基于隐马尔可夫模型的自动人脸识别方法

基于DCT系数的伪二维隐马尔可夫人脸模型(P2D HMM)由于更好的利用了人脸图像 的二维统计特性,所以与基于KLT系数的一维隐马尔可夫人脸模型相比,识别效果更好,但是结构复 杂、运算量大。一维隐马尔可夫模型(1D HMM)表现二维人脸存在不足,但训练识别比较简单。综合 考虑二者的优缺点,结合支持向量机(SVM)对静态数据识别效率明显的长处,建立了SVM和HMM 的混合人脸识别模型。采用独立分量分析(ICA)的方法提取人脸区域的特征,作为SVM的输入。在 ORL人脸库中,测试基于SVM/HMM的人脸识别方法,实验结果表明该方法在获得与P2D HMM相应 的识别率的前提下,结构简单,运算量小。     

基于隐马尔可夫模型的人脸检测与识别

此文讨论了隐马尔可夫模型(HMM)在人脸检测与识别中的实现及其逐步改进.采用了基于DCT系数的伪二维隐马尔可夫人脸模型(P2D-HMM).由于此模型更好的利用了人脸图象的二维统计特性,所以与基于KLT系数的一维隐马尔可夫人脸模型相比,识别效果更好.虽然一维隐马尔可夫模型(1D-HMM)表现二维人脸存在不足,但训练识别比较简单.P2D-HMM可以充分表现二维人脸模型的统计特性,但结构复杂、运算量大.综合考虑二者的优缺点,结合支持向量机(SVM)对静态数据识别效率明显的长处,建立了SVM和HMM的混合人脸识别模型.采用独立分量分析(ICA)的方法提取人脸区域的特征,作为SVM的输入.在ORL人脸库中,测试基于1D-HMM、P2D-HMM和SVM/HMM的人脸识别方法,识别率分别达到86.2%、97.2%和97.0%,并且以上方法对姿态和环境的变化具有较好鲁棒性.     

基于连续隐马尔可夫模型的人脸识别方法

提出了一种基于连续隐马尔可夫模型的人脸图像识别方法,主要内容包括以下方面:①由于奇异值向量具有稳定性.转置不变性等特点,对归一化的人脸图像,采用奇异值分解抽取人脸图像特征作为观察值序列;②在人脸识别中应用连续隐马尔可夫模型,采用双高斯概率密度函数训练,建立HMM模型,再利用建好的HMM模型进行识别.实验结果显示,所提出的方法减少了数据计算量,运行速度快,并提高了识别率,完全满足人脸识别系统实时性要求.     

基于复合特征向量提取的隐马尔可夫实时人脸识别算法

实现了基于隐马尔可夫复合特征向量快速提取人脸识别的算法.用差分算法对实时采集到的每一帧图像快速定位到人脸区域,然后对人脸区域的数据进行规一化,并对原始图像进行DCT变换和灰度变换,以变换后的结果作为特征值对其聚类后作为隐马尔可夫模型(HMM)的观察向量,再对样本训练,训练结果制成特征脸模版存入模版库.最后通过模版对实时采集到的图像进行人脸识别.实验结果表明:该算法对复杂背景中的人脸识别具有实时性、准确性和可靠性.     

基于Gabor小波和二维主元分析的人脸识别

论文提出了一种基于Gabor小波和二维主元分析(2DPCA)的人脸识别方法。该方法首先对人脸图像进行Gabor小波变换,将小波变换的系数作为人脸图像的特征向量;然后,用2DPCA对所得的人脸图像特征进行降维,并采用最近邻法进行分类;最后,利用AT&T人脸库,对基于Gabor小波和二维主元分析(2DPCA)的人脸识别方法和基于Gabor小波和PCA的人脸识别方法进行了仿真比较实验。仿真实验表明,基于Gabor小波和2DPCA的人脸识别方法具有较好的识别性能。     

井下人员人脸识别方法研究

针对光照突变、视角变化以及遮挡等因素容易导致井下人员人脸识别精确度低的问题,提出了一种隐马尔科夫模型下基于SIFT特征的人脸识别方法。该方法将提取的SIFT特征作为隐马尔科夫模型的训练样本,经训练建立精准匹配库,对人脸部位和非人脸部位的SIFT特征进行分类,从而实现人脸图像的识别。实验结果表明,该方法识别速度快、准确率高,平均识别准确率达97.14%。     

