基于样本库的人脸图像处理方法

本文给出了一种基于样本库的人脸图像超分辨率方法,这一方法结合了人脸图像全局相似性和局部特征相似性的约束.局部结构的相似性将超分辨率解约束到人脸局部结构空间,不同尺度上的局部相似性指导搜索最优解,然后将局部结构重建的人脸图像投影到由人脸图像确定的特征人脸空间.实验结果表明该算法得到的人脸具有很好的准确性和视觉效果.     

基于人脸重要特征和SVM的人脸识别方法

提出了一种基于人脸重要特征的人脸识别方法,首先选取人脸的重要特征并将其具体化,对得到的重要特征进行主成分分析,然后用支持向量机(Support Vector Machine,SVM)设计重要特征分类器来确定测试人脸图像中重要特征,同时设计支持向量机(SVM)人脸分类器,确定人脸图像的所属类别.对ORL人脸图像数据库进行仿真实验,结果表明,该方法要优于一般的基于整体特征的人脸识别方法并有较强的鲁棒性.     

带有年龄信息的PCA人脸识别技术

基于主成分分析(PCA)的人脸识别算法.其中包括K-L变换、SVD分解、特征脸的构建、人脸年龄估计和人脸识别等过程.使用了Manhattan、Euclidean、Cosine这3种距离进行判别,实验得出Euclidean最优,最后,用MATLAB编程计算出人脸识别的准确率.结合柔性模型(AAM)和分层训练样本实现带有年龄信息的人脸识别技术;同一年龄段内训练样本数越多,识别率越高.     

改进的基于主成分分析的三维人脸形状建模

针对基于主成分分析(PCA)的三维(3D)人脸形状重构不精确的缺点,对位移向量、缩放因子、旋转矩阵、重构系数等参数进行了精确的定义和计算,并对重构模型进行了有效的调整。根据CVL Face Database建立了113个3D人脸形状模型,经迭代运算后重构出了由特征点组成的稀疏3D人脸形状模型。利用径向基函数(RBF)得到了密集3D人脸形状模型。试验结果表明,算法可以得到精确的重构模型,对深度旋转的人脸图像和特征点定位误差也有很好的鲁棒性。     

云计算环境下人脸表情智能识别改进技术研究

随着人脸识别技术的开发,对于如何提高人脸表情智能识别改进技术的研究也越来越多;如何提高人脸识别的准确度和完整度是当前发展的主要需要,而计算机云计算功能在人脸识别中的应用在一定程度上解决了此问题;通过改进细菌觅食算法,再将其应用到主要成分分析算法对图像基本特征进行提取分析;通过以上的算法输入计算机网络云储存当中,实现云计算技术在人脸识别中的应用;文章将通过对于算法部署函数的办法进行图片解析工作,并且利用智能人脸识别软件对图像进行抽丝、分类、匹配等工作进行功能状态进行测试;实验结果表明利用云计算技术通过连接网络云计算系统可以对目前的人脸识别以及分类做到更高的准确性和适应性。     

可见-近红外高光谱成像结合化学计量学分辨人面部信息

人的面部信息与指纹和虹膜一样可以用于人的身份鉴别,并且相比之下更容易实现远距离的分辨和识别。利用高光谱成像技术可以应用到人脸识别领域并获取丰富的信息和庞大的成像数据量,需要采用化学计量学方法才能充分提取其中包含的有效信息,并为计算机识别奠定基础。研究了可见-近红外高光谱成像技术对人的面部信息进行分析的可行性。结果表明,多元曲线分辨-交替最小二乘方法不同于主成分分析,能够通过主成分纯光谱和相对浓度等具有具体物理化学意义的数据表征人的面部信息,而且可以方便地根据成像数据的特点施加运算中的约束。另外,采用偏最小二乘判别分析的方法实现了对不同肤色的皮肤信号光谱进行分类。白种人和黄种人的面部高光谱信息特征相似,分类难度高于深色皮肤人种。     

蛇形算法及其改进

蛇形算法 (活跃轮廓法 )在图象处理过程中有广泛应用 .本文介绍参数化蛇形算法 ,并指出该算法的问题 ,在此基础上本文提出一种改进的蛇形算法 ,它对初始曲线的选取没有严格要求 ,并且在处理过程中动态地调整蛇形算法的参数 ,以便最快地收敛到所需位置     

利用几何特性及神经网络进行人脸探测技术的研究

在人脸识别过程中 ,首先也是最重要的一个环节是人脸探测 ,因为一旦从图像中定位并提取到了人脸 ,那么下一步的人脸识别工作就变得非常容易。眼睛是人脸图像中最容易探测的部位 ,而且通过探测双眼来发现人脸最符合人的视觉习惯。提出了一种基于几何特征分析和人工神经网络的由粗到细的两级人脸探测方法。在第一级中 ,眼睛和脸是通过测量眼睛的尺寸和眼睛与脸的位置关系探测到的 ,第一级的输出是一个尺寸归一化的人脸 ,但偶尔也伴随着一个或多个因对复杂背景中与眼睛类似的物体的误判而得到的非人脸图像 ;第二级神经网络正是用来过滤掉第一级中被误判的人脸。实验表明 ,这种由粗到细的两级人脸探测系统具有很高的稳定性和探测正确率