基于加权均值人脸的多姿态人脸识别

针对姿态变化人脸问题,本文提出一种加权均值人脸的概念。根据人脸姿态变化时左右摇摆角度的变化,首先定义了构建均值人脸时每幅姿态变化人脸权值的计算方法,并提出加权均值人脸的构建方法。然后,结合姿态人脸的俯仰角度变化,将姿态变化人脸划分为俯视、平视和仰视三个层次,针对每个层次构建加权均值人脸,形成加权均值人脸矩阵。最后,针对加权均值人脸矩阵存在数据冗余的问题,采用改进的局部保持投影算法进行深层特征提取,获取关键识别信息。实验结果表明,本文所提方法能有效提取俯仰变化和左右摇摆变化情况下人脸的关键信息,使识别效果得到较大改善。     

SPCA参数对单样本人脸识别效果影响分析

奇异值扰动的主分量分析(SPCA)是一种有效的单样本人脸识别方法,但SPCA算法的识别效果受参数选择的影响比较大,针对SPCA算法中衍生图像生成参数n和结合参数α的不同取值对识别效果的影响进行了分析,利用ORL人脸库和CAS-PEAL人脸库做了大量的实验和比较分析,实验结果表明给出的SPCA参数选取方法和取值范围是合理的,并有效地提高了SPCA算法的实际应用效果和单样本人脸识别的性能.     

基于子模式的Gabor特征融合的单样本人脸识别

针对传统人脸识别方法在单训练样本条件下效果不佳的缺点,提出基于子模式的Gabor特征融合方法并用于单样本人脸识别。首先采用Gabor变换抽取人脸局部信息,为有效利用面部器官的空间位置信息,将Gabor人脸图像分块构成子模式,采用最小距离分类器对各子模式分类。最后对各子模式分类结果做决策级融合得出分类结果。根据子模式构成原则和决策级融合策略不同,提出两种子模式Gabor特征融合方法。利用ORL人脸库和CAS-PEAL-R1人脸库进行实验和比较分析,实验结果表明文中方法有效提高单样本人脸识别的正确率,改善单样本人脸识别系统的性能。     

浅谈某地下工程大体积混凝土温控抗裂技术

通过优化混凝土配合比,采取“跳仓法”等施工温控抗裂技术措施,同时对超长地下工程大体积混凝土顶板进行全龄期水化热温度在线监测及分析,成功控制了混凝土水化热温度和内表温差,有效抑制了大体积混凝土水化热温度引起的裂缝,分析表明本工程采用的温控抗裂技术较为有效。     

电信专业递进式“Matlab”课程教学模式探索

本文结合笔者在电子信息工程专业“Matlab”课程教学中的经验和改革探索,阐述了递进式“Matlab”课程教学模式的总体思路,详细介绍了此教学模式中三层教学环节(基础教学、专题教学和设计教学)的主要内容.最后,结合学生能力培养、课程考核环节等内容,展示了此教学模式取得的教学效果.     

基于交叉自编码网络的故障漏电电流分离方法

从剩余电流中分离故障支路电流是典型的新数据预测问题,目前故障支路电流分离方法匮乏且准确度较低.本文提出一种小规模交叉自编码深度网络模型构建策略,并将其用于剩余电流中准确分离故障支路电流.首先,在剩余电流和故障漏电电流数据集上分别独立训练自动编码网络;然后,截取剩余电流数据集的特征编码模块和故障漏电电流数据集的特征解码模...     

多姿态人脸识别综述

多姿态人脸识别已成为人脸识别研究的重要方向之一。简要回顾人脸识别研究进展,针对近年来国内外出现的多姿态人脸识别技术和方法进行简单介绍和系统分类,分析各种方法的优缺点,并做出简要评价。阐明多姿态人脸识别技术所面临的挑战,展望未来多姿态人脸识别研究的发展方向。     

一种快速眼睛定位与人脸平面旋转校正方法

针对人脸图像平面旋转导致识别效果不佳的问题,提出一种有效的眼睛定位与人脸平面旋转校正方法.首先基于AdaBoost算法训练得到的眼睛分类器从人脸图像中快速确定双眼候选区域,然后根据双眼在候选区中所处位置和所占比例,将候选区域分为宽度相同的左眼子区、中间子区和右眼子区3个子区域,再对包含眼睛的左眼子区和右眼子区分别求积分投影来准确定位双眼位置;准确定位双眼位置后,给出了以图像中心为旋转基准点时旋转角度的计算方法,并结合图像旋转公式实现了人脸图像的平面旋转校正.实验结果表明,该方法不仅能防止人脸倾斜时出现伪特征点,也能避免眼镜内边框和眼镜支架对定位眼睛的影响,提高眼睛定位精度,而且能实现人脸的平面旋转校正,具有非常好的实时性和实用价值.     

融合Gabor特征与卷积特征的小样本行人重识别

针对视频监控环境下采集的可用行人图像数量有限,以及非可靠数据标注导致监督学习算法性能下降等问题,提出一种融合Gabor特征和卷积特征的无监督小样本行人重识别方法.采用Gabor变换提取多尺度、多方向行人纹理和边缘信息,实现小样本行人图像特征级数据增强,进一步通过特征编码消除冗余信息,提升相似度比对效率.采用卷积自编码网...     

基于多尺度混合注意力与度量融合的小样本行人重识别

针对行人重识别中可用行人图像不足导致的小样本问题,以双相似网络为基础,提出一种基于多尺度混合注意力与度量融合的小样本行人重识别方法.首先,将多尺度混合注意力机制引入特征嵌入模块,即在不同尺度层内的特征提取中引入空间注意力,在不同尺度层间的特征融合中引入通道注意力,实现更具判别力的小样本行人特征提取;然后,在度量模块,提出欧氏距离与余弦距离融合的双重度量方法,实现行人特征的空间绝对距离和方向差异的综合度量,提升行人相似性度量的可靠性;接着,采用双重度量方式和关系度量方式,分别获得行人特征的相似度得分;最后,通过加权融合获得联合度量得分,构建联合损失实现网络的整体优化和训练.在Market-mini、Duke-mini和MSMT17-mini三个小型数据集上的实验表明,所提出方法在5-way 1-shot和5-way 5-shot两种模式下的平均识别准确率分别达到90.40%和95.69%、86.77%和94.96%、71.08%和82.63%,与其他小样本学习算法相比,识别性能有较大提升.