基于人脸识别智慧养殖安防系统的设计与实现

随着计算机视觉的深入发展,基于人脸识别的安防成为人工智能应用的重要领域。本文基于深度学习相关技术,设计一款基于神经网络的人脸识别安防系统。不仅详细阐述了应用系统的设计与架构,而且对人脸识别模型的设计进行了详细的描述。实验表明,基于神经网络的人脸识别安防系统具有较高的识别率与良好的稳定性,有效的促进了智慧养殖的发展。     

特征脸算法人脸识别系统

人脸识别技术,是指对给定的一个人脸图像,从存储的已知身份的人脸图像库中识别出该人身份的一种技术。其主要应用于证件验证、刑侦破案、门禁系统、视频监控等领域。实现了基于特征脸算法的人脸识别系统,在实验中采用的人脸图像数据库为ESSEX大学的FACES94人脸图像数据库。该系统的优点是识别速度快、准确率高,具有一定的实际应用价值。     

基于2D-Gabor滤波和主成分分析的人脸识别算法

提出了一种2D-Gabor滤波和主成分分析相结合的新的人脸识别算法。首先将人脸库的所有样本进行图像预处理,并将由2D-Gabor滤波后产生的图像作为独立的样本加入到样本库中,从而减少了小样本问题对人脸识别效率的影响,再结合经典的主成分分析方法进行人脸识别。试验证明,与单独的主成分分析法相比,该方法可以有效的提高识别率。     

人脸面部特征提取综述

人脸面部特征提取是人脸识别的必要基础和前提,其因人脸识别技术巨大的应用价值及市场潜力,引起备方面的关注,已经成为图像工程和模式识别领域的研究热点。阐述了常用的人脸面部特征提取方法,并对面部特征提取方法的近期发展情况进行了分析。     

基于模块化2D-LDA的视频监控中的人脸识别算法

提出了一种基于扩展二维线性判别分析的人脸识别算法.通过扩充人脸样本,提高了人脸识别的性能.同时在视频监控的实际应用环境中进行了仿真,仿真结果表明,改进后的算法在性能和人脸识别精确度方面有了较大的提高.     

基于特征脸法的人脸识别算法

人脸识别是机器视觉和模式识别领域中一个相当困难而又痛理论意义和实际价值的研究课题。人脸识别技术通过分析人脸图像,并从人脸图像中提取有效的识别信息,来辨认人的身份。基于特征脸的方法是人脸识别的常用方法。阐述了基于特征脸法的人脸识别的具体步骤算法,再利用ORL人脸库对其进行了测试。试验结果表明,特征脸法一定条件下可以较为准确的识别人脸;而在脸部表情变化较大以及光照条件变化较大的情况下,可以使用加权特征脸法,用人脸原始图像与重构图像的差值来代替原人脸图像而建立新的人脸图像库,取适当的加权系数,能够收到更好的识别效果。     

基于多姿态人脸识别方法的改进

人脸识别技术常遇到姿态、光照影响等问题,针对测试样本的姿态变化对人脸识别的影响,主要的研究工作如下:利用多项式变换增加虚拟样本,通过增加训练样本提高识别率。在增加虚拟样本后,使得基于线性判别准则的方法对单训练样本的人脸识别问题也可以使用。     

基于Raspberry Pi和云平台的智能门禁系统研制与试验

基于百度云平台的人脸识别技术资源实现了一款智能门禁系统.使用人脸识别云服务平台进行实时人脸分析,不仅使用便利,而且保证了识别数据的有效性和准确性.系统还实现了基于邮件和微信的消息实时提醒功能.系统分为硬件和软件两个部分,硬件以树莓派3B+为控制核心,外接摄像头、步进电机及控制电路、触摸按键电路等模块;软件部分基于百度云平台,构建了在不同操作环境下信息管理与控制系统.通过应用场景模拟对系统进行试验,结果表明:该系统运行可靠,外接模块以及系统电路运行良好,识别准确率大于97%,电机响应平均时间为1.3 s,消息远程收发功能、信息管理与控制系统的相关功能均可正常执行,在试验过程中无异常报错.系统最终效果达到了预期目标,可为相关设计提供参考.     

基于子图特征组合的人脸识别技术研究

提出了一种基于子图特征组合的人脸特征提取方法,并结合BP神经网络给出一种人脸识别模型.模型首先将人脸图片分割为子图,然后对每个子图进行离散余弦变换并选择最大的余弦系数表示该子图,最后将这些系数组合为向量作为整幅图像的特征.我们选择BP神经网络作为人脸识别模型中的分类器,并通过实验优化相关参数.基于ORL数据库的模拟实验表明,所提出的特征提取算法是有效的,并且模型具有较高的识别率.     

