融合小波变换与KPCA的分块人脸特征抽取与识别算法

鉴于小波多尺度变换对高维图像特征具有良好的压缩和表达能力,提出了一种融合小波变换与KPCA(核主成分分析)方法的分块人脸特征抽取与识别算法。该算法首先对人脸图像进行分块小波变换,再根据图像块的位置分布选取不同的频率分量;然后对此分量进行KPCA特征抽取,并通过对抽取到的特征进行融合来得到最终人脸鉴别特征;最后利用支持向量机分类器进行特征分类与识别。通过对ORL和Yale标准人脸图像库的实验仿真结果表明,该算法不仅在识别性能和分类速度上明显高于传统的PCA方法及融合小波特征的KPCA方法,而且对于人脸光照、姿态和表情变化均具有良好的鲁棒性。

基于人脸分块近似对称性预处理的人脸识别算法研究

基于人脸分块近似对称性预处理的人脸识别算法可根据人脸的特征点定位来对人脸进行区块的划分,实现6个人脸区块和背景区块的遮挡判断,如果判断出来的人脸区块为遮挡区块,需要根据人脸的近似轴对称方式来恢复出完整的人脸图像。利用此种方式,其识别率可以对应的提升。

基于混合空间深度纹理计算的人脸活体检测

随着人脸识别技术的广泛推广应用,人脸活体检测技术变得越来越重要。以往对于人脸活体检测的研究主要集中在分析整个人脸图像,往往忽视了基于局部小特征对人脸图像进行分类会具有较强的分类性能。研究提出基于人脸关键点(包括双眼、鼻尖、两个嘴角)对人脸图像进行切片,提取子图像的LBP特征,构建切片网络,并通过融合子图像的特征学习到人脸活体的相关特征。同时,还采用基于YCrCb与HSV的两种特征融合方式进行对比。基于NUAA、CelebA-Spoof数据集的实验结果表明,基于人脸关键点进行分块网络分析的方法优于传统的基于整个人脸的活体检测方法。

基于分块的有遮挡人脸识别算法

随着深度学习技术的发展,人脸识别在受控环境下的准确率已经达到了非常理想的效果。然而,真实环境下获取的人脸图像往往因为遮挡而难以识别。针对遮挡条件下的人脸识别准确率不高、稳定性差的问题,结合传统的人脸分块和深度卷积神经网络,提出一种基于分块的有遮挡人脸识别算法。基于人脸特征点定位的结果进行人脸分块,使用一种改进的轻量级卷积神经网络进行各个人脸区块的特征提取;利用多分类网络结合输入区块的额外信息进行人脸区块的遮挡判别;结合人脸块特征与遮挡二分类判别结果获取表征遮挡人脸的特征。实验结果表明,经过以上步骤提取出的特征对遮挡具有较强的鲁棒性,并且在满足一定的条件下,即使人脸由大面积遮挡也能在实验数据集上保持94%的准确率。

基于人脸分块近似对称性预处理的人脸识别算法

针对非限制场景下局部遮挡带来的准确率不高、稳定性差等问题,提出一种基于人脸分块近似对称性预处理的人脸识别算法。根据人脸特征点定位,将人脸分成左眼区块、右眼区块、左鼻区块、右鼻区块、左嘴区块、右嘴区块,将剪裁好的6个人脸区块与背景区块进行遮挡判断,若判断出来的人脸区块为遮挡区块,则根据人脸近似轴对称,采用迭代梯度下降算法恢复出完整的人脸图像。恢复后的人脸图像用SRC算法进行人脸识别。实验结果表明,在有遮挡的人脸识别情况下,该算法识别率可达97.6%,基于人脸分块近似对称性预处理的人脸识别算法比其它算法鲁棒性好,识别率有所提高。

证件照片的一种混合人脸识别方法

在仔细分析证件照片中人脸特点的基础上，提出了一种把人脸的几何特征矢量匹配和人脸的分块加权匹配相结合的思想。该方法针对一般人脸识别方法不能有效消除人脸表情影响的特点，首先对人脸进行快速准确的眼睛定位、图像摆正以及标准化处理，然后一方面抽取能够避免人脸表情影响的几何特征向量，另一方面对标准人脸进行分块加权匹配，最后进行综合识别。对JAFFE人脸库的试验结果表明，该方法识别准确率高，能够有效地消除人脸表情在识别中的影响，结果令人满意。

融合纹理与形状的人脸加权新特征

根据人类进行人脸识别的特点,提出一种纹理与几何形状相结合的人脸新特征。新特征提取的第一步是提取脸部5个关键点;然后,根据人脸图像每个像素点到5个关键点距离动态对每个像素进行加权计算。新特征在纹理特征的基础上,融合了人脸关键点和每个纹理点与关键点之间的位置几何距离信息。与传统的单一纹理特征相比,提高了抗干扰性;而且,由于定位了5个关键点,有利于后续的人脸分块识别。在YALE人脸库和XJTU人脸库上采用线性判别方法与稀疏表示人脸识别方法的实验研究表明：新特征与传统的纹理特征相比,识别率提高了5%~10%;新特征加人脸分块方法识别率接近100%。

基于Lucas-Kanade算法的最大Gabor相似度大姿态人脸识别

在人脸识别科学研究和实际应用领域中,大角度姿态是影响人脸识别结果的主要因素之一,成为限制人脸识别技术进步的难点,而姿态的校正归一化是解决该问题的常用手段。首先通过加权的LK(Lucas-Kanade)算法得到侧脸块和对应正脸块的仿射变换参数,基于最大Gabor相似度寻找校正人脸姿态的最优参数。然后,以每一人脸块最优参数得到的平均Gabor相似度作为这一块人脸的识别权重,可以增加大姿态人脸识别的精度和稳健性。在FERET人脸数据库中进行了实验,当水平偏转角度为45°时,准确率达到97.3%,证明本文提出的以最大Gabor相似度作为加权LK算法参数提取的依据是有效的,得到的最优参数具有较好的光照无关性,而将平均Gabor相似度作为识别权重,有助于使算法的应用更加稳健和有效。