基于深度学习的局部遮挡人脸图像识别方法研究

在控制科学与工程领域,局部遮挡人脸图像识别因其在复杂场景中的应用需求而备受关注。本文提出一种基于深度学习的识别方法,详细设计VGG算法与ResNet算法结合的RepVGG混合算法后,阐述了RepVGG的通道注意力机制和SoftPool池化改进的具体过程,实现了对局部遮挡人脸图像的高效识别。此外,通过本文研究方法与传统方法对比的仿真实验,验证了本文方法的优越性和鲁棒性。

基于机器视觉的局部遮挡人脸图像识别仿真

与无遮挡条件下的人脸识别不同,在局部遮挡下目标识别中需要考虑有效部位与遮挡部位的区别,准确提取目标区域,为此提出基于机器视觉的局部遮挡人脸图像识别方法。通过成对约束的半监督降维算法对人脸图像降维处理,获取图像中的显著特征,减少图像中的噪声。经过降维处理后,通过机器视觉技术提取局部遮挡下人脸图像的目标区域,确定目标区域的坐标位置。采用Criminisi修复算法获取未修复的人脸图像块数量,搜索最佳匹配块,同时对目标区域填充处理,完成人脸图像修复即可获取完整的人脸图像,最终实现人脸识别。实验结果表明,所提方法可以准确识别不同遮挡率下的人脸,同时可以减少识别时间,降低了遮挡问题对人脸识别效果的影响。

局部加全局视角遮挡人脸表情识别方法

实际场景中各种遮挡增加了表情识别难度。为此,提出一种滑块局部加权卷积注意力和全局注意力池化的视觉Transformer结合的方法来解决遮挡问题。利用主干网络提取表情特征图,将表情特征图裁剪成多个区域块,利用局部Patch注意力单元通过自适应计算局部特征的注意力权重来感知被遮挡的区域,提取表情局部特征。同时,表情特征图转换成Patch块,通过Patch级和Token级注意力池化的视觉Transformer,从全局角度捕获Patch块之间的相互作用和相关性。引导模型强调最具区别性的特征,而忽略遮挡减少不相关特征的影响。在三个表情数据集及其遮挡子集和一个遮挡数据集上进行实验,结果表明所提模型在遮挡表情识别上优于现有方法。

基于改进SRC的局部遮挡人脸识别方法

针对现实场景中人脸存在较为随机的局部遮挡的情形,创建了多种遮挡类型并存的过完备字典,并提出改进的稀疏表示分类方法。此算法在稀疏表示分类(Sparse Representation Based Classification,SRC)的基础上引入噪声补偿,通过对测试图像与去噪图像间噪声差的调节来控制重构图像的生成,进而实现对重构图像与测试图像间残差的控制,以达到准确分类识别的效果。实验结果表明,改进后的算法稳定性好、识别率高,对于局部遮挡图像的识别有较好的鲁棒性。

局部遮挡的人脸表情识别研究进展

随着机器视觉和人工智能的发展,人脸表情识别的研究开始从实验室场景转变到自然场景。局部遮挡的人脸表情作为自然场景的重要研究方向,受到国内外研究人员的广泛关注。针对目前缺乏局部遮挡人脸表情数据样本、局部遮挡人脸表情数据样本有效特征提取不足的问题,对局部遮挡面部表情的识别算法进行综述探讨。首先,对局部遮挡的人脸表情的研究背景进行介绍;然后,对现有的常用数据集以及遮挡数据样本的处理方式进行介绍;接着,将局部遮挡的人脸表情识别算法分为传统方法、深度学习方法以及传统和深度学习相结合的方法,并对算法主要的技术手段进行综述;最后,对该领域未来的研究方向和挑战进行总结和展望。

基于子模式的人脸局部遮挡智能识别方法

为了提升局部遮挡情况下人脸的识别效率和精度,提出一种基于子模式的人脸局部遮挡智能识别方法。利用自适应小波变换方法多尺度分解人脸图像,基于此,引入小波模极大值算法和Canny算子,有效提取图像边缘特征;引入局部方向纹理模式算子,经过计算获取各个子模式特征值,同时采用边缘返回值确定计算人脸图像纹理特征时的权重分配,将梯度和纹理信息进行融合,实现人脸局部遮挡智能识别。实验结果表明,所提方法的遮挡人脸误识率始终低于0.2%,当遮挡率为25%时,所提方法的人脸识别率仍可达94%,可以为人脸识别的深入研究提供依据。

