基于人脸识别技术的研究

随着计算机技术的迅猛发展,人们期望计算机能具有人的视觉功能,然而除了一些专用的视觉系统外,迄今为止,还没有较为成功的通用视觉系统。人脸识别目前的社会需求巨大,几乎各行各业都迫切需要。本文主要对人脸识别技术进行综述,并展望其未来的发展前景。     

基于特征脸及人工神经网络的人脸识别

人脸是一个复杂的多维可见模型,开发人脸识别的计算模型是比较复杂的。介绍了一种基于信息理论的编译人脸图像的识别方法。该方法涉及两个方面:一是使用主成分分析进行特征提取;二是使用前馈反向神经网络进行识别。并使用400张人脸图片(40类)测试了该方法,识别率高达97.018%。     

基于人工神经网络的自适应模糊电梯群控系统

针对电梯客流的随机性、离散性及电梯群控系统智能调度的复杂性。综合考虑了电梯运行的评价标准，结合了人工神经网络和模糊控制各自的优点，用神经网络的学习机制为模糊控制器自动提取并调整模糊规则及模糊隶属函数。提高了电梯群控的智能性。合理分配电梯应答，防止聚堆和忙闲不均情况的发生。大大减少了平均候梯时间和长候梯率。仿真实验及初步应用结果表明这种电梯调度方法是有效的。     

人脸识别技术研究

人脸识别技术是利用计算机通过时人脸图像的分析、特征的提取,从中提取出有效的识别信息,进而实现(自动)辨别人脸,并进行自动身份验证的技术.介绍了人脸识别技术的主要方法,并对各种方法进行了比较.     

基于模糊RBF神经网络的人脸识别研究

基于高斯RBF神经网络和模糊推理的函数等价性,构建了一种模糊RBF网络用于人脸识别研究,实验证明,网络有很好的学习能力,识别准确率较高,本文给出了ORL人脸库的识别结果.     

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。     

大滞后大惯性对象的模糊人工神经网络控制器

本文给出一种模糊人工神经网络控制器（FANNC）作控制机构，用参考模型输出作理想训练目标以及此为基础而建立的广义BP算法作出自适应机构的模型参考自适应模糊人工神经网络控制系统（MRAFANNCS）。真正为一类缺乏精确数学模型的大滞后大惯性对象提供实现自适应控制的有效方法，弥补了一般设计方法的不足，仿真验证了该方法的合理性。     

基于模糊神经网络的人脸识别方法研究

人脸识别是模式识别研究领域的重要课题,具有广阔的应用前景。本文提出了基于模糊神经网络的人脸识别方法。首先用最优鉴别分析方法提取人脸的最优鉴别矢量集,构成特征空间,然后在特征空间中设计模糊神经网络分类器。在ORL人脸图象库上的实验结果表明了该方法的有效性。     

用人工神经网络（ANN）实现模糊控制

讨论模糊控制及用人工神经网络实现模糊控制的有关问题，并给出了仿真实例，仿真结果表明，用ANN实现模糊控制是可行的。     

基于模糊混沌神经网络的人脸识别算法

利用混沌对初值的极端敏感依赖性,可以对仅有微小差别的模式进行识别。提出一种基于模糊混沌神经网络的算法,并应用到人脸识别中。由于引入了混沌噪声,可使网络具有很强的抗干扰能力,能有效避免人脸图像光照、姿态等因素对人脸识别的影响,也避免了复杂的特征提取工作。利用ORL人脸图像数据库进行了仿真实验,结果表明,混沌神经网络算法精度高、迭代步骤少、收敛快,混沌神经网络应用于人脸识别是有效的,能提高识别率。     

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.     

人脸识别技术研究进展

近20年来,人脸识别技术已经作为机器人视觉与模式识别技术中的一个重要研究方向,受到很多研究学者的关注。对当今国内外人脸识别技术的各种研究方法进行了分析和比较,指出了现存的技术困难及今后的研究发展方向。     

瓷器隧道窑燃烧过程的人工神经网络模糊控制

讨论模糊控制及用人工神经网络实现模糊控制的有关问题，给出了瓷器隧道窑温度控制系统及仿真结果。     

基于PCA的人脸识别研究

对人脸识别进行研究,将基于主要成分分析的图像训练算法用于人脸识别中,并运用最近邻分类器欧几里德距离对处理了的人脸图像集进行分类,设计一套基于PCA的人脸识别考勤系统,并运用到公司的考勤实践当中去。实践结果表明,该套系统的识别率维持在90%以上。     

基于模糊积分分类器融合的人脸识别

提出一种基于模糊积分分类器融合的人脸识别算法。对人脸图像进行小波变换,选取合适的小波基函数及有效的分解层数,提取低频分量系数作为分类特征设计分类器。对原图像采用2DPCA进行特征提取设计另一分类器,采用模糊积分的算法融合2个分类器并得出最终分类识别结果。实验结果表明,模糊积分能够有效融合分类器的互补信息,提高系统的分类性能,从而提高人脸识别率。     

基于模糊粗糙集属性约简的人脸识别技术

提出了一种基于模糊粗糙集的属性约简方法,对经由PCA处理后的人脸特征进行提取,且使用一种神经网络集成的分类器对约简后的人脸数据进行识别.避免了粗糙集约简处理之前必需的离散化而造成的信息丢失,约简结果能更完整地反映原信息系统的分类能力,提高了识别精度.同时经遗传算法增强,降低了计算复杂性.     

基于低分辨率的人脸识别方法研究

随着我国经济实力的提高,大多公共场所都配备有监控设备[1],用以对出现行人及行为的监控,通过监控识别人脸是其发展的重要方面以后也将进一步发展。为减少视频数据的空间占比[2],目前市场大部分采用低分辨率的存储方式来存放视频数据,这对人脸的识别率带来了极大的影响。人脸识别是完善和加深图像识别在视频监控领域应用的基础,如何能够准确、快速、低成本的完成人脸识别工作,无论在生活领域、信息安全领域和公共安全领域等都有着无限的应用空间。因此,本文在前人所做的基础之上,结合近些年该领域的发展情况,进行了比较有针对性的描述。对一些比较热点的方法进行了详细的理论介绍,希望相关研究工作者能够基于本文所作的相关研究,发挥其更大的价值。     

基于视频的人脸识别研究进展

近年来基于视频的人脸识别已成为人脸识别领域最为活跃的研究方向之一.如何充分利用视频中人脸的时间和空间信息克服视频中人脸分辨率低,尺度变化范围大,光照、姿态变化比较剧烈以及时常发生遮挡等困难是研究的重点.文中对近期(主要近5年)基于视频的人脸识别研究进行了详细的介绍和讨论,在对相关方法分类的基础上,分析了各类方法中典型技术的优缺点,并概况介绍了常用的视频人脸数据库和实验结果,最后展望了基于视频人脸识别未来的发展方向和趋势.     

人工神经网络的模糊学习方法

提出一种基于模糊熵准则的人工神经网络的模糊学习方法。     

基于BP神经网络的人脸识别研究

为了对人脸图像的特征向量进行分类以达到人脸识别的目的,本文提出了运用BP神经网络进行人脸识别的方法。将人脸图像矩阵的奇异值作为识别特征,将BP神经网络作为分类器,通过实验表明该方法操作性强,结果可靠,可以快速的进行人脸图像识别。