视觉传达约束下模糊人脸图像多尺度特征重建模型

模糊人脸图像细节不清,导致相关领域人脸识别过程中出现错误识别或无法识别的问题。为提高人脸识别的准确性,文中在视觉传达约束下构建模糊人脸图像多尺度特征重建模型。首先,对模糊人脸图像进行灰度处理和去噪处理,并利用高斯金字塔将人脸图像分解为三个尺度;然后分别提取三个尺度图像的人脸特征,利用自编码超分网络建立模糊图像和高分辨率图像之间的对应关系,构建重建模型;最后,将多尺度特征作为模型的输入,通过求解模型实现模糊人脸图像多尺度特征重建。结果表明,重建模型的平均峰值信噪比和平均结构相似性达到相对极大值,分别为9和0.87,说明所构建模型重建的人脸图像质量较高。

基于深度学习的低质量图像模糊人脸识别方法

为避免灰度区域含噪度对人脸识别准确度的影响,提出基于深度学习的低质量图像模糊人脸识别方法.采用小波变换离散化低质量图像,获取包含不同方向特征的轮廓线尺度信息.根据人脸面部特征,检测人脸轮廓线关键点,并通过计算待识别样本与源样本的协方差矩阵、图像的隶属度函数,对噪点进行均匀采样,以降低含噪度.结合关键点阈值函数,多角度匹配关键点.采用深度学习算法构建识别分类器,并计算多角度匹配关键点结果中两个样本之间的距离实现人脸识别.测试结果表明,在不同模糊比例的人脸图像识别中,所提方法得到的识别准确度均较高,证明所提方法可以准确识别低质量图像模糊人脸.

基于独立组件的模糊人脸图像鉴别

针对图像模糊会影响人脸图像识别精度的问题,首先指出了在摄取用于识别的人脸图像时加入模糊鉴别步骤的必要性,进而提出了基于独立面部组件进行模糊人脸图像鉴别的方法.由于进行模糊鉴别必须依赖图像中的高频细节信息,而人脸图像上绝大多数高频信息都集中在眼睛、眉毛、嘴巴等具体面部组件上,因此选择以这些面部组件为基本特征提取单位,以降低面颊、额头等主要包含低频平滑信息的面部其他区域对模糊鉴别精度的影响.该方法采用面部组件上的高频DCT系数为特征;随后为各组件构建独立的随机森林分类器,并分别判断每个面部组件其是否模糊;最后基于各组件的鉴别结果进行投票,得出最终模糊鉴别结果.在FRGC公开数据集上进行大量对比实验的结果表明,独立面部组件特征是有效的,并充分验证了文中方法的实际效果.

基于关键标记点高频分析的模糊人脸图像鉴别

由图像模糊造成的人脸图像质量降低是直接影响人脸识别精度的重要因素之一.对模糊人脸图像进行鉴别能够为图像的采集及后期的处理识别提供指导意见,从而降低图像模糊对人脸识别的影响.本文提出了一种基于关键标记点高频分析的模糊人脸图像鉴别方法.基于图像模糊最直接地反映在图像细节信息上的特点,本文方法从人脸上最能体现细节信息的标记点入手,首先提取人脸关键标记点(眼睛、眉毛、鼻子、嘴的标记点),以每个关键标记点为中心取图像小区域作为特征分析对象;对每个特征区域进行高频信息分析,提取代表特征区域是模糊还是清晰的特征,并引入对应的分类器判断各特征区域是否模糊;最后,依据每个特征区域的判断结果,以投票的方式决定整幅人脸图像是否模糊.在公开数据集上进行了大量实验,验证了本文方法的有效性.

