像鉴别

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,抽取同一模式的两组特征矢量,给出描述两组特征矢量之间相关性的判据准则函数;然后依此准则抽取它们的典型相关特征,构成有效鉴别特征矢量用于识别.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供了新的思路.此外,从理论上进一步剖析了所提出的方法之所以能有效地用于识别的内在本质.在Yale和ORL标准人脸数据库上的实验结果证实了所提算法的有效性和稳定性,而且识别率大大高于用单一特征进行识别的结果.

一种基于奇异值分解的特征抽取方法

特征抽取是模式识别的基本问题之一,Fisher线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。该文分析了Fisher线性鉴别分析在求解过程中可能存在的问题:鉴别矢量的分量可能是复数;特征值对扰动的敏感性;鉴别矢量之间未必具有正交性。由此提出了均衡散布矩阵的概念,并利用均衡散布矩阵构造了一种新的线性鉴别准则。利用奇异值分解定理,将求取鉴别矢量转化为对矩阵求奇异向量。用该方法进行求解可以有效地避免前述的问题。试验结果表明,该鉴别准则具有良好的鉴别能力。

基于奇异值特征和隐马尔可夫模型的人脸检测

提出了基于奇异值特征和隐马尔可夫模型 (HMM)的人脸检测方法 .首先提出了基于奇异值特征和隐马尔可夫模型的正面端正人脸检测方法 ;然后将该算法扩展到检测任意旋转角度的人脸 .其中正面端正人脸检测算法是通过隐马尔可夫模型来识别人脸 /非人脸的奇异值特征 ,从而达到人脸检测的目的 ;扩展算法首先计算当前位置子图象窗口的奇异值特征向量 ,然后利用识别各个旋转角度人脸的 HMM模型对之进行分类 ,以得到该子图象窗口的旋转角度 ,再经过旋正 ,重新再与识别正面端正人脸的 HMM模型对比 ,由此确定该子图象窗口是否为人脸 .通过对一个由 5 1幅集体照片组成的图象集进行测试 ,其中 ,正面端正人脸检测率为 85 .1% ,而任意旋转角度的人脸检测率只有 72 .2 %

基于多分类器组合的人脸识别

根据人类认知的规律 ,文中提出了一种基于整体和局部特征组合的人脸识别方法。奇异值特征是一种比较有效的代数特征 ,文中提取了整个人脸、双眼以及嘴部的奇异值特征。在组合过程中 ,提出了一种改进的将距离转换为后验概率估计值的方法 ,该方法既缩减了单一分类器的可能的模式类别 ,又对各分类器的输出进行了加权。实验结果表明文中方法是有效的。