基于Gabor 小波和HMM 的人像鉴别算法

探讨了利用Gabor小波和隐马尔可夫模型（HMM）进行人脸识别的方法，首先对人脸图像进行多分辨率的Gabor小波变换；然后在图像上放置一组网格结点，每个结点用该结点处的多尺度Gabor幅度特征描述，采用独立元分析法对每个结点进行去相关和降维；最后形成特征结，把每个特征结作为观测向量，对隐马尔可夫模型进行训练，并将优化的模型参数用于人脸识别，ORL人脸库的实验结果表明，该方法识别率高，工程上易于应用。     

基于Gabor小波特征的多姿态人脸图像识别

多姿态人脸识别在很多领域具有重要的应用价值。基于多姿态人脸图像及Gabor小波特点选取离散化参数,对人脸图像进行Gabor小波变换;然后采用两步降维法对变换系数进行降维,基于降维后的Gabor特征表示实现人脸识别。实验将互不相交的两个样本集依次作为训练集和测试集,验证了该方法在人脸识别中对于不同姿态和表情的有效性及鲁棒性。     

基于非下采样Contourlet梯度方向直方图的人脸识别

针对人脸识别系统准确度不高的问题,提出一种基于非下采样Contourlet梯度方向直方图(HNOG)的人脸识别算法。先对人脸图像进行非下采样Contourlet变换(NSCT),并将变换后的各系数矩阵进行分块,再计算各分块的梯度方向直方图(HOG),将所有分块的直方图串接得到人脸图像HNOG特征,最后用多通道最近邻分类器进行分类。在YALE人脸库、ORL人脸库上和CAS-PEAL-R1人脸库上的实验结果表明,人脸的HNOG特征有很强的辨别能力,特征维数较小,且对光照、表情、姿态的变化具有较好的鲁棒性。     

基于非下采样contourlet梯度方向直方图的人脸识别

针对人脸识别系统准确度不高的问题,提出一种基于非下采样Contourlet梯度方向直方图(HNOG)的人脸识别算法。先对人脸图像进行非下采样Contourlet变换(NSCT),并将变换后的各系数矩阵进行分块,再计算各分块的梯度方向直方图(HOG),将所有分块的直方图串接得到人脸图像HNOG特征,最后用多通道最近邻分类器进行分类。在YALE人脸库、ORL人脸库上和CAS-PEAL-R1人脸库上的实验结果表明,人脸的HNOG特征有很强的辨别能力,特征维数较小,且对光照、表情、姿态的变化具有较好的鲁棒性。     

基于典型相关分析特征融合的人脸表情识别方法

针对目前大部分人脸表情识别算法中仅提取图像的某一类特征,导致特征参数不能全面反映脸部情感信息的问题,提出了一种基于特征融合和离散隐马尔可夫模型（HMM）识别的人脸表情识别方法。对同一个图像序列分别使用离散小波变换(DWT)和标准正交非负矩阵分解(ONMF)提取纹理信息,使用改进的主动表观模型(AAM)提取几何形变信息,再使用高维小样本下典型相关分析(CCA)对提取的两种特征进行特征融合,最后使用离散HMM来进行表情分类识别。实验结果表明,经过特征融合后,在较少特征向量维数下该方法能够达到较高的识别率和较快的识别速度。     

DCT结合特征选择的红外人脸识别

为了从生物特征和统计角度来提高识别的性能,提出了一种基于血流图的离散余弦变换（discrete cosine transform,DCT）与特征选择相结合的人脸识别方法。该方法首先利用血流模型把红外温谱图转换成血流图,得到更具丰富频率的特征。其次,采用DCT变换可以有效地消除血流图的相关性。最后,在DCT域特征提取阶段,为了提高特征提取的有效性,特征选择和子空间学习基于一致的可分性目标：特征选择引入基于可分性的DCT系数选择算法以抽取鉴别能力强的DCT系数,对抽取的DCT系数采用基于可分性的线性鉴别分析（linear discriminant analysis,LDA）方法。实验结果表明,该红外人脸识别方法可以快速有效地提取血流图中适合分类的特征,识别率优于传统DCT＋LDA方法。     

