一种运动目标提取方法及其应用

介绍了一种利用高阶统计量(higherorderstatistics,HOS)提取视频序列中运动目标的新方法,并将其应用到人脸识别技术中。利用HOS对高斯噪声的不敏感性分离运动区域和背景,进一步提取出运动目标。当提取出的视频序列中的运动对象为人体时,利用主元素分析法(principlecomponentanalysis,PCA)进行人脸识别。实验证明,算法计算简单,速度快,用于人脸识别时能正确提取出运动的人体。     

中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。     

基于正交子空间类标传播的单标记人脸识别

针对单标记人脸图像识别问题,提出基于正交子空间类标传播和不相关大间距准则的人脸图像识别方法.首先,将带类标样本集规范正交化,在正交化的子空间内进行类标传播,将类标传播到无类标样本上.然后,在所有带类标的样本集上使用不相关大间距准则对数据进行维数约简.最后,在低维空间使用欧式分类器对测试人脸完成识别.在3个人脸数据库PIE、Extended Yale B和AR上进行仿真实验,验证了该方法的可行性和有效性.     

体育视频中基于卡尔曼滤波器的运动员人脸检测识别方法

针对体育比赛期间运动员的检测识别并显示对应统计信息问题,提出了一种运动员人脸检测识别方法 .主要分四个步骤:第一步,利用一阶卡尔曼滤波器跟踪被检测目标;第二步,使用AdaBoost和Haarlike特征检测进行特征选择和分类;第三步,利用推进方法进行人脸检测;第四步,利用LDA初始化的AdaBoost算法识别人脸.用数码相机采集412张不同图像进行实验.实验结果表明,本文提出的方法在大部分情况下都能获得最高的球员检测精度和人脸识别精度.     

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。     

人工蜂群算法在解决EMD问题中的应用

图像的相似性度量问题是人脸识别中的核心问题。EMD是一种良好的直方图相交映射距离表示方法,是度量图像相似性的经典模型。元启发式智能算法是解决复杂EMD问题的一种主要方法,提出了一种基于人工蜂群算法的求解EMD问题的新算法。该算法首先提出了一种表示食物源的编码方法,然后设计出初始化解决方案的生成策略和确定食物源邻居的方法。最后,在ORL人脸库上的实验结果表明了新算法在解决EMD问题时的有效性。     

基于OpenCV的人脸检测与识别系统

本论文以OpenCV图像处理库为基础,采用QT作为图形界面开发,具有人脸采集,图片训练,数据库管理及人脸识别等功能,并且使用光线补偿等方式提高识别率.     

基于人工神经网络的人脸识别分类器设计

为了提高人脸识别系统的自适应性,采用BP神经网络对抽取出的人脸特征进行识别.对人工神经网络、BP网络应用于人脸识别的过程做了简要介绍.并通过仿真实验加以验证.     

脉冲耦合神经网络的人脸识别方法

 在脉冲耦合神经网络(PCNN,pulse coupled neural network)中,基于神经元脉冲震荡的时间序列概念,利用平均时间序列和平均欧氏距离的方法实现了人脸识别.实验仿真表明了该方法的有效性,对不同人脸和复杂表情的人脸均具有较好的识别效果.     

姿态鲁棒的分块稀疏表示人脸识别算法

针对稀疏表示人脸识别算法对姿态变化敏感的问题,提出一种姿态鲁棒的分块稀疏表示人脸识别算法,通过对人脸进行分块表示并利用仿射变换模型对姿态变化建模,提高稀疏表示人脸识别算法对姿态变化的鲁棒性.同时,通过最小化图像分块重构误差来估计仿射变换参数初值,有效提高仿射变换参数估计精度,进而提升人脸识别算法的性能.实验结果表明,本文算法可在一定程度上克服姿态变化造成的对齐误差,比现有相关算法具有更好的姿态鲁棒性和识别性能.