局部相位量化在模糊图像识别中的研究进展

现代图像处理技术的不断发展,为人们提供了大量丰富的图像信息。图像处理手段很多,如图像去噪、图像平滑、图像去模糊、图像填充、图像分割等。处理模糊图像问题最具代表性的算法是局部相位量化(Local Phase Quantization,LPQ)和基于局部二进制模式(Local Binary Pattern,LBP)的算子。与LBP特征算子相比,LPQ特征算子对图像模糊不敏感,其特征提取更加稳定。从介绍LPQ算子开始,首先对LPQ算子的发展现状和应用领域进行分类和总结;其次详细阐述和评论每种实验方法;最后思考和讨论LPQ算子的发展方向。

基于深度残差网络模型压缩的局部遮挡人脸识别

尽管卷积神经网络使遮挡人脸识别效果有所改善,但随着性能的提高会造成结构复杂、网络参数增加、耗时长的问题。针对此问题,提出一种基于深度残差网络模型压缩的局部遮挡人脸识别方法。首先,采用多任务级联卷积神经网络(MTCNN)对人脸图像进行预处理;其次,选择残差网络作为主体网络,以残差块的卷积层为基本单位,通过结构化剪枝修剪卷积层滤波器,实现对深度残差网络模型压缩的同时移除滤波器输出的特征映射;最后,学习掩码特征去除遮挡损坏的特征元素对人脸进行识别。实验结果表明在准确率影响不大的情况下,网络参数量减少,识别速度有明显的提升。

基于动态时间规整的局部分块匹配在面部遮挡人脸识别中的应用

针对面部遮挡人脸识别问题中遮挡源变幻莫测、遮挡位置、大小及形状未知而导致从人脸图像中分割遮挡区域困难的问题,提出了基于动态时间规整(DTW)的局部分块匹配(LPM)算法。首先,将人脸图像划分成若干大小相等且互不重叠的局部小块;然后,借助于光栅扫描顺序将各个小块按照前额、眼睛、鼻子、嘴巴和下巴的顺序连接成一个单一序列;最后,计算查询人脸与注册人之间图像到类的距离;并利用动态时间规整的设计思想寻找查询序列与所有注册序列之间的最佳对齐方式。在两个公开人脸数据库FRGC2.0、AR及一个户外人脸数据库上的实验验证了所提算法的有效性及可靠性。实验结果表明,相比其它几种较为先进的人脸识别算法,所提算法取得了更高的识别率;此外,所提算法无需任何训练过程,计算成本低,更适合应用于现实面部遮挡人脸识别中。

人脸识别中局部遮挡处理技术研究

局部遮挡严重影响了人脸识别准确率,提出了自动最优局部遮挡的重建模型.该模型首先利用人脸图像的灰度值判断人脸遮挡类型,然后利用M估计器(M-estimator)对遮挡掩模进行估计,找到最佳局部遮挡的人脸重建系数,重建人脸,减弱人脸遮挡的影响.实验证明了局部遮挡处理的有效性,明显提高了识别准确率.

降维方法在人脸图像识别中的分析与评估

为了提高人脸图像识别的速度和准确率,将多元统计分析中的降维方法引入到人脸图像识别系统中,分析并对比了主成分分析法(PCA)线性判别分析法(LDA)和局部保留投影(LPP)三种方法用于人脸图像识别的效果,采用Yale B作为识别的样本和测试库,在光照条件和姿态变化条件下对三种算法进行了比较实验。实验结果表明,三种方法对人脸图像识别均能够达到一定效果,在姿态变化条件下,LDA和LPP均优于PCA,但三种方法对于光照变化均不能保持很好的鲁棒性。

基于改进GAN的局部遮挡人脸表情自动识别方法

传统的局部遮挡人脸自动识别方法识别出的人脸特征中存在批量不定的无效数据,难以高效适应批量的变化,本文提出基于改进生成式对抗网络的局部遮挡人脸表情自动识别方法。利用激光扫描技术获得人脸表情图像,统一处理图像和图像中的细节特征,使用改进生成式对抗网络技术提取图像中已遮挡的表情特征,将其输入到正则化编码的稀疏分类器中,实现局部遮挡人脸表情的自动识别。实验结果表明,该方法在大批量数据和小批量数据区域内,对不同表情都具有较高的累积匹配成功率,适应能力得到了提升。

基于结构化遮挡编码和极限学习机的局部遮挡人脸识别

提出使用结构化遮挡编码(SOC)结合极限学习机(ELM)的算法来处理人脸识别中的遮挡问题。首先,使用SOC去除图像上的遮挡物,将遮挡物体与人脸分离开;同时,通过局部性约束字典(LCD)来估计遮挡物的位置,建立遮挡字典和人脸字典。然后,将建立好的人脸字典矩阵进行归一化处理,并利用ELM对归一化的数据进行分类识别。最后,在AR人脸库上进行的仿真实验结果表明,所提方法对不同遮挡物和不同区域遮挡的图像具有较好的识别率和鲁棒性。

