Eigenface算法与EBGM算法的适应性比较

Eigenface算法和EBGM算法是人脸识别的两种重要算法。前者基于图像的整体特征,后者通过Gabor变换提取图像的局部特征。在实际应用中,光照的变化、人物表情的变化和物体对人脸的遮盖等因素造成了人脸识别的困难。文章对上述两种算法在这些变化因素下的识别性能进行了研究和比较。实验结果表明EBGM算法对环境变化具有更好的适应性,能够在小样本条件下获得良好的识别能力。而Eigenface算法对环境变化较为敏感,需要大量的训练样本来保证识别效果。

特征脸和弹性匹配人脸识别算法的比较

计算机自动人脸识别技术是模式识别的一个重要分支,有着广泛的应用背景。特征脸和弹性匹配是两种主要的人脸识别算法。该文研究了视角、表情、光照等变化对两种算法的影响并对此时两种算法的性能进行了比较,理论分析和实验结果都表明此时弹性匹配的识别率优于特征脸。

人脸识别技术

人脸图像的易取性和人脸变化的多样性使人脸识别研究更富有挑战性。按照人脸检测、特征提取和识别3个关键过程,分别对基于二维和三维人脸信息的人脸识别技术和方法进行了详细的阐述;展望了人脸识别研究的趋势,并提出了可能取得突破性研究进展的研究途径。

人脸正面图像的机器识别

论文综述了近30年来人脸(正面)的机器自动识别所使用的主要方法,对其优缺点进行总结。并对当今的研究热点如特征脸、图面模板(弹性匹配)进行了比较分析。

人脸图象识别系统及其方法

一、引言如同人的指纹一样,人脸也具有唯一性,也可用来鉴别一个人的身份。现在已有实用的计算机自动指纹识别系统面世.并在安检等部门得到应用,但还没有通用成熟的人脸自动识别系统出现。人脸图象与指纹图象不同的是,前者受很多因素的干扰:人脸表情的多样性、以及外在的成象过程中的光照,图象尺寸,旋转,姿势变化等。

人脸识别技术研究

人脸识别技术(FRT)是近年来模式识别、图像处理以及计算机视觉等领域的热点研究课题之一。文中重点对现有的人脸检测与识别方法进行研究,并提出了以后的研究的重点和方向。由于人脸图像的特殊性,人脸识别问题也是模式识别领域一个相当困难的问题,要使这一技术趋于成熟还有许多工作需要做。

人脸识别方法的综述

人脸识别技术是利用计算机分析人脸图像,从中提取有效的特征信息,用来辨认身份的一门技术。在此简单介绍了近年来常用的几种人脸识别方法,如:特征脸、隐马尔科夫、神经网络、以及弹性图匹配方法等。

人脸识别研究综述

本文简单介绍了人脸识别研究的发展历史,阐述了人脸识别研究方法的分类以及常用的人脸识别方法,并且提出人脸识别所面临的技术挑战以及研究趋势。