基于局部三值微分模式的人脸识别方法

为了减轻噪声干扰,提取更为丰富的人脸鉴别特征,提出了局部三值微分模式算子。通过判断近邻像素灰度值是否在某个范围内对当前像素的局部微分模式从二值扩展到三值,然后将扩展后编码的Uniform模式的空间直方图依次相连形成人脸的特征向量,采用卡方统计算样本相似度并进行分类。在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,提出的算法的识别性能优于局部二值模式和局部微分模式。、

融合Gabor特征的局部自适应三值微分模式的人脸识别

提出了一种融合Gabor特征和局部三值微分模式(LTDP)的人脸识别算法,并在该算法中对LTDP方法进行改进,提出了自适应阈值算子。通过Gabor滤波器对人脸图像进行滤波,提取人脸多尺度、多方向的幅值特征;针对每个幅值特征图像,运用局部Gabor自适应三值微分模式(LGATDP2)方法提取局部方向关系模式;通过模式区域直方图统计,计算信息熵权重,加权串联后得到最终的人脸描述。识别过程中,采用χ2距离对特征直方图进行相似度匹配。分别在ORL和Yale数据库中进行仿真。结果表明,LGATDP2方法具有更好的普适性,在光照变化、表情变化和噪声干扰下具有更高的稳健性。

一种新的基于多信息融合的智能控制方法

提出一种新的融合人脸与人体姿态识别的智能控制方法。该算法首先通过人脸识别进行身份鉴别,然后基于深度图像采集人体骨骼信息进行姿态识别,最后根据识别的姿态信息进行指令重构。其中,人脸识别部分采用较新的LTDP2算法(局部自适应三值微分模式)。经实验验证,LTDP2算法能够高效地提取人脸特征,在复杂光线场景下仍可以保持较高的识别准确率。姿态识别部分采用三目摄像头采集人体深度信息,通过对骨骼点相对位置的分析,获得姿态指令,然后对单一指令进行组件化重构,最终拼接成一套完整的控制指令。该算法能够有效解决在封闭无人的场景下对智能系统进行控制的问题。