共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
该文提出了一种基于单视图或小样本的多姿态人脸图像生成技术,它首先利用一个特征点集表示人脸,然后基于二元高次多项式函数最小二乘方法对人脸各姿态之间的特征点集坐标变化进行拟合,形成全局的变形域,最后由单视图通过变形映射生成多姿态人脸图像。实验结果表明,利用单视图和生成的多姿态图像进行多姿态人脸识别,正确率得到大大提高,证明该文人脸图像生成技术十分有效。 相似文献
3.
4.
本文提出了一种新的个性化人脸衰老图像合成方法.基于已建立的黄种人脸图像数据库,提出了一种基于人脸外轮廓局部曲率标准差的个性化原型匹配算法,通过计算出表征人脸的脸型特征点的局部曲率标准差,在人脸图像数据库中匹配找出多幅图像,进行纹理增强的原型合成,再通过形状和颜色变换模型实现了人脸衰老图像的生成,能达到皱纹增加、眼袋生成、皮肤光泽减退、毛发变花白等具有真实感的衰老合成效果.实验表明本方法能方便逼真地合成不同种类的人脸在不同年龄段的衰老图像. 相似文献
5.
目前,人脸检测与识别在各行各业中均得到了深入应用.随着人工智能神经网络技术发展逐渐成熟,相关工程方案已经进入社会生活,使人脸检测、识别需求大幅提升.在这种背景下,应当重视基于视频图像的人脸检测与识别工作,确保其能够得到有效处理,避免产生丢失问题,实现理想应用目标.本文主要针对视频图像人脸检测、识别进行深入研究,并提出解... 相似文献
6.
7.
8.
人脸成像特性研究及人脸归一化的目标 总被引:7,自引:6,他引:1
探讨了多种输入设备下的人脸成像原理和特征,并基于人脸识别的要求指出了人脸归一化的目标。为了达到这些目标,提出了若干种人脸归一化的方法,并给出了实验结果。 相似文献
9.
10.
11.
传统人脸识别算法通常把光照处理和姿态校正作为两个相对独立的处理过程,难以取得全局最优识别性能.针对该问题,本文根据人脸的非刚体特性,将仿射变换和分块思想融入线性重构模型中,提出了一种基于仿射最小线性重构误差(Affine Minimum Linear Reconstruction Error,AMLRE)的人脸识别算法,在处理光照问题的同时能够补偿姿态变化造成的局部区域对齐误差,以获得更好的全局识别性能.在公共数据集上的实验结果表明,本文提出的算法对光照和姿态有很好的鲁棒性,同时与现有的人脸识别算法相比,本文的算法具有更高的识别率. 相似文献
12.
人脸研究一直是计算机视觉、模式识别和计算机图形学领域中的热点研究问题之一。现今,通过监视器得到的人脸图像分辨率不高,以至于给人脸识别和跟踪等后续应用带来很大的难度。本文提出一种基于学习的超分辨率重构算法来得到清晰的人脸图像,采用对图像块搜索操作进行位置限制和检查图像分块间重叠区域水平兼容性的思想,降低了搜索的复杂度,提高了匹配相关性。 相似文献
13.
14.
为了提高基于流形学习理论人脸识别算法的识别率,采用一种将非线性降维与Fisher线性判别相结合的方法。首先利用邻域嵌入算法,将人脸图像测试和训练集的维数降低到合适维度,然后使用Fisher线性判别进行人脸数据集特征的提取,最后将测试集人脸图像特征和训练集人脸图像特征,使用最近邻分类器进行分类。在公开的Olivettifaces和ORL人脸图像数据库上,分别将该算法与几种经典基于流形学习理论的人脸识别算法进行了对比实验,实验结果表明当近邻数比较大时本算法识别率是最高的。 相似文献
15.
16.
基于改进2DPCA的红外图像人脸识别方法 总被引:1,自引:1,他引:1
红外成像具有抗干扰性强、独立于可见光源、防伪装等优点,这使得红外图像人脸识别可以在很大程度上弥补可见光人脸识别技术的缺陷和不足。结合红外图像人脸识别的特点,提出了一种基于改进2DPCA的红外图像人脸识别方法。在特征提取中加入Fisher思想,弥补传统2DPCA的缺陷。实验结果表明,这种识别方法不论从理论上还是从实验上都是可行的,具有良好的识别能力。 相似文献
17.
18.
19.
With the continuous progress of The Times and the development of technology,the rise of network social media has also brought the“explosive”growth of image data.As one of the main ways of People’s Daily communication,image is widely used as a carrier of communication because of its rich content,intuitive and other advantages.Image recognition based on convolution neural network is the first application in the field of image recognition.A series of algorithm operations such as image eigenvalue extraction,recognition and convolution are used to identify and analyze different images.The rapid development of artificial intelligence makes machine learning more and more important in its research field.Use algorithms to learn each piece of data and predict the outcome.This has become an important key to open the door of artificial intelligence.In machine vision,image recognition is the foundation,but how to associate the low-level information in the image with the high-level image semantics becomes the key problem of image recognition.Predecessors have provided many model algorithms,which have laid a solid foundation for the development of artificial intelligence and image recognition.The multi-level information fusion model based on the VGG16 model is an improvement on the fully connected neural network.Different from full connection network,convolutional neural network does not use full connection method in each layer of neurons of neural network,but USES some nodes for connection.Although this method reduces the computation time,due to the fact that the convolutional neural network model will lose some useful feature information in the process of propagation and calculation,this paper improves the model to be a multi-level information fusion of the convolution calculation method,and further recovers the discarded feature information,so as to improve the recognition rate of the image.VGG divides the network into five groups(mimicking the five layers of AlexNet),yet it USES 3*3 filters and combines them as a convolution sequence.Network deeper DCNN,channel number is bigger.The recognition rate of the model was verified by 0RL Face Database,BioID Face Database and CASIA Face Image Database. 相似文献