人脸表情特征提取方法综述

介绍了模板匹配、特征脸、弹性图匹配、Gabor小波等人脸特征提取方法及其目前的研究成果，简单介绍了特征融合等方法，最后对目前存在的问题和今后的研究趋势作出了总结和展望。     

人脸识别技术综述

文章首先对人脸识别技术进行了介绍,其次回顾了人脸识别研究的发展历程及识别方法的基本分类,然后对当前主流的人脸识别方法展开了详细的论述,最后提出了人脸识别技术面临的问题及研究方向。     

基于PCA算法的人脸识别研究

介绍了PCA算法及其在人脸识别中的应用。PCA算法是一种基于统计的算法,其优点是识别率高,速度快。基于PCA算法的特征脸方法首先根据人脸数据库训练出一系列的特征脸,然后把人脸数据库中的每个人脸图片进行映射,得出每个人的特征系数,这组系数可以表示该张图片。最后计算出待识别样本的特征系数,并与人脸数据库中的特征系数一一进行比较,以距离相近的作为识别结果。     

人脸识别方法研究

首先介绍了计算机人脸识别的4类主要方法，然后重点介绍了基于本征脸法的人脸识别技术的基本原理和实现步骤，最后通过实验比较了各类方法的识别率，总结出各种方法的优缺点，并对未来的识别技术进行了展望。     

人脸识别技术在身份认证系统中的应用初论

身份认证系统是当前安全系统中的关键一步,为确保其安全程度,提出了一种以人脸识别技术为基础的身份认证系统。首先简述了身份认证及其几种表现形式,然后分析了人脸识别技术在身份认证系统中的应用。     

人脸识别中优化特征空间方法的研究

在人脸识别领域的诸多算法中,PCA(主分量分析)作为一种经典的算法,仍有其独特的生命力.本文在分析传统PCA算法的基础上,结合其它一些变形,提出一种二次PCA和NFL(最近邻特征线)级连判决的方法.针对Manchester和ORL人脸库的实验表明该算法确实提高了识别率.实验前对M锄chester人脸库进行了必要的预处理,在一定程度上弥补了光照、人脸大小、头发等的影响.     

复杂背景下人脸的鲁棒识别

研究了复杂背景下人脸的鲁棒识别 ,比较了两种常用的人脸识别算法特征脸和弹性匹配方法的性能 ,在弹性匹配算法的基础上提出了利用关键点信息的改进算法 ,并在一个真实人脸库上进行了测试     

大样本库人脸识别的分级弹性匹配算法

提了了一种提高弹性匹配人脸识别算法速度的新算法。弹性匹配具有较高的识别率,但计算复杂度较高,影响了其在大样本库中的应用。为此提出分级弹性匹配;将弹性匹配的两个步骤（网格平移和网格变形）中的网格平移看作独立的匹配算法;对所有备选人脸图像先做网格平移计算出租匹配度（CMS）;根据CMS值将所有人脸图像降序排列,只对CMS值较高的部分图像做网格变形,以100180人的人脸图像库上的测试结果表明：相对于传统的弹性匹配,分级弹性匹配算法能在识别率的损失不大于0.5%的前提下,将网格变形的计算量降低1000倍或者更多。     

使用关键点信息改进弹性匹配人脸识别算法

本文提出了一种增加经典弹性匹配算法对强背景干扰鲁棒性的算法.人脸的自动识别有着广泛的应用前景,弹性匹配是其中的一种重要算法,并有着相对于其他方法更高的鲁棒性,但其并不能有效地防止强背景干扰的影响.本文的主要思路是将局部信息和整体信息相结合,利用没有受到背景干扰影响的局部关键点的位置信息来对基于整体信息的经典弹性匹配方法进行改进.实验结果表明,本文提出的算法有效地提高了弹性匹配识别算法的鲁棒性.     

