基于生物视觉模型的人脸识别设计

针对人脸特性,对标准模型的S2层模版提取方法和匹配算法进行改进,并重新定义了C2层特征的平移不变范围,分类器采用简单的多类线性支持向量机(SVM)。对ORL和Yale标准人脸库的分类识别结果表明,改进的模型能高效快速地进行人脸识别,识别率分别达到99.86%和97.23%。

三维人脸建模技术分析及应用

三维人脸建模是计算机视觉和计算机图形学领域中一个研究热点,笔者首先分析了三维人脸建模技术背景意义和研究现状;其次论证了各种三维人脸建模技术的优缺点;最后对三维人脸建模技术的应用领域进行了详细介绍并进一步展望了今后三维人脸建模方向。

基于肤色模型的人脸标准化方法

在对传统积分投影法实现人脸标准化算法及其特点进行分析的基础上,针对其对姿态变化敏感的缺点,利用肤色信息的聚类性特点,提出了基于肤色模型的人脸标准化算法。通过实验对算法进行仿真,结果表明,该算法可以较为理想地实现对各种姿态人脸的标准化,从而达到对自然环境下拍摄的人脸图像进行标准化的目的。

基于FR的远程考试身份认证系统研究

在远程教育考试系统中,如何实时有效地验证考生身份非常重要。本文提出一种基于FR(Face Recognition)的远程考试身份验证系统,首先利用肤色信息检测人脸图像,经过预处理后提取特征点,然后通过与报名库中人脸图像进行几何特征比对,从而完成考生的身份验证。实验表明该系统具有较好的识别率,能有效地识别出考生信息。

三维人脸建模研究的进展与展望

介绍三维人脸建模的研究目的及内容,分析该领域的研究热点和方向,以及未来的技术应用与发展。三维人脸建模及动画技术是计算机图形学研究的一个热点,人脸以其普遍性和易用性成为众多三维建模算法的实践平台,同时又由于人脸的复杂性和易变性,三维人脸建模也是一个极具挑战性的研究课题。

基于YOLOv3和YCrCb的人脸口罩检测与规范佩戴识别

2020年初,新冠病毒席卷全球,为防止其传播,在很多公共场合要求佩戴口罩。利用计算机视觉检测人脸是否佩戴口罩以及识别是否佩戴规范,可以避免检测人员与他人接触感染的风险且更加高效。针对人脸口罩检测问题,提出了基于YOLOv3的目标检测算法,实现对佩戴口罩的人脸和未佩戴口罩的人脸的检测。针对口罩规范佩戴识别问题,则基于前者检测结果,提取佩戴口罩的人脸区域,利用YCrCb的椭圆肤色模型对该区域进行肤色检测,依据人脸中鼻和嘴周围区域的皮肤暴露状况来判断口罩是否佩戴规范。实验结果表明,人脸口罩检测的mAP达到89.04%,口罩规范佩戴的识别率达到82.48%,满足实际应用的需求。

基于实践的Alias高级建模方法研究

Alias建模方法在汽车领域内已具备成熟的流程,各大主机厂所适用的方法大同小异,如何通过一种更高效、更准确的途径完成建模工作,展示造型设计师的创意与构想,文章来进行详细的剖析与分享。