人脸识别技术综述

人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向.虽然人脸识别的研究已有很长的历史,各种人脸识别的技术也很多,但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响,目前还没有一种人脸识别技术是公认快速有效的.本文主要讨论了人脸识别技术的一些常用方法,对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论,最后对人脸识别未来的发展和应用做了展望.     

Android平台人脸识别方法研究

研究直接系统编程实现人脸识别、基于组件技术的人脸识别和基于云计算的人脸识别三种算法.直接系统编程算法可实现基于肤色的人脸检测;基于组件方式应用OpenCV库可实现人脸的检测和特征比较;云计算方式可实现人脸识别、情感计算等功能.研究人员可根据设计要求选择算法,满足识别系统的需求.     

基于肤色模型与人脸结构特征的人脸检测

人脸检测是自动人脸识别中的关键环节.提出了基于人脸肤色模型和人脸结构特征的人脸检测.首先利用人脸图片样本,提取肤色像素,建立肤色CbCr高斯模型.根据高斯肤色模型求得人脸似然图,并采用最佳阈值对之进行二值化.之后再采取形态学处理,除去部分非人脸区域,分割出待定人脸区域.最后根据人脸的结构特征进行再次筛选,得到人脸区域.此方法运用在一般的人物照片中都能达到比较理想的效果.     

基于Adaboost算法的正面多角度人脸检测

人脸检测不仅是全自动人脸识别系统的基本步骤,而且本身也可以独立应用于视频监控、图检索等领域、因而具有重要的研究价值。人脸检测是一个开放性的,比较活跃的课题,在人脸检测算法中,依照时间顺序的发展有：模版匹配模型、肤色模型、ANN模型、SVM模型、Ad-aboost模型等。其中Adaboost模型在速度与精度的综合性上表现最好。     

基于聚类肤色模型的人脸检测

在安全检测、人机交互等人脸识别应用中,人脸的检测与定位是前期重要工作.该文提出一种改进的基于亮度聚类的肤色模型,并提出一种新的最佳阈值选择算法,设计了肤色检测算法流程.实验证明该算法提高了人脸检测的速度和鲁棒性.     

基于肤色信息的人脸检测系统

人脸检测作为人脸识别的重要组成部分,因为其巨大的应用价值和市场潜力已经成为热点研究领域。本系统在Matlab平台上实现了一种基于肤色的人脸检测算法。经测试,本系统的识别正确率可达到93％以上。     

基于人脸轮廓的人脸归一化方法

人脸识别作为生物识别技术的一种,具有无接触、安全和方便的特点.人脸识别技术广泛应用于人机交互、交易认证及安防等领域,一直是生物识别技术研究的热点.人脸检测、特征定位、人脸归一化和特征提取是人脸识别研究的重点,决定着人脸识别系统的最终性能.设计了基于人脸轮廓的人脸归一化方法,根据归一化中出现的问题,进一步提出了人眼位置与人脸轮廓结合的人脸归一化方法.实验结果表明在Yale人脸图像库上人眼位置与人脸轮廓结合的人脸归一化方法具有更高的正确率.     

基于形态学小波理论和SVM神经网络的人脸识别

主要研究了快速识别人脸的基本算法,它包括人脸检测和人脸识别两部分.人脸检测部分利用肤色电平的聚类特性和形态学处理检测出准人脸图像,再利用小波特征提取出特征进行人脸认证.人脸识别部分采用支持向量机(SVM)神经网络进行人脸识别.支持向量机神经网络对二类判别具有很强的识别能力.对于N类判别需连续使用N次.该方法识别速度快,且不受发型、头饰、眼镜等的影响.仿真证明了该方法的有效性.     

人脸识别系统中活体检测技术

人脸识别技术是生物识别技术领域内的一个分支,是继指纹识别之后最受关注的一项生物技术,但是目前也出现伪装人脸行为进行欺诈,这种对合法用户人脸的假冒行为已经成为人脸识别与认证系统的重要威胁。当前活体人脸检测技术主要集中在人脸细微动作、3D人脸重建、红外人脸检测三领域的研究上,该文主要浅析这三类检测技术的原理,并总结分析了各技术的特点及优劣。     

基于最小最大概率机的彩色人脸检测

在生物特征识别领域,人脸识别已经越来越引起了人们的广泛注意．人脸检测在人脸识别系统中是非常重要的．其检测效果将最终直接影响后边的识别．在本文中,我们提出了一种基于最小最大概率机的彩色人脸检测方法．首先对输入图象利用肤色模型对人脸进行初定位．形成肤色区域,达到缩小搜索空间的目的．此结果作为候选人脸区域输出．将大量非人脸的子窗口去除,剩余的子窗口将通过使用基于最小最大概率机分类器进行判别验证．实验证明,本方法在确保有效的检测出复杂背景下的人脸图像的同时,具有很好的实时性．     

肤色信息在人脸检测中的应用研究

随着视频监控系统的快速发展,智能视频分析技术已经广泛地用于人员跟踪与识别、人员身份认证和行为识别等领域。肤色信息是彩色人脸图像最显著的特征,且具有相对稳定性,常被用于人脸检测。该文通过彩色图像描述常用的颜色模型,给出了利用肤色信息进行人脸检测方法的流程,最后通过仿真实验讨论了利用肤色信息进行人脸检测的方法。实验结果表明利用肤色信息可以较好地检测出人脸区域,能够为后续的人脸特征提取和识别奠定良好的基础。     

