人脸识别综述

在生物特征识别中,人脸识别是最自然、最直接和最友好的手段,对人脸识别的研究具有很高的理论意义和实用价值．本文对人脸识别中的常用算法进行了回顾,并且对正面人脸识别中的两个主要研究热点——人脸光照补偿和人脸小样本问题进行了讨论．     

浅谈人脸识别技术

人脸识别技术是近10年在全球范围内迅速发展的一种有关计算机安全技术,是人体生物特征识别技术的一种。目前人脸识别是一个活跃的研究领域。具有重要的科学意义和巨大的应用价格。虽然人脸识别的准确性要低于虹膜、指纹的识别,但由于它的无侵害性和对用户最自然、最直观的方式,使人脸识别成为最容易被接受的生物特征识别方式。     

基于OpenCV组合优化的人脸识别应用平台设计

人脸识别是最符合人的本能且便捷的识别认证方式,在人工智能领域广泛应用,多数的人脸识别的算法很容易受到外界因素的影响,或者要求识别者站在某一固定位置,识别缓慢和准确率不高。本设计实现了一种基于Open CV的人脸识别的应用平台,首先对人的脸部图像进行采集和预处理,通过对算法优化,利用平台的Eigenfaces、Fisherfaces和LBP(local binary patterns histograms)三种用于人脸识别的算法协同多重使用,并在判定人脸识别系统识别到待检测目标的同时再加上限制条件,再结合Qt框架搭建用户界面,实现人脸模块训练和人脸识别的功能。经过测试,系统界面友好,运行稳定,对人脸位置和环境光照变化具有较好鲁棒性,能快速和准确地对人脸实时检测和识别。     

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。     

基于轻量级人脸识别的智慧地铁云支付系统搭建

当下智能出行已成为一种常态,如何高效推动智慧城市已成为一种发展趋势.由于当前人脸识别存在模型参数识别量大、特征提取缓慢和人脸数据集姿态单一的问题,在实际人脸识别任务中无法取得好的识别效果.本研究以武汉地铁为模型,提出一种基于轻量级的人脸识别的智慧地铁云支付系统构建的方案,融合人脸识别和电子支付技术,通过使用一种基于MTCNN算法进行人脸检测与识别,辅以Hadoop框架进行大数据技术下的分布式人脸识别和后台数据存储,经实验结果反馈,识别精准率为99.74%、召回率为98.75%,单帧平均耗时为0.081 s,有效保证识别效率和准确性,为人脸识别地铁商用化提供一套解决方案.     

基于ADsP-BF533的嵌入式门禁系统

人脸识别由于其在身份验证方面的便利性,成为当前模式识别和人工智能领域的一个研究热点。针对人脸识别门禁系统对高识别率,高识别速度等性能的高要求,本文提出一种基于ADsP一BF533,结合人脸识别、刷卡识别、键盘密码识别相结合的嵌入式门禁系统。系统采用ICA与FLD相结合的算法来实现人脸识别,实验效果良好。     

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.     

高速公路视频监控系统与人脸识别技术的结合应用

随着科学技术的发展,视频监控系统也在娱乐、教育、安全及生活等领域得到了推广应用,目前也朝着、数字化、网络化及智能化的方向发展。人脸识别在生物特征识别中是关键,目前人工智能的研究热点之一就是人脸识别技术。人脸识别技术广泛应用于访问控制、司法应用、电子商务和视频监控等领域。人脸识别过程以特征提取为核心,其可以对分类的速度和识别功能质量的高低产生一个非常直接有效的影响。在当今经济快速增长,人民生活水平日益提高的今天,高速公路视频监控系统与人脸识别技术的结合具有巨大实际意义和非常广泛的应用前景。     

基于ADsP-BF5133的嵌入式门禁系统

人脸识别由于其在身份验证方面的便利性,成为当前摸式识别和人工智能领域的一个研究热点。针对人脸识别门禁系统对高识别率,高识剐速度等性能的高要求,本文提出一种基于ADsP-BF533,结合人脸识别、刷卡识别、键盘密码识别相结合的嵌入式门禁系统。系统采用ICA与FLD相结合的算法来实现人瞳识剐,实验效果良好。     

基于特征脸识别考勤系统设计

正前言生物信息识别技术是利用人体本身所固有的物理特征和行为特征,通过数字信号处理和模式识别的方法来鉴别个人身份的技术[1]。而人脸识别作为一种典型生物信息识别技术,以其自然性和可接受性等优点得到了人们的喜欢,可应用于军事及民用的各行各业中[2]。本设计目的是利用人脸生物信息识别技术,实现操作简单、使用信息方便、识别结果准确的人事考勤。本系统基于KL人脸识别技术设计考勤系统,在KL变换人脸识别算     

