基于图像分块和特征选择的单训练样本人脸识别

为了提高人脸识别的正确率,针对单样本人脸识别训练样本存在的缺陷,提出一种基于图像分块和特征选择的单样本人脸识别算法。首先将人脸图像划分成子块,并分别提取各子块的特征,连接成人脸图像特征向量,然后采用多流形判断分析算法选择对人脸识别结果贡献较大的特征。最后计算采用支持向量机对人脸进行识别,并采用Yale B和PIE人脸库对本文人脸算法的有效性和优越性进行仿真测试。仿真结果表明,相对于当前典型人脸识别算法,该算法提高了人脸识别正确率,获得了更加理想的人脸识别效果。     

基于Gabor小波自适应判别的单样本人脸识别

提出一种基于Gabor小波和LDA的人脸识别算法,借助通用训练集估计类内散布矩阵,使才传统LDA算法在单样本问题中可行。最后,在FERET人脸数据库上对所提方法进行了实验,结果表明该方法在单样本问题上取得了较好的结果。     

基于压缩感知的单样本人脸识别

提出一种基于压缩感知的单样本人脸识别方法,通过局部邻域嵌入非线性降维和稀疏系数的方法产生冗余样本,则新样本包含了多种姿态和多种表情。将所有的新样本作为训练样本,运用改进后的稀疏表征分类算法进行人脸图像的识别。在单样本情况下,基于ORL人脸库和FERET人脸库的实验证明,该方法比原稀疏表征方法在识别率上分别提高了15.53%和7.67%。与RSRC、SSRC、DMMA、I-DMMA等方法相比,该方法同样具有良好的识别性能。     

基于改进PCA的人脸识别算法

针对传统主成分分析法在特征提取中出现的耗时过长、平均对待所有像素点等问题,提出一种双中心羽化加权双向PCA(Bidirectional WPCA,BD-WPCA)的算法。算法首先将训练人脸样本和测试人脸样本图片进行双中心羽化加权处理,以增加人脸主要器官在识别中所占的比重;再用双向PCA算法分别在行和列方向上降维并提取特征;最后用K近邻法匹配分类。实验结果表明,该算法在降低运算耗费时间的同时能获得较高的识别率,具有可行性。     

基于张量奇异值分解的人脸识别方法

在人脸识别领域应用张量奇异值分解( TSVD)来进行人脸特征的表示和提取,克服了过去的提取方法,如主成分分析法( PCA)等过于依赖拍摄条件的缺点。 TSVD将数据转换成三维线性模型,所以能避免二维线性方法中条件改变则精确度下降的问题,使得识别算法在变化的条件下获得了相对稳定的结果。在此基础上对算法进行了优化,利用矩阵分解,在不影响算法正确率的情况下,有效减少计算量,提高算法效率。基于Matlab对该算法进行了四组实验,并将结果与用PCA方法得到的结果对比,验证了该识别算法在变化条件下显著的正确性以及稳定性;同时,对优化的TSVD算法进行了实验验证,在数据量较大的情况下,该算法速度明显提高。     

分块二维局部保持鉴别分析在人脸识别中的应用

局部保持鉴别分析在人脸识别研究中具有非常重要的地位。在此基础上提出的2DLPDA算法直接在二维空间进行运算,一定程度上提高了性能。但是当样本在光照阴影、遮挡等情况下时,识别率受到很大影响,为此提出一种改进的算法,即分块二维局部保持鉴别分析方法。其将样本分块,以更好地提取样本中的局部近邻特征。这样同一样本的不同分块在选择近邻时,就可能具有来自不同样本的近邻,从而能更好地提取样本的局部特征。最后将局部特征整合为整体作为识别的依据。在AR、YALE及ORL库上验证了算法的有效性。     

基于预分类的逆变异分类器算法

遗传算法已经在许多领域得到了成功的应用,在解决模式识别问题时,由于遗传中的变异过程的存在导致了模式差异,如果能够减少这种差异性,就可以提高模式分类的正确率。针对这种情况,本文提出了在预分类基础上的一种逆变异算法,该算法采用遗传算法中变异过程的逆过程,来减少模式的差异性,达到提高模式分类正确率的目的。在ORL人脸库上的实验结果表明,该分类器的模式识别率明显高于传统的分类器算法及遗传算法。     

嵌入式系统人脸识别技术的研究及实现

随着计算机网络技术的不断发展,嵌入式系统的成熟应用,为便携式人脸识别系统的开发研究奠定了坚实的基础。本文分析了人脸识别技术和嵌入式系统,并阐述了基于嵌入式系统的人脸识别的整体框架,最后分析了嵌入式人脸识别系统播放器和小车的实现。     

探究FactoredPCA方法及其在人脸识别中的应用

人脸识别是计算机技术与生物特征识别技术的结合,目前它在计算机与生物识别两大领域都很热门。它基于了人的脸部特征,通过图像或视频流进行判断并提取特征,再进一步与已知人脸对比,最终识别出人脸所属的身份。在这一系列环节当中,特征提取是重中之重。现如今人们已经研究出了许多种具有非接触特性的人脸识别方式。本文就利用FPCA算法对人脸特征数据库进行了特征提取计算,并通过MATLAB系统仿真功能让人脸识别应用得以实现。     

基于信息技术FPGA和人脸识别技术的智能考勤系统设计

人脸识别技术是安全、方便、高效的生物识别技术,现已广泛应用在以PC机为处理平台的系统中。本文基于FPGA和人脸识别技术,设计并实现了人脸识别智能考勤系统,该系统解决了学校老师对学生上课率统计问题。论文方案的创新点是系统中各算法均采用硬件描述语言(VHDL)实现,利用FPGA纯硬件并行处理特点,提高了传统方案中依靠PC机实现人脸识别的速度和可靠性。在以Altera公司Cyclone III系列EP3C40为核心芯片的硬件平台上,实现了系统设计,能自动识别学生信息,并记录学生出勤信息。