基于PTZ摄像头的视频人脸识别

针对传统的视频人脸识别技术受限于理想的环境条件,无法应用于监控场景的弊端,提出了一种基于PTZ(Pan-Tilt-Zoom,旋转-俯仰-缩放)摄像头的人脸识别方法,并结合AdaBoost人脸检测以及Mean-shift跟踪算法进行了识别.实验结果表明,该方法克服了监控场景图像分辨率低的问题,具有较好的鲁棒性.     

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。     

人脸识别技术在家用摄像头中的应用

近些年来,家用IPC的应用越来越广泛,用户不仅希望能够看清视频,也希望能够看懂视频。AI技术的应用,让家用IPC具备了视频分析的能力,使得IPC通过视频能够识别出家人,人员跌倒时报警。文章主要就家用IPC的AI技术架构、关键技术等内容进行探讨,并提出相关建议。     

一种基于人脸核心特征的PCA人脸识别算法及应用

传统的PCA人脸识别算法是直接从图像中提取人脸进行识别,由于人脸的大小、角度,光照等原因导致识别率低。本文提出的基于人脸核心特征的人脸识别算法是通过人脸核心特征,包括左眼、右眼、鼻子、嘴巴进行人脸识别。这种算法能有效克服人脸识别中的大小、角度、光照等不利因素,显著提高了人脸识别率,并成功应用于智能相片搜索系统。     

基于PCA算法对人脸识别的认识

随着现在科学技术的进步,信息安全越来越受到人们的重视,传统的身份证,信用卡,储蓄卡和密码等手段,具有易被攻击,丢失和携带不方便的缺点,而人脸识别作为计算机视觉和模式识别领域中的一个前沿话题,使身份认证具有较大的方便和安全性。本文基于PCA算法利用MATLAB对OLR人脸数据库进行处理,并介绍人脸识别的应用。     

基于ARM9的便携式人脸识别系统

介绍了一种硬件基于ARM9处理器,采用主成分分析法(PCA)的人脸识别系统。实现了脱离PC机进行人脸识别。系统采用通用USB摄像头进行图像采集。软件基于Linux操作系统,可方便地进行网络连接和图像显示。     

基于PCA的人脸识别方法的比较研究

主成成份分析(PCA)方法是人脸识别技术中常用的一种一维特征抽取方法。传统PCA方法用于人脸识别常常面临图像维数高,直接计算量的问题。为了解决这2个问题,人们对PCA进行了改进,提出并实现了多种基于PCA的人脸识别。对3种基于PCA的人脸识别方法做了理论上的研究和实验上的性能比较。实验结果表明PCA 2DPCA是其中综合效果最好的一种方法。     

视频监控系统中基于PCA算法的人脸识别

PCA算法提供了一个高维和低维间的线性变换矩阵,这个变换矩阵可以通过求取协方差矩阵的特征向量获得。特征值较大的特征向量反映人脸最大差异性;根据脸部固定结构特点构造人脸平均模板,利用模板匹配来检测图像中的人脸,计算待测图像与特征空间的距离进一步判别是否是数据库中人脸。实验表明,PCA算法在视频监控系统的人脸识别中可以很好地实现人脸特征提取和检测。     

基于人脸识别的考勤系统设计

为了适应当今各企事业单位考勤业务需求,设计了一款嵌入式人脸识别考勤系统,并详细设计分析了该系统的实现方法。从硬件角度方面,利用ARM芯片的优势,对本文设计的嵌入式系统整体方案、硬件选择和开发环境的搭建等进行分析;另一方面,从软件的角度,依据系统功能进行设计,并提出一种基于PCA的人脸识别方法。最终通过系统性能测试,验证该方案的可行性。     

基于PCA的实时人脸识别系统

人脸识别有着许多重要的应用,因此它在图像处理领域是一项重要的研究课题。本文介绍了在Open CV和c＋＋环境下开发的实时人脸识别系统的算法原理,给出了系统在静态和实时情况下的测试结果。     

基于鱼眼摄像头的一种人脸识别技术

针对普通人脸识别算法无法准确处理360°环境下的人脸信息,提出一种基于鱼眼摄像头的人脸识别技术。首先提取摄像头中的实时信息图像,根据球面投影校正的原理得到多方向的平面透视图;运用深度学习中的卷积神经网络提取校正后的全景图像中的人脸特征,从而与数据库中人脸特征比对,得出结果。算法增加了人脸识别技术的应用场景和范围,提升了人脸识别技术的处理能力。最后的实验结果证明了此方法的有效性。     

基于K-L交叉熵的岭回归人脸识别

岭回归人脸识别利用正则单形的顶点对每类人脸进行多元标记,通过投影实现高维人脸特征的降维。该算法首先提取人脸图像的局部二进制（LBP）直方图特征向量,通过主成分分析（PCA）和岭回归对该特征向量进行两次降维。识别阶段利用K-L交叉熵计算标记向量和投影后特征向量的相似性,根据熵值最小原则完成对测试样本的类别判断。实验选取ORL和YALE两个标准人脸库对算法进行测试,结果表明,K-L交叉熵测度比传统的欧氏距离测度获得更高的识别率。     

