基于不同Margin的人脸特征选择及识别方法

Margin在机器学习中具有很重要的意义,基于margin的特征选择方法就是从分类的角度对特征集各特征的权重进行分析。该文对不同的margin进行了分析,提出将sample-margin和hypothesis-margin分别作为特征选择标准对SBS特征选择方法进行改进,然后设计具有最佳超参数的SVM多项式分类器进行人脸识别。实验在FRERT人脸图像库上进行并与Relief特征选择方法进行了比较,对SVM和NN分类器的实验结果也进行了分析。实验结果显示：该文提出的人脸识别特征选择及识别方法是有效、适用的。     

等值线生成算法研究

本文提出一种新颖的等值线生成算法，它算法简明，易于实现，而且可以解决追踪法无法处理的小封闭等值线等问题。     

基于C/S结构和SQL Server设计商场POS系统

现代网络技术的发展已将客户/服务器(Client/Server,C/S）技术和数据库技术相结合，本文提出了基于C/S结构的数据库技术，利用ADO、存储过程等技术，建立分析商品流、金钱流、顾客流和信息流等综合信息的商场决策体系并设计实现市场POS(Point of Sales）系统。     

基于网格技术的大型人脸库人脸识别系统设计

以人脸识别为主线,对于人脸识别所面临的两大关键技术问题,提出了通过网格技术与人脸识别相结合的解决方案,并介绍了一种基于网格的大型人脸库人脸识别系统的总体设计思路和框架.     

一种特征匹配的高精度电子稳像方法*

针对车载侦察系统视频稳像精度要求较高的情况,提出一种基于边缘图像配准的高精度电子稳像方法。该方法采用相位一致性作为不变度量来同时检测图像的角点和边缘特征;利用匹配点对引导边缘匹配,并筛选适量分布均匀的匹配点对求取初始全局进行运动估计;改进粒子滤波以对边缘图像进行配准来获得精确全局运动参数,进一步提高了稳像精度。实验结果表明,所提出方法的平移配准误差(Δx=+0.210,Δy=-0.013)远小于一个像素,满足了车载侦察系统对电子稳像技术的实时性及高精度要求。     

基于加权不相关鉴别分析的人脸识别

提出了一种基于加权不相关鉴别分析的人脸识别方法。该方法引入了一种新的权函数对Fisher准则加权,以改善样本在低维线性空间中的可分性;然后,以给出的加权Fisher准则为目标函数,在共轭正交的约束下求解其最佳投影方向,从而保证所提取的最佳鉴别特征之间的统计不相关性。实验结果表明,与经典的特征脸方法和Fisher脸方法相比,该方法对光照变化、表情变化以及时间变化等不敏感,具有更好的鲁棒性。     

核保局鉴别分析人脸识别算法

针对人脸图像的高维、非线性特性,本文结合核函数和鉴别保局投影分析,提出了一种新的非线性子空间特征提取方法——核保局鉴别分析(kernel locality preserving discriminant analysis,KLPDA)。该算法首先利用核函数将输入空间内线性不可分的人脸样本通过非线性映射投影到高维特征空间,以增强样本的可分性,然后在该特征空间内通过保局鉴别分析算法寻求保持样本局部近邻结构的鉴别特征。实验结果指出,在ORL和UMIST人脸图像库上KLPDA的识别结果相较于其对应的线性方法(LPDA)分别高出6.16%和3.48%,而相较于其他几种典型的核方法(KPCA、KFDA和KCLPP)的最高识别率也分别高出1.28%和2.60%,验证了本文提出方法的有效性。     

基于SVM RFE的人脸特征选择方法

提出一种新的基于SVM RFE（Support Vector Machine Recursive Feature Elimination）的人脸特征选择方法。该方法将权重矢量和半径／间隔作为SVM RFE的特征选择标准,采用缩放因子梯度算法优化特征搜索。基于该方法构建了一种实用、有效的人脸特征提取、选择及识别框架,并在UMIST人脸数据库上进行了验证实验。对特征选择前后的分类能力及速度进行了分析比较,结果表明,该方法是一种实用、有效的人脸特征选择方法,可以在特征维数为80左右时,达到94．62％的分类识别率。     

基于复合通讯方式的远程智能家居系统

介绍了一种远程智能家居系统。该系统以PIC16F877单片机为核心,以因特网、移动通信网和电话网为复合通讯方式,可以满足普通家庭的家居安防、远程监视和远程家电控制的需要。在廉价的单片机上设计了嵌入式的TCP/IP协议,实现了Web服务器功能,将短消息和电话功能集成在一起是系统的主要特点。     

模拟生物视觉机制的彩色人脸识别方法

为了充分利用彩色图像提供的信息提高人脸识别的性能,提出了一种模拟生物视觉机制的彩色人脸识别方法。该方法首先构造一种模拟人类的色彩感知机制的对立色模型,将彩色人脸图像描述为对立色形式。然后,模拟初级视皮层的信息处理机制,从图像对立色描述的亮度分量和色度分量分别提取人脸的纹理特征和色彩特征。最后,分别对纹理特征和色彩特征进行分类识别,并将二者的识别相似度融合得到最终的人脸识别结果。该方法利用对立色模型提高了色彩特征对光照变化的鲁棒性,并且综合利用彩色图像的色彩和纹理信息提高了人脸识别的精度,特别是对模糊图像的识别精度。在彩色FERET人脸库和AR人脸库上的实验表明,相对于直接对灰度图像进行识别的方法,该方法对清晰图像的识别率提高了4.5%～16.3%,而对模糊图像的识别率提升更加显著。