基于GA的2DPCA在人脸识别中的应用

采用基于遗传算法(GA)的二维主成分分析法(2DPCA)进行人脸识别。2DPCA直接以二维图像矩阵为研究对象,以其协方差矩阵的特征向量为投影轴进行特征提取。为了达到识别时的信息最优,将遗传算法融入2DPCA,对协方差矩阵的特征向量进行优化选择得到最优投影轴,并在此基础上提取特征。最后在MIT人脸数据库上进行实验,表明识别率和速度均高于单纯使用2DPCA的方法。

基于DWT,2DPCA和KPCA的人脸识别

利用离散小波变换对人脸图像进行压缩,提取人脸的低频分量,有效去除人脸图像高频分量的影响;再利用二维主元分析对小波变换后的人脸低频分量实行提取特征;然后使用核主元分析再次提取特征;最后用最小距离分类器完成人脸识别。基于ORL人脸数据库的实验结果表明,该算法能提高人脸识别率,有效减少计算量和降低计算复杂度。

基于2DPCA和流形学习LPP算法的人脸特征提取应用

人脸图像的特征提取是人脸识别系统中最关键同时也是难题之一。流形学习算法是近些年的人脸识别和语音识别两个领域应用较多的非线性降维方法。通过对人脸识别系统的研究,现提出一种全新的基于2DPCA（Two-Dimentional PCA）和流形学习LPP（Locality Preserving Projections）算法的特征提取方法,可为今后深入研究人脸识别技术提供较好的参考。仿真实验表明,该算法与传统特征提取PCA、LDA算法相比,可以取得更好的识别率。

一种基于完全2DPCA的二次特征选择方法

提出一种基于完全二维主元分析(2DPCA)的二次特征选择方法用于人脸识别。该方法针对PCA及其改进方法的不足,结合完全2DPCA方法,用免疫算法和基于最近邻分类器的5阶交叉验证方法完成对人脸特征二次选择。基于ORL人脸数据库和Yale人脸数据库的实验结果表明,该方法识别效果较好。

基于Curvelet与2DPCA的嵌入式人脸识别

针对小波变换在嵌入式人脸识别中的不足,提出了Curvelet(曲波)变换结合2DPCA(二维主分量分析)的嵌入式人脸识别。采用Curvelet变换进行人脸图像特征的提取,经过比较,选取了Wrapping算法,然后利用2DPCA进行降维,并结合最近邻算法进行人脸识别。实验结果表明该方法很好得解决了人脸特征维数过高、数据量过大的缺点,识别效果更好,适用于嵌入式系统。

一种基于改进的AdaBoost、肤色和2DPCA的人脸检测方法

为了提高复杂背景下多人脸检测率以及人脸检测速度,提出了一种基于改进AdaBoost、肤色检测和二维主成分分析法(Two-dimensional Principal Component Analysis,2DPCA)的人脸检测方法。该方法首先利用金字塔结构快速检测人脸,得到人脸检测区域,然后利用肤色检测对待判人脸区域进行过滤,过滤误检的非人脸区域,最后根据人脸的几何位置进行人脸关键部位的2DPCA检测。仿真结果表明,该方法实现了复杂背景下多人脸图像快速检测和精确定位,有效降低了误检率,使检测结果更加精确。

融合MTLBP和2DPCA算法的人脸识别技术研究

人脸识别的准确率主要取决于人脸特征提取算法对人脸特征的提取效果。传统的人脸特征提取算法具有单一性和不具备针对性的问题。因此,研究结合尺度不变特征变换(Scale-invariant feature transform,SIFT)算法和多阈值LBP算子(Mul-threshold LBP,MTLBP)对人脸局部特征进行提取,利用二维主成分分析法(2 dimensional principal component analysis,2DPCA)提取人脸全局特征,进而构建出人脸识别模型。测试结果表明,人脸识别模型的识别准确率达到了92.6%。因此,研究构建的人脸识别模型能够提高人脸识别的效率和准确率,为各行各业的身份识别与鉴定提供了新的途径,为人们的日常生活提供便利。

基于Contourlet变换和NMF的掌纹识别算法

提出一种基于Contourlet变换和非负矩阵分解(NMF)的掌纹识别算法。通过对源图像Contourlet进行小波变换,将提取出的低频分量用NMF法提取特征值,用最近邻方法进行分类。实验结果表明,该算法较单纯的NMF和2DPCA等算法识别性能有较大提高,能较好地捕捉图像的边缘信息。