基于分块加权LBP技术的人脸识别算法

人脸识别属于生理特征识别,是基于人的脸部特征信息进行身份识别的生物识别技术,是我国人工智能技术领域的首个成熟技术。LBP(Local Binary Patterns)算法,又称局部二值模式算法,是一种灰度范围内的纹理描述方式。传统LBP算子提取的特征信息只能体现局部的人脸信息,不能完整表达全部人脸信息。在基本LBP算法的基础上提出基于分块加权LBP技术的人脸识别算法,将人脸分为5×3子分块,根据人脸五官在人脸识别中的不同贡献度赋予不同的权重提取人脸信息特征。通过在ORL和YALE两种人脸数据库中训练不同样本数,比较传统LBP方法、5×3分块LBP方法和5×3分块加权LBP方法的人脸识别准确率,实验证明分块加权LBP技术在人脸识别中可以有效提高识别准确率。     

动态人脸识别算法描述与实现

近年来,随着生物技术的发展,在生物领域中人脸识别技术已经成为当前的研究热点。人脸识别指通过基于个人的面部轮廓比较和分析模式,唯一地识别或验证人的生物测定技术。然而在实际应用中很多技术是通过软件来实现的。在此次研究中,针对动态人脸识别进行了检测和识别算法描述,并针对这些方法呈现的效果进行了比较分析。     

基于视觉跟踪的实时视频人脸识别

目前基于深度学习的人脸识别方法准确率高,但是模型复杂,识别速度慢.为了实现监控视频中人脸的实时识别,提出了一种基于视觉跟踪的实时视频人脸识别(RFRV-VT)方法.首先将监控视频的帧序列分组,每一组中分为人脸识别帧和人脸跟踪帧;然后在人脸识别帧中使用基于深度学习的人脸检测和人脸特征提取方法,在人脸跟踪帧中使用基于核相关滤波(KCF)的视觉跟踪方法以加快识别速度.将该方法应用于数据集YouTube Faces(YTF)上进行测试,实验结果显示该算法在监控视频中具有实时性和较高的识别准确性(99.60%).     

基于卷积神经网络(CNN)和CUDA加速的实时视频人脸识别

为了兼顾视频人脸识别中识别准确率和实时性,提出了基于卷积神经网络(CNN)和CUDA加速的实时视频人脸识别方法。构建了一个6层结构的CNN人脸识别网络,在视频帧中通过Adaboost算法检测到的人脸输入所构建的CNN中进行视频人脸识别,结合CUDA并行计算架构,对算法进行加速。此外为了更适用于实际视频监控情况,通过对CNN网络结构末尾Softmax分类器的分类结果进行多级判决引入了开集人脸识别功能。从多个角度对该方法进行了实验验证,结果证明,此方法可满足识别准确率和实时性要求,同时对于视频中人脸姿态变化、光照变化、距离远近等都具有良好的鲁棒性。     

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.     

芝麻，开门吧——清华大学苏光大教授热哀图像处理系统事业

人脸识别系统以人脸识别技术为核心,是一项新兴的生物特征识别技术,属于当今国际科技的高精尖领域。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。人脸识别系统应用广泛,具体包括人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、安全人脸识别电脑防范、人脸识别照片搜索、人脸识别来访登记等等。     

基于Gabor和HOG的新型人脸识别算法

人脸识别中特征提取是人脸识别过程中的主要步骤之一,特征提取效果极大地影响着识别的精度.在目前的大多数人脸识别方法中,仅仅提取、利用了面部区域的局部特征.为提高人脸识别精度,本文提出了一种新的人脸识别方案(GF-LF),该方案先在Gabor滤波器的输出结果基础上应用Zernike矩,得到一种新的全局特征描述符,再利用方向梯度直方图(HOG)获取局部特征,最后将全局特征与局部有效特征相结合构成人脸识别的最终特征.在ORL和Yale人脸识别数据库上测试表明,该方法的人脸识别率达到96%,优于目前大多数的人脸识别方法.     

指纹与人脸混合识别技术在汽车防盗中的应用研究

生物识别技术是当今安全防盗性能较高的识别技术。目前,许多汽车单独采用指纹识别和人脸识别进行防盗,但是指纹识别技术在汽车防盗方面存在着指纹容易被高科技不法分子复制的缺陷,造成汽车防盗存在较大隐患;而人脸识别技术的识别精度会受外界环境影响,在一定程度上将造成识别可靠性的降低。文中针对指纹识别和人脸识别技术单独使用所存在的问题,提出将指纹与人脸混合识别技术应用于汽车防盗,解决指纹识别易被复制以及人脸识别的精度不稳定的缺陷,提高汽车防盗的安全可靠性与稳定性。     

三维人脸识别研究进展综述

近年来,三维人脸识别研究取得了较大进展。相比二维人脸识别,三维人脸识别更具有优势,主要特点是在识别中利用了三维形状数据。该文首先根据三维形状数据的来源,将三维人脸识别分为基于彩色图像的三维人脸识别、基于高质量三维扫描数据的三维人脸识别、基于低质量RGB-D图像的三维人脸识别,分别阐述了各自具有代表性的方法及其优缺点;其次分析了深度学习在三维人脸识别中的应用方式;然后分析了三维人脸数据与二维图像在双模态人脸识别中的融合方法,并介绍了常用的三维人脸数据库;最后讨论了三维人脸识别面临的主要困难及发展趋势。     

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.