一种改进的稀疏表示人脸算法

为进一步有效提升稀疏表示人脸识别系统的识别率和可靠性,在分析人脸图像稀疏表示系数分类能力的基础上,提出了一种快速正交匹配追踪的脸识别新方法。快速正交匹配追踪算法通过在基本的正交匹配追踪算法中对冗余字典采用Cholesky分解,提高了算法的整体效率。

人脸识别过程介绍与算法研究分析

随着大数据、人工智能和物联网等技术的不断发展,人脸识别等身份认证方式受到了越来越多的关注。在无接触的情况下,人脸识别不仅能够实现检测,还可以同时识别多个目标,其用途不容小觑。文章主要介绍了人脸识别过程、人脸识别算法流程及相关研究进展。

基于SSD改进的域适应暗光人脸检测算法

人脸检测技术已经广泛应用于实际场景,然而在光照条件恶劣的情况下,人脸检测任务存在许多挑战,包括:人脸特征难以提取、可判别性差、标注数据分布不平衡等。针对上述问题,提出了基于SSD改进的域适应暗光人脸检测算法。首先,采用图像增强和域适应的方法缩小正常光数据和暗光数据分布之间的域差异;其次,基于SSD检测框架提出了一个基于注意力机制的特征增强模块;最后,针对原始特征图和增强特征图,提出渐近损失函数。实验结果表明,该方法在暗光环境下,相比目前主流的人脸检测方法,有更具竞争力的表现。

基于轻量化模型的人脸检测算法

针对现有人脸检测算法的准确性主要依赖于大规模参数的问题,提出了一种基于单阶段人脸检测算法Retinaface网络的人脸检测算法。该算法使用GhostNet作为Retinaface网络的特征提取网络,利用线性计算节约计算资源,以期提高计算效率;使用加权双向特征金字塔网络加强特征图之间的信息交互,增强模型的特征融合能力。在Widerface数据集上对原模型与改进后的模型进行测试,结果表明,与其他模型相比,改进后模型的精度较原模型提升最高7.35%。

基于CPU实现的轻量级人脸识别算法在智能视频分析平台中的应用与研究

当前,电力施工现场广泛应用的智能视频监控平台仅能检测到所发生的违章行为,无法确定具体的违章人员身份,因此无法引起现场作业人员的重视,难以发挥有效作用。通过人脸识别技术实现施工现场的违章人员身份识别是十分必要的。本文基于深度学习算法,开发了一套基于CPU进行人脸检测、识别和快速匹配算法的轻量化SDK,并将其集成到智能视频管控平台中,摆脱了人脸识别匹配对GPU显卡、特定人脸识别摄像头等硬件设备的依赖,实现了施工现场的违章检测预警、人员身份识别、安全规范教育的管理闭环,在提升管理效率的同时降低了施工现场管理成本。

基于MPEG-4的人脸变形算法的研究

MPEG- 4已经成为新的国际标准 ,其中定义了如何表示和驱动虚拟的人脸和人体动画 .文中根据 MPEG- 4的脸部定义参数 ,应用 Dirichlet自由变形算法 (简称 DFFD)对一般人脸进行变形 .与其它自由变形算法相比 ,DFFD的主要优点是对于控制盒的拓扑结构与控制点的位置没有任何限制 .在实践的过程中 ,又对该方法进行了一些改进 。

基于曲线拟合的人脸分割算法

提出了一种复杂背景下的人脸分割算法 ,算法包括以下步骤 :首先基于人脸检测结果确定内外轮廓及搜索路径 ;然后 ,利用设计的自适应搜索算法 ,对于每一条搜索路径提取出真正的轮廓点 ;最后利用人脸轮廓的平滑性通过曲线拟合来补充不确定边缘点 ,从而完成人脸分割 .该文算法的主要目的是解决人脸轮廓边缘点的不连续性问题 ,提取真正轮廓边缘点用于人脸分割 ,在一定程度上去除部分遮挡造成的假轮廓边缘点 。

基于单视图的多姿态人脸识别算法

针对基于多视图的多姿态人脸识别方法的缺陷 ,即需要对每个人脸拍摄多个视图为前提条件 ,提出了基于单视图的多姿态人脸识别技术 .首先基于二元高次多项式函数最小二乘拟合方法由单视图通过变形生成多姿态人脸图像 ,然后基于该单视图和生成的多姿态图像进行多姿态人脸识别 .实验结果表明该文算法识别的正确率远高于经典算法 .

基于支持向量机的人脸检测算法

人脸检测是建立自动人脸识别系统的基础。该文提出一种新的基于支持向量机的人脸检测算法。支持向量机是在统计学习理论的基础上发展起来的一种通用机器学习算法，采用支持向量机可以建立类似于神经网络的分类器，但是克服了神经网络中可能遇到的局部极小值和过学习问题。试验结果表明该算法鲁棒性好、检测精度高，具有很强的实用价值。

一种基于个人身份认证的正面人脸识别算法

利用小波分解提取人脸特征技术和支持向量机 (SVM)分类模型 ,提出了一种基于个人身份认证的正面人脸识别算法 (或称为人脸认证方法 ) .针对 M个用户的人脸认证算法包括二个阶段 :(1)训练阶段 :使用小波分解方法对脸像训练集中的人脸图象进行特征提取 ,并用所提取的人脸特征向量训练 M个 SVM(对应 M个用户 ) ;(2 )认证阶段 :先由待认证者所声称的用户身份 (姓名或密码等 )确定对应的一训练好的 SVM,然后用这一 SVM对小波分解方法提取的待认证人的脸像特征向量进行分类 ,分类结果将显示待认证人所声称的身份是否真实 .利用 ORL人脸图象库对该算法的实验测试结果 。