结合分块DCT系数及其统计特征的人脸识别

提出了一种基于分块DCT系数及其统计特征的人脸识别算法。对图像进行分块,对每一块进行DCT变换,选择低频部分的系数作为识别的特征,将每一块分解为一幅低通滤波图和一个包含DCT高频系数的反L型块;分别对这两块求其均值、方差和熵这三个统计特征;利用支持向量机(SVM)和最近邻分类器对这些特征进行分类识别。在ORL、Yale人脸数据库上的仿真实验表明,使用基于分块DCT系数及其统计特征可达到较高的识别率。     

基于曲线波隐马尔可夫模型的人脸检测

提出了一种基于曲线波隐马尔可夫模型的混合人脸检测算法.曲线波变换是一种多尺度几何变换,具有很好的方向性,能用极少的非零系数精确表示图像的边缘,是一种最稀疏的表示方法.根据隐马尔可夫模型对人脸拓扑结构的约束,采用3状态的隐马尔可夫模型进行从粗到细的人脸检测.实验结果表明,这种算法具有较好的检测速度与正确率及鲁棒性.     

一种基于P2DHMT的小波域图像去噪算法

文章提出了一种基于小波域伪二维隐Markov树(P2DHMT)的图像的滤波新方法。首先建立了小波域的伪2DHMT模型,给出了基于EM、Baum-Welch等算法的模型参数估计方法;其次提出了一种基于最大后验概率准则的P2DHMT最优图像滤波算法;最后给出了图像去噪算法的实现过程。实验结果表明该方法可以在保存图像细节特征的情况下有效地抑制图像的噪声。     

基于FLDA、CPCA与HMM的人脸识别

为了获得具有较高识别率的算法,提出了一种将Fisher线性鉴别分析(Fisher Linear Discriminant Analysis)、复主分量分析(Principal Analysis in the Complex Space)与隐马尔可夫模型(Hidden Markov Models)相结合进行人脸识别的方法。对于输入的不同光照、人脸表情和姿势的图像先进行归一化处理,然后将归一化后的图像转化成一维向量,再用FLDA方法提取每幅图像的特征,形成新的复向量空间;通过运用复主分量分析,来抽取人脸图像的有效鉴别特征;最后通过HMM对这些特征进行训练,得到一个优化的HMM并应用于识别。在ORL人脸数据库中进行实验,实验结果表明,该方法具有较高的识别率。     

基于S-LISSOM模型的人脸识别方法

提出了一种利用视皮层认知模型识别人脸的方法。该方法建立一种简化的感受野切片连接自组织映射简化模型(S LISSOM),模拟人脸图像在大脑视皮层的映射特征,作为隐马尔可夫模型(HMM)的观测向量进行人脸识别。实验结果同其他特征的人脸识别方法进行了比较,该方法更加有效的提取的人脸特征,提高了人脸识别率。     

基于ICA和HMM的疲劳驾驶眼部状态识别算法

汽车司机疲劳驾驶是引发交通事故的一个重要原因。驾驶员在正常驾驶、瞌睡驾驶及疲劳驾驶3种状态下的眼睛张开程度有一定的区别。提出了一种ICA结合隐马尔可夫模型(HMM)识别眼部状态的识别算法,首先对彩色图像进行二值化处理,然后利用ICA算法进行眼部状态特征提取,为了加快特征提取的速度,这里采用FastICA算法;然后通过HMM进行眼部状态识别。实验结果表明,该算法可快速有效地识别出驾驶员眼部状态。     

基于HMM和微粒群优化算法的表情识别

提出基于微粒群优化算法(PSO)的隐马尔科夫模型(HMM)训练算法,分别用PSO和量子微粒群优化算法进行HMM的参数估计,以提高HMM的性能。将改进的HMM算法应用于人脸表情识别,采用离散余弦变换提取表情特征向量。实验结果表明,该算法能有效提高表情识别率,解决HMM的参数估计问题。