基于网络摄像头的活体人脸识别系统设计

针对当前监控系统平台体积大、功能单一、造价高等问题,文中基于海思3518E平台设计了一套在线活体人脸识别系统。该系统包含图像预处理、图像获取、人脸检测、人脸活体检测、人脸识别共5个部分,并针对传统算法在嵌入式平台的不足进行了改进与优化。系统通过摄像头采集的人脸图像对图像做预处理,为后续图像特征提取提供保障,利用扩展Haar特征训练分类器,并使用Adaboost算法级联分类器进行人脸检测,将检测到的人脸利用HSV和Ycbcr多色彩空间下提取的COALBP和LPQ融合特征训练SVM模型,并进行活体人脸检测。最后,对人脸图像分块提取LBP特征进行人脸识别,将识别结果通过微信小程序显示。实验结果表明,基于海思网络摄像头人脸识别系统的可行性,具有一定的实用价值。     

基于环形对称Gabor变换和分块PCA的人脸识别

提出了利用一种新方法获取合适的环形对称Gabor核函数窗口提取人脸图像的纹理信息,并结合改进的PCA进行人脸识别的方法.首先将人脸与环形Gabor小波函数卷积得到图像在5个尺度上的变换,该过程采用一种新方法获取合适的Ga-bor核函数窗口,以保证与人脸图像卷积后得到更为合理的人脸特征,同时利用一种新的分块PCA方法,将环形Gabor滤波后的子图像分组,对分组后的图像平均分块再进行降维,在空间位置上提取出Gabor人脸细节的主要特征,有效降低了人脸特征冗余.通过实验验证该方法在3.5m内对人脸识别率达到95％,单个人脸识别时间小于0.22 s.     

基于BP神经网络的人脸识别系统研究

本文设计了一种基于BP神经网络的人脸识别系统,并对其进行了性能分析.该系统首先利用离散小波变换获取包含人脸图像大部分原始信息的低频分量,对图像数据进行降维;再由PCA算法对人脸图像进行主成分特征提取,进一步降低图像数据的处理量;最后使用经过训练后的BP神经网络对待测人脸进行分类识别.详细介绍了离散小波变换、PCA特征提取以及BP神经网络分类设计.通过系统仿真实验与分析发现:人脸特征的提取是该系统的关键;同时,由于人脸灰度信息的统计特征与有监督训练BP神经网络分类器,使该系统只在固定类别,并且光照均匀的人脸识别应用场景中具有较高的识别准确率.因此,很难在复杂环境中应用.     

基于实验室考勤系统的快速人脸识别算法研究

为了提高实验室考勤系统的安全和速度,研究了人脸识别的基本原理,设计了一种用于考勤系统的人脸快速识别方法。利用Ada Boost快速人脸检测算法,然后使用PCA+LDA融合算法来实现人脸识别。实验结果表明,利用该方法实现实验室人脸识别,具有识别率高、速度快、实用性好等特点。     

基于小波变换的人脸识别方法

人脸识别技术是让机器具有人的智能,可以记忆、辨认人的一种前沿技术。它结合了计算机图形学,计算机图象处理和模式识别等多种学科领域。本文研究本文提出一种基于小波包和PCA变换相结合的特征及融合人脸识别方法,首先对人脸图像进行二维小波包分解,对融合后的高频子图再进行PCA分解,得低频主分量,足后对高低频主分量进行融合处理,得最终的鉴别特征。分别在ORL和YaleA人脸库上进行试验,试验结果表明该方法提高了识别率。     

基于人脸识别的智能安保系统设计与实现

本设计根据当今社会对于安保系统的需求,设计了基于人脸识别的智能安保系统的总体方案,构建了由OV7620摄像头和FPGA组成的硬件平台,设计并编程实现了人脸识别的相关算法。软硬件联调测试结果表明,该系统可以即时存储人脸信息,并有效识别、判断来访者是否是主人进而进行开锁或者报警行动,较好地实现了智能安保系统所需的使用功能。     

基于 环形对称Gabor变换和分块PCA的人脸识别方法研究

提出了利用一种新方法获取合适的环形对称Gabor核函数窗口提取人脸图像的纹理信息,并结合改进的PCA进行人脸识别的方法。首先将人脸与环形Gabor小波函数卷积得到图像在5个尺度上的变换,该过程采用一种新方法获取合适的Gabor核函数窗口,以保证与人脸图像卷积后得到更为合理的人脸特征,同时利用一种新的分块PCA方法,将环形Gabor滤波后的子图像分组,对分组后的图像平均分块再进行降维,在空间位置上提取出Gabor人脸细节的主要特征,有效降低了人脸特征冗余。通过实验验证该方法在3.5 m内对人脸识别率达到95%,单个人脸识别时间小于0.22 s。