局部遮挡条件下的人脸表情识别

针对局部遮挡条件下的人脸表情识别,提出一种新的基于Gabor滤波和灰度共生矩阵的表情识别算法。首先设计一种分块提取Gabor特征统计量的方法,生成一个低维Gabor特征向量;然后,考虑到分块的Gabor特征缺失了像素之间的关联性,将反映像素间位置分布特性的灰度共生矩阵引入到表情识别领域,以此来弥补Gabor特征分块处理产生的不足;最后,将提取的低维Gabor特征向量和灰度共生矩阵纹理特征进行线性叠加,高斯归一化后生成一组用于特征表达的低维特征向量。在日本女性人脸表情库和荷兰内梅亨大学人脸数据库上的实验证明该算法对人脸不同区域、不同程度遮挡的表情识别具有鲁棒性强、特征向量维数低、分类耗时短、识别速率高的特点。

人脸遮挡识别技术在智能备件柜身份认证中的应用

研究人脸遮挡识别技术在智能备件柜身份安全认证中的应用,以提高智能备件柜的安全性。依据人脸肤色以及形状特征定位人脸位置并对图像进行灰度归一化处理,采用稀疏编码方法将遮挡人脸图像的局部特征转变为特征向量,运用支持向量机构建遮挡人脸图像分类器,根据输出结果判断实时采集的人脸与数据库人脸图像是否匹配,实现智能备件柜的身份安全认证。实验结果表明,该方法能够准确识别遮挡人脸完成身份安全认证,人脸识别的误识率低,识别速度快,可保障智能备件柜安全。

基于SIFT算法的局部特征点人脸识别图像处理技术

介绍一种基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法局部特征点的人脸识别技术、基于局部特征点目标检测算法提取的点特征通常具有良好的鲁棒性,能够适应复杂的环境变化,SIFT算法能够在图像间发生平移、旋转、噪声干扰、光照变换等条件下依然保持良好的检测性能文章通过理论的分析和仿真实验证明SIFT算法具有较好的人脸识别性能,能够在人脸发生复杂变化的条件下准确地识别人脸。

基于局部遮挡条件下的人脸识别

日常生活中人们交流除了直接口头叙述、书面传达以外,还包括面部表情这一直观的交流方式。交流双方可以通过观察对方的面部表情变化,从而得知对方想要传达的信息。另外,面部表情识别这种技术已经被很多领悟关注,相信这种技术一定会服务于更多的领域。其实,人脸识别技术早已应用在人们生产生活的各个领域,但不可否认的是,技术在服务于人类的同时必然会给人们带来各种难题,这些难题是我们需要研究解决的,把问题解决掉才能够让人脸识别技术迈向新的高度。

基于思维进化的机器学习的遮挡人脸识别

针对遮挡人脸的识别问题,提出了基于思维进化的机器学习(MEBML)与局部特征结合的方法。首先提出了LBP偏移特征组的提取方法,定义一种新的特征对比规则,根据遮挡人脸图像与无遮挡人脸图像的局部特征进行对比,记录对比相似度作为局部区域的得分。然后对所有局部区域进行趋同过程和异化过程的演化,得到无遮挡区域及遮挡物体区域。当无遮挡区域满足一定比例且分布集中时,应用该区域特征完成遮挡人脸条件下的人脸识别。实验结果表明:新方法的遮挡人脸识别准确率在92%以上,并具有较低的误识率。

快速局部遮挡人脸检测算法研究

针对Adaboost人脸检测算法在分类器训练过程中耗时较多的问题,对Adaboost算法进行了详细分析,提出了加快寻找每一轮最佳弱分类器的四点均值法。该方法对每个特征,计算所有训练样本对应的特征值,并将其从小到大排序,求相邻的4个特征值的平均值,该平均值作为阈值,计算错误率,找出最佳弱分类器。减少特征量,修改弱分类器权重,加快收敛速度,使用不同遮挡部位的人脸样本训练分类器,实现了局部遮挡人脸的检测。实验结果表明,该方法明显提高了训练速度,缩短训练时间,并能较准确地检测局部遮挡人脸。

利用FW-PCA检测遮挡区域的人脸识别

针对人脸识别中存在遮挡而影响识别性能的问题,提出了一种利用快速加权主成分分析(FW-PCA),检测遮挡区域的鲁棒人脸识别算法。利用FW-PCA检测输入图像的遮挡区域,将其与图库图像的遮挡区域进行比较;利用局部二值模式匹配确定最优权重系数,利用相位相关算法匹配确定遮挡掩码;计算每个测试图像的匹配得分,并利用最近邻分类器完成人脸识别。在FRGC2和UND人脸库上的实验结果表明,此算法的识别率可高达99.6%,相比其他几种较新的人脸识别算法,取得了更好的识别性能。