基于主向量分析重建的人脸识别算法研究

提出一种基于主向量分析(PCA)重建的人脸识别方法.传统的特征脸方法是根据PCA投影变换后,利用特征空间的总体散布矩阵最大化的特点进行分类;而本文方法则根据PCA重建误差最小的特点,利用重建误差最小进行人脸的分类.在ORL标准人脸库上的实验结果表明,本文方法优于传统方法,并且具有在增加类别以及增加样本时运算量小的特点,因此具有较好的识别效果及较高的实用性.     

人脸自动识别方法综述

 人脸自动识别是模式识别、图像处理等学科的一大研究热点,近几年来关于人脸识别的研究取得了很大进展.本文重点对近三、四年来人脸识别的研究进行综述并对各种方法加以评论.     

手绘人脸识别的研究

人脸自动识别技术的应用领域十分广泛,其中从警察局的犯罪嫌疑人数据库中进行人脸图像的自动识别就是人脸识别的实际应用之一。但是,在许多情况下,犯罪嫌疑人的照片或图像是不容易得到的,最好的代替方法就是一张通过目击者的回忆而得到的手绘草图。介绍一种在人脸草图和照片之间进行自动识别的方法。通过将一张照片图像转化成手绘草图,减小了在照片和草图之间的差别,这样就为照片和图像进行匹配提供了有效的条件。在包含188个人脸图像数据中进行试验充分地证明了该算法的有效性。     

人脸识别研究进展

人脸识别技术在各种应用的推动下发展很快。而近几年中，为避免各种实际应用环境的限制，非约束环境下的人脸识别也得到了很大的发展。本文概述了人脸识别的一些主要方法，讨论了影响人脸识别的几个主要因素及其处理方法以及基于视频的人脸识别技术，最后指出了鲁棒的人脸识别技术的研究方向和发展前景。     

改进的模糊神经网络及其在人脸识别中的应用

对基于模糊神经网络的人脸图像分类器进行研究。将多输入单输出模糊推理系统改造成多输入多输出的模糊神经分类器,并提出了一种改进的模糊神经分类器,改进模型的计算量明显减少。在将模糊规则库与训练样本集对应的基础上提出了一种模糊隶属函数参数的初始化方法。该初始化方法的优点在于它充分利用了训练样本所包含的鉴别信息。在ORL人脸的原始图像空间中用上述方法设计分类器,获得了较好的实验结果。     

一种基于奇异值特征的神经网络人脸识别新途径

本文在Z Hong等人使用的奇异值分解(SVD)基础上,将人脸图像矩阵的奇异值作为识别特征,解决了奇异值处理、神经网络训练策略和竞争选择问题;运用BP网络进行识别,提出了一种基于奇异值特征的神经网络人脸识别新方法.基于ORL人脸数据库的多次反复实验结果表明,在大样本情况下,识别方法具有实现简单、识别速度快、识别率高的特点,为人脸的实时识别提供了一种新途径.     

基于HMM的嵌入式人脸识别系统研究

系统选用S3C2410A处理器作为硬件平台,Linux操作系统作为软件平台,采用OV7640+OV511的结构实现图像信息采集,使用基于V4L的方法编写图像处理、检测和识别程序,实现了快速、准确识别人脸的功能;并对相关浮点算法进行了改进,极大地提高了ARM处理器上图像预处理的速度。采用基于隐马尔可夫模型(HMM)的方法,简化了人脸检测和识别的过程。     

AFRS人脸自动识别系统的设计与开发

人脸检测、跟踪和识别技术是人机自然交互领域中一个富有挑战性的课题,也是近年来研究的一个热点。在新一代(第四代)人机自然交互系统中人脸自动识别系统提供了一个友好的人机交互接口。本文着重介绍了AFRS人脸自动识别系统的设计思想和实现技术。该系统以实现一个实时的、鲁棒的、自动化的系统为目标,融合了人脸检测、跟踪和识别技术以及其它的图像和视频处理技术,并且建立和维护了一个含有人脸特征数据的数据库,从而使得系统可以自动地对进入系统监控范围内的人脸自动进行检测、跟踪和识别。该系统在新一代的人机交互、安保、视频监控等方面有着广泛的应用前景。