基于Spark平台的人脸图像检索系统

传统人脸图像检索技术处理大规模图像数据时检索效率较低。为此,基于视觉词袋模型与Spark分布式计算平台构建人脸图像检索系统。根据人脸图像空间分布特点提出局部区块划分方法,减少视觉特征数并提高流程并行度,同时结合SURF局部特征和HOG区块特征设计候选图像相似得分算法,提高检索准确率。实验结果表明,与基于Hadoop的检索系统相比,该系统索引构建和检索的效率较高,并且在海量图像数据场景下具有良好的可扩展性和并发性。

一种基于语义特征的快速人脸检索方法

运用数字图像处理技术、人脸模式识别技术与传统的数据库检索技术,融合基于文本的图像检索和基于内容的图像检索两者技术优势为一体,避开了在图像之间进行的繁琐匹配处理过程;以200人为待测样本进行检索实验,正确检索出来的为155人,完全匹配的为125人,系统的识别率为75.55%,平均检索时间小于0.1 s;实验证明,这种方法具有很强的鲁棒性,使用此方法所建立的语义人脸图像检索系统,具有快速、高效、实用的特点。

一种基于P稳定局部敏感哈希算法的相似人脸检索系统设计

针对智能移动终端、移动机器人安防巡检等应用需求,本文提出了一种基于P稳定局部哈希算法的相似人脸检索系统设计。首先,采用基于局部组合二值特征检测图像中的人脸。进而,通过深度自编码神经网络提取人脸特征。最后,基于所提取的图像的人脸区域特征使用稳定分布的局部敏感哈希算法对每幅图像构建高效索引。实验表明,本文所设计的相似人脸检索系统处理一幅图像的时间约400 ms,能满足实际应用需求,且返回检测结果的误检率低于经典AdaBoost算法。

基于肤色的眼睛轮廓自动提取新方法

眼睛作为人脸识别最重要的生物特征之一,具有高稳定性、不易复制性和可区分性等特点,其特征提取是人脸图像检索的关键环节,通常对眼睛特征的描述主要依据视觉感知,面对由于模糊描述而无法实现量化处理的难题,提出了一种基于肤色的人眼轮廓自动提取新方法。该方法分为四步:首先,提取人脸彩色图像并将其从RGB色彩空间变换到YCbCr色彩空间;其次,通过肤色非线性空间映射进行人脸区域定位处理;然后,采用大津法实现人眼区域分割;最后,通过色度信息以及形态学处理方法提取眼睛轮廓。实验表明:该方法能够精确提取人眼轮廓,提取率为99%以上,提取时间小于1.75 s。

人眼特征提取技术研究综述

基于语义的图像检索是目前人脸图像检索领域研究发展的新趋势,所谓语义化人脸图像检索,通常是指根据待检索人脸图像的特征,去语义数据库中搜索最为匹配的人脸图像的过程,眼睛是人脸部特征的重要组成部分,眼睛的检测对于人脸信息的处理具有重要的意义;当前学术领域关于眼部特征提取的研究有很多,目前还没有一种眼部特征提取技术是公认快速有效的,主要讨论了人眼特征提取技术的一些主要方法,对现有的人眼定位,人眼区域分割,人眼特征提取的方法进行分析和讨论;最后对基于眼部特征语义化图像检索的发展和应用做一个简单的展望。