基于灰度图像的人脸预处理系统的设计

设计及实现了一个完整的基于灰度图像的人脸预处理系统,系统中所用的滤波算法能有效地滤除混合噪声,人眼定位算法能快速准确地找到眼睛的位置,识别率高,容易实现,运算量少,且与图像的平移、旋转、尺度无关.该系统是一个成形的系统,为人脸特征的提取及人脸的识别奠定了基础.

一种在光照变化条件下的人脸图像预处理算法

光照变化条件下的人脸图像识别一直以来都是图像处理中的热点和难点问题。为了提高人脸图像的识别率,本文提出了一种用于非均匀光照条件下人脸预处理中的算法,推导出了相对完整算法。通过Matlab编程实验,在Yale人脸库中达到了较高的识别率。

一种改进的人脸图像检测与识别中的预处理方法

在局部二值化基础上采用了基于灰度比对、对称相似度测量和方差投影相结合的方法进行人脸预处理,改进了对称相似度测量的具体实现方法,并与几何归一化交叉进行。改进后的方法在保证速度的前提下增强了系统的适用范围,特别是对大角度倾斜的人脸预处理更具优势。

复杂背景下彩色人脸的快速预处理算法

人脸图像的预处理具有重要意义,是人脸系统走向实用化的关键一步。精度、速度和鲁棒性是算法的3个关键问题。这里的算法利用肤色的先验知识缩小搜索区域,Adaboost检测后准确定位人脸;将Sobel边缘信息结合灰度初步确定眼睛位置和眼球半径;使用眼睛模版与眼球下半边缘轮廓匹配,最终精确定位眼睛并完成标准化。算法基本满足实际系统对上述3个关键问题的要求。

针对人脸识别的图像预处理

本文全面介绍了常用的人脸图像预处理算法,包括图像锐化、增强对比度、图像的灰度转换以及图像中值滤波、均值滤波、低通滤波等使用滤波技术对人脸进行预处理的方法。此外,本文详细阐述了一种改进的人脸图像检测与识别的预处理方法,应用该方法得到的标准化图像,解决了传统方法无法适用于侧脸和双眼闭上的人脸的问题。

基于OpenCV的人脸图像预处理技术研究

对采集到的人脸图像进行预处理和训练,以改善图像的视觉效果,提高图像的清晰度,并且使图像更有利于计算机处理,便于对图像进行分割和边缘检测,从而提高人脸图像人别的准确率,为人脸的提取特征值和识别等操作做好准备.利用PCA人脸识别方法,实现简单且识别准确率高,OpenCV的特点是实现了图像处理和计算机视觉方面的很多通用算法,实验结果表明,通过预处理后的人脸图像识别效果更好,识别速度更快.

基于知识迁移的旅客人脸图像异常检测方法研究

基于深度学习的人脸识别技术以数据为驱动,对输入图像的质量要求较高。在铁路刷脸进/出站场景下,为滤除因各种因素导致的成像异常的人脸图像,提升人脸识别精度,文章研究人脸图像正常的特征分布,通过知识迁移,提出无须针对异常样本建模的人脸图像异常检测算法。理想情况下,该算法对人脸图像异常检测的ROC曲线下面积(AUROC,Aera Under Receiver Operating Characteristic)可达到0.979。实验结果表明,该算法在计算精度与运行成本的组合上具有较高的自由度,可实现不同场景、硬件条件下的算法适配,为优化旅客人脸识别的输入环节,提高各场景下的旅客人脸识别率提供了技术支撑。

基于小波和稀疏矩阵的人脸识别算法

为提高光照变化下的人脸识别率,提出一种基于小波和稀疏矩阵的人脸识别算法。利用近似轴对称人脸预处理方法中的梯度下降过程,减小左右人脸图像之间由光照阴影带来的差异,提取人脸图像的小波光照不变量,应用稀疏表示分类器识别人脸光照不变特征,采用四种算法对比分析Extended Yale B和CMU_PIE人脸数据库中人脸识别的准确率。结果表明,文中算法能有效消除光照阴影对小波光照不变量产生的伪轮廓影响,较其他三种算法有较好的识别准确率。该算法在光照变化条件下具有较好的人脸识别效果,可以为人脸准确识别提供参考。

基于三维谱回归的有效三维人脸识别算法

提出一种结合预处理和三维谱回归(3DSR)方法进行三维人脸识别的算法框架,提取有效的判别特征来克服3D人脸图像中一些尚未解决的问题,如噪声、表情和姿态等的影响。首先通过预处理步骤,从输入的人脸图像提取面部区域进行三维数据的匹配,克服大姿态变化的影响并且有效地提高了整个3D人脸识别性能。为处理大的表情变化和数据噪声,引入谱回归的概念,改进的三维谱回归方法可以充分利用局部统计信息的鲁棒性和有效性,并避免通常方法中密集矩阵的特征分解问题,降低了计算复杂度。实验中使用包含大姿态和表情变化的CASIA三维人脸数据库。实验结果显示算法有效、鲁棒、通用性强。

基于OpenCV的人脸检测

随着智能设备的不断发展,人脸检测技术应用于越来越多的领域,极大的丰富和方便了人们的生活,具有很大的商业价值和研究意义。文章研究了AdaBoost人脸检测算法的原理和性能,通过使用OpenCV和VS2012实现了图像及视频中人脸检测的目的,检测结果表明AdaBoost算法具有良好的实时检测性能和较强的准确性。

基于局部自我相关函数光线照明变化下的人脸检测

针对照明变化条件下人脸图像检测精度相对较低的问题,以照明变化下的人脸检测为研究对象,提出局部自我相关函数(local autocorrelation,LAC),研究基于Adaboost算法下采用局部自我相关函数为前处理的光照变化下人脸检测。提出了局部自我相关函数定义模型,对局部自我相关函数的物理特性进行分析,从理论上验证局部自我相关函数对线性照明变化的鲁棒性。采用卡内基梅隆大学的人脸照明变化数据库(CMU PIE Database)作为检测数据验证基于局部自我相关函数的光线照明变化下的人脸检测,实验结果证明了局部自我相关函数消除照明变化对人脸检测精度影响的有效性。

带有年龄信息的PCA人脸识别技术

基于主成分分析（PCA）的人脸识别算法．其中包括K—L变换、SVD分解、特征脸的构建、人脸年龄估计和人脸识别等过程．使用了Manhattan、Euclidean、Cosine这3种距离进行判别，实验得出Euclidean最优，最后，用MATLAB编程计算出人脸识别的准确率．结合柔性模型（AAM）和分层训练样本实现带有年龄信息的人脸识别技术；同一年龄段内训练样本数越多，识别率越高．