基于全方位视觉的人证同一性检验装置

针对目前人证同一性检测效率低,精度差,证件信息使用不充分等问题,提出了一种由身份证读卡器、全方位视觉传感器(ODVS,Omni-Directional Vision Sensors)和嵌入式系统构成的人证同一性检验装置;通过身份证读卡器读取身份证内的身份证持有者的人脸图像,采用ODVS抓拍身份证持有者的人脸图像,然后利用模块2DPCA算法将身份证内的人脸图像与抓拍的人脸图像进行比对,根据比对的结果得出的Frogenous范数与已设置好的阈值进行比较,若小于阈值就判定为身份证持有者和证件所有者是同一个人;实验结果表明,设计的人证同一性检验装置具有检验速度快、验证精度高、被检验者非约束、系统鲁棒性高等优点。

概率二维主分量分析

二维主分量分析是一种直接面向图像矩阵表达方式的特征抽取与降维方法.提出了一个基于二维主分量分析的概率模型.首先,通过对此产生式概率模型参数的最大似然估计得到主分量(矢量);然后,考虑到缺失数据问题,利用期望最大化算法迭代估计模型参数和主分量.混合概率二维主分量分析模型在人脸聚类问题上的应用表明概率二维主分量分析模型能作为图像矩阵的密度估计工具.含有缺失值的人脸图像重构实验阐述了此模型及迭代算法的有效性.

基于ARM的小区安防人脸识别系统

针对小区安防,利用嵌入式技术进行了基于ARM的人脸识别系统的设计。系统使用三星S3C2440开发板,在OpenCV库的基础上,使用Bandelet变换对人脸图像进行预处理,使用2DPCA算法对变换图像进行主成分分析,并把人脸信息保存至数据库,通过Euclidean算法确认人脸是否可识别。嵌入式系统相比较于未经过Bandelet变换处理的人脸识别系统在识别率上有了进一步提升,可有效地应用在小区安防。

基于改进的HOG和LBP算法的人脸识别方法研究

人脸识别技术易受光照、表情等因素影响,为充分提取人脸特征信息,提出了融合改进的局部二值模式(LBP)和梯度方向直方图(HOG)方法提取人脸图形纹理、细节特征,利用列方向压缩的2DPCA+PCA算法对人脸的特征空间进行降维处理,使用2DPCA算法降低了特征维度,解决了仅仅使用PCA方法,由于人脸图像特征维度高而造成求解模型复杂的问题,降低了计算规模,提高了运算速度。最后,使用ORL和Yale人脸数据库进行实验。结果表明,基于改进的LBP和HOG融合的特征提取具有一定的互补性,与其它的识别算法相比,该改进的算法识别率有了较大的提高,鲁棒性更强。

基于视频的人脸识别系统研究

人脸识别系统的人脸库的建立是一个十分麻烦的工作,需要耗费研究者大量的时间和精力。针对这个情况,提出了一种基于视频建立人脸库的新思路,并通过构建一个人脸识别系统来验证该方法的可行性。首先利用基于肤色的改进的Adaboost算法提取视频中的人脸样本,建立人脸库;然后结合改进的2DPCA人脸识别算法构成一个基于视频的人脸识别系统,用待测视频来检测该系统的人脸识别性能。实验结果表明,该系统有着不错的人脸识别率,解决了人脸库建库难的问题。

疗养院的人脸识别系统设计

人脸是人体生物特征之一,正确识别人脸在保证信息安全中起着很重要的作用。本文提出了疗养院的人脸识别系统的设计,系统硬件是迅为的ARM架构Cortex A59八核的S5P6818开发板,软件平台是Linux操作系统,人脸识别采用了2DPCA算法。该系统摒弃了以往的基于PC平台的人脸识别系统,采用了嵌入式设计平台,使用起来更加轻便,灵活,高效。

白化主成分分析类算法在人脸识别中的应用

针对能量谱的不平衡性会影响人脸识别效果的问题,基于白化脸的概念提出了白化主成分分析类算法的框架。该算法框架使用1个白化滤波器和1个低通滤波器对原始图像进行预处理,然后结合传统的PCA类算法提取特征向量(或矩阵),最后通过k-NN分类方法进行人脸识别。利用ORL人脸图像库进行实验,实验结果表明该算法框架改善了人脸识别的效果,提高了识别的正确率。