Eigenface算法与EBGM算法的适应性比较

Eigenface算法和EBGM算法是人脸识别的两种重要算法。前者基于图像的整体特征,后者通过Gabor变换提取图像的局部特征。在实际应用中,光照的变化、人物表情的变化和物体对人脸的遮盖等因素造成了人脸识别的困难。文章对上述两种算法在这些变化因素下的识别性能进行了研究和比较。实验结果表明EBGM算法对环境变化具有更好的适应性,能够在小样本条件下获得良好的识别能力。而Eigenface算法对环境变化较为敏感,需要大量的训练样本来保证识别效果。

基于局部特征分析的人脸识别方法

在传统的弹性图匹配基础上 ,提出一种基于局部特征分析的人脸识别算法 .该方法利用人脸的先验结构和人脸图像的灰度分布知识 ,首先粗略地找出人脸图像的特征点 ,然后利用人脸弹性图对特征点的位置进行调整 ,最后在各个特征点处计算Gabor变化的系数 ,人脸相应被表示为特征点处的Gabor系数集合 .对提取的特征向量用几种不同的度量距离来进行分类 ,并给出测试结果 .实验表明 ,该方法优于传统的Eigenface方法 ,特别适用于训练图像样本较少的情况 .相对于传统的弹性图匹配方法 ,该方法由于人脸特征点预先被估算出 ,而不是在整个图像上搜索 。

基于Gabor小波的人脸识别系统的实现

给出了一种基于Gabor小波的人脸识别系统的实现.该方法先利用模板匹配法定位人脸图像的眼睛,然后经过标准化使图像具有相同的基准,其余特征点的搜索采用弹性图匹配方法;特征点的粗略位置根据训练集的人脸结构知识定位,然后使用弹性图簇的数据结构求得特征点的精确位置,当各特征点的精确位置定位后,人脸的Gabor Jets就可求得;样本图像的相似程度可用与人脸特征点对应的GaborJets作度量函数表达.

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1.5倍。

一种基于非参数特征分析的非参数人脸识别方法

由于非参数子空间分析的非参数方法(KNSA)的运算法则还是有一定的限制性:首先,该方法中的类内散步矩阵Sw还是和LDA一样,如此对识别结果就会有很大的影响.其次,该方法在计算类间散步矢量时,未考虑到不同的KNN点会产生不同的类间散射矩阵.本文提出了一种非参数特征分析的非线性(核)鉴别分析方法(KNFA),并在ORL和XM2VTS人脸库上验证了该方法在识别性能上优于KDA和KNSA方法.

计算机视觉在人脸识别领域中的应用研究

随着人工智能的发展,需要自动人脸识别的场景会越来越多,采用计算机视觉快速准确地检测并识别出目标人脸成为必然趋势。使用摄像头采集到的人脸图像,通过灰度化的方法进行预处理,经过预处理后的图像更容易进行特征提取。该方法能够快速检测到人脸,有效提取人脸面目特征,并且准确识别出相应的人脸,主要应用在静态图像的人脸识别中,基本上满足了人脸检测和识别的实时性要求,应用前景广阔。