一种基于块体变形的人脸合成算法

人脸由于其表面的不规则性及复杂性，一直是计算机人脸造型的难点。该项研究中，将人脸分为八块，对每一块分别处理，在此基础上提出了一种基于块体变形模型的人脸合成算法，它具有兼顾细节，同时又考虑整体的优点，结果令人满意。

融合奇异值分解和主分量分析的人脸识别算法

提出了奇异值分解(SVD)和主分量分析(PCA)相结合的人脸识别算法。理论上,当两种数据或分类器具有一定的独立性或互补性时,数据融合或分类器融合才能改善识别率。SVD和PCA之间有着明显的互补之处。PCA在图像表示上是最佳的(在均方差意义上),但敏感于位移、旋转等几何变换。而SVD则具有位移、旋转不变性。因此,将这两种方法相结合就有可能提高分类性能(好于单独的SVD方法和单独的PCA方法)。在ORL数据库上的实验表明,SVD和PCA相融合的识别方法的确提高了人脸识别率。

基于模糊隶属函数的主元分析人脸识别算法

将一个人脸图象矩阵视为一矢量,先通过主元分析的方法构造优化的"人脸空间",并在此基础上引入模糊数学中的矢量隶属函数、隶属度等概念,提出和设计了一种新的基于模糊隶属函数的主元分析人脸特征抽取和识别算法。实验结果表明,这种识别算法既可行又具有良好的识别能力。

一种基于特征提取和模板匹配的人脸检测算法

提出了一种基于特征提取和模板匹配的人脸检测算法。在粗检部分 ,利用脸部特征获得候选脸 ;在细检部分 ,利用模板匹配对候选脸进行确认 ,得到最后结果。经实验证明 ,算法可以克服光照、姿势、表情、胡须、眼镜等干扰 ,并允许有局部遮挡 ,具有较强的鲁棒性。

基于正交视图的多姿态人脸识别算法

针对传统基于多视图的多姿态人脸识别方法的缺陷,即需要对每个人脸拍摄多个视图为前提条件,提出了基于正交视图的多姿态人脸识别技术,首先根据特定人的正交视图建立出特定人的3D模型,然后将3D模型进行任意角度的投影产生出多姿态人脸图像,然后基于该正交视图和生成的多姿态图像进行多姿态人脸识别。实验结果表明该算法识别的正确率远高于基于单前视图的算法。

新型基于帧间差分法的运动人脸检测算法研究

研究运动人脸检测、改善运动人脸检测的准确性问题,针对目前在运动人脸检测算法中存在的鲁棒性与精确性不强、适应性弱以及检测效率不高的问题。为了实时精确识别从脸图像,提出了一种帧间差分法的运动人脸检测算法。算法通过运动目标检测,获取运动人体的大致区域,利用人脸检测算法对运动区域进行检测,得到较为准确的人脸检测结果。经过对算法的仿真证明,算法能够快速、准确地检测出图像序列中的单个运动人脸,具有高效、准确的特点,有很大的实用价值。

基于小波变换和图像矩特征的人脸识别算法

自从1962年Hu[1]提出在模式识别中采用矩不变性以来,矩函数由于具有不随图像平移、变比、旋转而变化的不变性质被广泛用于图像分析[2]中,如不变模式识别,物体分类姿态估计图像编码与重构纹理分割等.

基于小波子图和决策融合的人脸识别算法

提出了一种基于小波子图和决策融合的人脸识别算法。首先将图象进行适当层数的小波分解 ,每次分解只取最低频子图。然后对低频子图再进行一次小波全分解得到不同方向的四个子图。在这四个子图上分别进行传统的主分量分析 (PCA)或者进行傅立叶变换(即频谱脸算法 ) ,可得到四个识别结果 ,再跟据一种决策融合方案得出最终的识别结果。最后 ,我们用 Olivetti人脸数据库对本文的算法与传统的 PCA算法 ,基于单一小波子图的PCA算法以及频谱脸算法进行了比较。实验结果显示 :应用了多个小波子图以及决策融合方案后 。

用于人脸识别的人脸图像标准化算法

人脸图像的标准化,作为人脸图像预处理过程,是计算机人脸识别中很重要的一个环节. 论文给出了一种改进的人脸图像标准化算法. 该算法首先利用人脸图像的垂直灰度投影曲线确定脸的左右边界;接着根据人脸图像的水平灰度投影曲线来确定眼、嘴的位置;然后依据确定的眼、嘴以及脸的左右边界这些参数对图像进行剪裁和缩放;最后获得人脸的标准图像. 采用ORL人脸数据库进行仿真实验,结果表明,该算法基本消除了背景、头发、服装等干扰,保留了人脸识别所需的主要信息,更利于后续的特征提取与识别,解决了常规方法不适合侧面人脸图像或者闭上双眼的人脸图像的问题,是一种有效的方法.

一种新型人脸识别算法的研究

针对当前人脸识别算法中常用的AdaBoost算法的缺陷,提出一种将3D形变人脸建模和AdaBoost算法相结合来进行人脸识别的新型人脸识别算法3D Adaboost。实验证明,该方法和传统AdaBoost算法相比,能有效减少侧面人脸或者旋转人脸造成的检测错误;并且能在不损失准确度的基础上,显著缩短训练时间。