基于迹变换和旋转增量调制特征的模糊人脸识别

为提高各种不同特殊场景下的模糊人脸识别精确性和鲁棒性,本文提出一种基于迹变换和旋转增量调制编码的特征提取方法.该方法将通信语音编码技术与图像变换技术相结合,首先通过迹线旋转扫描整幅图像,并对迹线上的采样信息进行增量调制编码,从而获得多角度的全局有序结构特征,然后用支持向量机对样本图像的这些特征进行训练以分类并识别图像.实验结果表明,在各种不同模糊级的低质量人脸数据库上,本文方法对不同光照变化、不同拍摄角度、不同遮挡等不同场景的人脸图像均能取得较好的识别效果,与一些传统方法相比识别性能大幅提升,相对于VGGNet和Sphereface两种先进方法在三组不同模糊度测试图像集的平均识别率分别提高2.18%和2.20%,具有更高的识别精度和更好的鲁棒性.

基于改进的格拉斯曼流形的模糊人脸图像识别

传统算法进行模糊人脸识别的过程中,一旦人脸表情发生变化,人脸特征也将发生改变,导致人脸识别的准确性降低。为此,提出一种基于改进的格拉斯曼流形的模糊人脸识别方法。在格拉斯曼流形上构建全部模糊人脸样本图像的近邻图来估计人脸特征分布的几何结构,然后将其作为正则化项整合到模糊人脸识别的目标函数中,从而获得更精确的人脸特征投影矩阵。仿真实验结果表明,利用改进算法进行模糊人脸识别,能够提高识别的准确率和效率,效果令人满意。

基于三元空间融合的模糊人脸图像特征相似度识别

提出一种基于三元空间融合的模糊人脸图像特征相似度识别方法。通过建立模糊人脸图像特征相似度投影矩阵,将模糊人脸图像映射到同一个特征表示空间,得到维数一致的特征向量;针对10种LIH特征相似度进行分析,确定模糊人脸图像特征相似度信息能量百分比;使用三元空间融合技术中编码的方式描述模糊人脸图像中的特征描述子,基于三元空间融合提取局部特征描述子;通过设计对称表示相似性度量方法,取得最完整的特征相似度识别结果。实验结果表明,该方法可以实现模糊人脸图像特征相似度精准识别,其特征相似度识别分辨率明显高于传统方法。

考虑Gabor小波特征的LBFI识别仿真

识别局部模糊人脸图像时,若不能增强模糊部分的信息,会降低图像识别精度,为提升模糊人脸图像的识别效果,提出基于Gabor小波特征的局部模糊人脸图像识别方法。使用均值滤波方法对图像噪声实施剔除,并根据剔除结果利用直方图均衡化算法对局部模糊实施信息增强处理;以上述图像处理结果为基础,使用Gabor小波变换方法提取图像显著、不显著特征向量,根据决策融合方法对提取的特征实施融合处理;通过LDA分类器对融合特征实施分类处理,基于分类结果实现人脸图像的精准识别。实验结果表明,使用上述方法开展人脸识别时,识别率较高、识别效果好。

人像识别系统在视频监控领域的应用

人像识别系统依托现有网内应用系统的各类图像资源,采用国内先进的人像识别与微人脸重建技术,遵循"智慧警务"的总体架构,在视频监控领域通过监控视频获取现场人脸图像,经微人脸重建、模糊人脸还原、人脸组合部件比对、画像比对、串并案关联分析、人像侦查舱等多种特色应用,运用人像识别技术实现视频监控侦查破案中犯罪嫌疑人识别、重点区域人员布控等应用,完成公安工作业务流与视频监控数据流的融合碰撞。

基于FCM聚类的跨模态人物图像标注方法

提出一种新颖的基于模糊C均值(Fuzzy C-Means,FCM)聚类算法的跨模态人物图像标注方法,使用相关的人脸特征及文本语义,结合具有问题针对性的算法,建立有效的跨模态人物图像标注机制,进而对人物类图像标注性能进行提升。旨在于构建一种进行有效且准确的人物类图像标注的方法,进而在很大程度上提高人物类图像标注性能,在大规模带有相关联文本信息的人物类图像中,实现更加精确且有效的自动人脸-人名匹配。其贡献在于将人脸-人名匹配作为一种双模态媒体语义映射的问题进行处理,在双模态媒体(人脸图像与人名)的语义表达之间建立相应的关联分布,通过评估这种双模态媒体语义表达之间的相似关联性,进而针对人物图像标注最终衡量人脸与人名之间各种匹配方式的相对好坏。