基于肤色特征的人脸检测

人脸检测在人脸识别过程中是最基本的处理,如果检测方法不当,会使识别过程崩溃,人脸检测在人脸识别中很重要。人脸模式是很复杂的,而且易受外界干扰,常见的人脸检测算法一般都具有计算量大、速度慢、误报率高的弱点,文中使用基于YCbCr颜色空间的肤色模型检测方法进行人脸检测,解决了计算量大的问题,并使用形态学理论对图像做了后续处理.     

人脸识别及其在公安工作中的应用研究

目前计算机视觉最多且最受欢迎的应用之一就是人脸识别。针对人脸识别的3个过程——人脸的检测、人脸面部特征的定位、人脸的比对,人脸识别所用的主要技术包括人脸检测与跟踪技术、面部关键特征的定位及人脸2D形状检测技术、人脸确认与识别技术。由于人脸识别技术具有方便、易为人接受、不易伪造等优点,可用于身份认证、视频监测及视频资料检索分析等方面,随着其技术的成熟与发展,在公安工作中越来越得到广泛的应用。     

基于动态阈值图像分割法的人脸识别技术研究

提出一种基于动态阈值图像分割的人脸识别方法.在灰度级别下,基于图像分割中的Fisher准则,利用Fisher函数的类间均值最大、总类内方差最小的原则,自动获取待检测图像所对应的最佳分类阈值,并根据所得的动态阈值进行肤色分割,然后再根据阈值解码器,实现肤色似然图的二值化,得到肤色分割后的二值化图像,从而检测到包含有人脸的肤色区域.实验结果表明,该方法改善肤色分割性能,能够在负载复杂背景下实现肤色区域的精确分割,提高人脸检测的速度和精度.     

基于OpenCV的人脸检测系统设计与实现

在生物特征识别技术中,人脸识别不同于指纹识别,人脸识别是最自然、最直接、最友好的识别方法。人脸检测和识别在身份认证、视频监控、公安系统等领域有着广泛的应用。本文利用OpenCV中提供的Boosted Cascade算法进行人脸识别,结果表明识别效率较高,效果好。     

新闻图像中重要人物的自动检测和识别研究

针对网络新闻图像中人物的不同表情、光照、姿势等因素带来的视觉空间差异造成的人脸检测效果差的问题,提出滑动窗口自适应方法和肤色特征相融合,检测新闻图像中的人脸。针对单样本条件下的人脸识别问题,提出有监督的双向二维局部保持投影法,提取人脸特征。结合图像子特征加权方法,先将人脸图像分块,子图像的子集作为一个子特征统计权重,采用人为投票的方式进行识别。实验选取雅虎新闻图像和新华网新闻图像。结果表明,滑动窗口自适应算法在不同类别新闻图像中人脸检测率提高了3%到10%,人脸识别率在一定范围内提高了5%。     

人脸检测方法研究

人脸检测是人脸识别的前提,同时在安全访问控制、视频监控、基于内容的检索等领域也有着广泛的应用。人脸相关的应用和研究受到越来越多的重视,本文通过对人脸检测方法的研究,证明各种方法的融合是今后人脸检测的主要方向。     

人脸检测与识别

人脸是人主要的身份特征之一,人脸识别在信息管理、身份验证、视频监控、机器视觉等领域有着重要的实用价值.本文以中央民族大学信息工程学院本科生人脸数据库为背景,从应用的角度出发,开发了基于人脸识别的学生身份确认系统.整个系统主要分为图像预处理、人脸检测和人脸识别三个部分.图像预处理包括图像大小归一和图像灰度均衡;人脸检测采用Harr分类器;利用PCA（主成分分析）获得投影矩阵和维数适中的能够表征人脸的特征向量;基于最近邻原则,进行人脸匹配.系统测试结果表明,该系统能够完成基于人脸识别的学生身份信息查询功能.     

基于肤色统计矩和Adaboost算法的人脸检测研究

采用基于Adaboost的人脸检测算法检测出彩色图像中的人脸候选区域,在此基础上利用人脸肤色统计矩剔除非人脸区域,最终实现对人脸的准确检测.由于本算法检测速度快、准确率高可以应用于对实时性要求较高的智能监控领域.     

基于深度学习的人脸识别方法研究综述

针对基于深度学习的人脸识别这一生物特征识别领域的研究热点进行了综述.阐释了人脸识别及深度学习模型的基本结构;总结了该技术在国内外的研究现状及其应用,如基于卷积神经网络(CNN)的人脸识别方法、深度非线性人脸形状提取方法、基于深度学习的人脸姿态鲁棒性建模、有约束环境中的全自动人脸识别、基于深度学习的视频监控下的人脸识别、基于深度学习的低分辨率人脸识别以及其他基于深度学习的人脸信息的识别等;分析了当前人脸识别技术在深度学习应用中存在的问题及发展趋势.