基于对称差分算法的快速人脸运动图像分割方法

随着现代社会的发展和人类生活方式的变化,为了便于公共场所的管理,大部分城市地区都设置了视频监控系统.视频监控系统所收集数据的处理,需要使用合适的算法来进行计算,其处理的难点在于从变化的背景环境和流动的人行之中快速进行人脸识别和图像分割,这是传统算法难以实现的.该研究基于传统经典差分算法,对各个算法流程进行优化改进,具体包含了空背景提取、前景检测和阴影消除等.为了验证该算法的有效性和实用性,将该算法进行相应的人脸识别检测系统设计,并进行实际的使用.通过对不同场景的监控检测处理可以看出,基于对称差分算法的视频监控系统能够实现各项功能,准确分割出人形轮廓,快速进行人脸运动图像的分割和检测.进一步利用既有的录像数据进行系统测试,通过测试可以看出在3组不同的复杂环境下,该算法都能够快速准确地进行图像识别,具有很好的鲁棒性.     

Specialized face learning is associated with individual recognition in paper wasps

We demonstrate that the evolution of facial recognition in wasps is associated with specialized face-learning abilities. Polistes fuscatus can differentiate among normal wasp face images more rapidly and accurately than nonface images or manipulated faces. A close relative lacking facial recognition, Polistes metricus, however, lacks specialized face learning. Similar specializations for face learning are found in primates and other mammals, although P. fuscatus represents an independent evolution of specialization. Convergence toward face specialization in distant taxa as well as divergence among closely related taxa with different recognition behavior suggests that specialized cognition is surprisingly labile and may be adaptively shaped by species-specific selective pressures such as face recognition.     

育肥猪生长过程中脸部变化对识别模型准确率的影响

为探究猪脸识别模型对育肥猪猪脸生长变化的识别效果,采用深度卷积网络,对大白育肥猪生长过程中脸部变化与识别模型准确率之间的关系进行研究。结果表明:1)在预训练的DenseNet201、MobileNetV3_small、SeNet154和Xception 4种模型中,SeNet154模型猪脸识别效果最好,对验证集的识别准确率可达98.80%,选其为猪脸识别模型;2)分别用试验期间第1～2、1～3、1～4和1～5天采集的猪脸图像数据训练该模型,并分别使用第3～8、4～9、5～10和6～11天的数据逐天测试模型的猪脸识别效果发现,使用第1～4与1～5天数据训练的模型猪脸识别效果相当且优于使用第1～2与1～3天数据训练的模型。使用第1～4天数据训练的模型对第5天数据的识别准确率最高,为96.74%,其后5天的识别准确率逐天下降,到第10天为84.17%。分析认为,造成识别准确率下降的原因是猪脸生长、光照变化以及污渍附着。3)使用第(n-4)～(n-1)天(5≤n≤10)的数据重新训练动态模型后,对第n天猪脸数据的识别准确率均在95.82%以上。深度卷积网络模型在猪脸识别方面有较高的识别准确率,可以用于育肥猪的脸部识别;建议在育肥猪的猪脸识别系统中每天都使用至少前4天,且≥10 800组图像数据重新更新猪脸识别模型。     

基于肤色信息和距离变换的快速人脸检测算法

人脸识别技术是当今人工智能和模式识别领域的一项重要研究内容,快速稳定的人脸检测算法已成为新的研究热点。提出了一种基于肤色模型和距离变换的快速人脸检测算法,首先利用肤色在颜色空间的类聚特性对肤色加以判别,从而确定出人脸区域在图像中的基本位置,然后运用距离变换结合人脸的几何特征计算出长和宽,最终实现人脸的定位。实验结果表明:该算法简单,易实现,在执行时间和识别率上取得了较好的效果。     

特征选择模糊加权多通道Gabor人脸识别

对如何选取和表示人脸的Gabor特征、如何融合多通道Gabor的识别结果进行了研究.提出了一种多通道Gabor人脸识别方法：依据各通道特征可分离性判据确定特征提取区域、计算通道权值，采用模糊加权规则融合多通道的识别结果.该方法降低了特征冗余度；考虑了各通道识别能力的差异性；更好地解决了分类“边界”问题.在AR, CAS-PEAL-R1, YaleB和ORL人脸库上的实验结果表明，本文方法较传统多通道Gabor表征方法具有更高的识别率，平均识别时间较传统整体表征有较大的优势.     

基于非接触式的牛只身份识别研究进展与展望

快速精准确定牛个体身份对疾病防控、品种遗传改良、奶制品和肉制品质量溯源以及改善农业假保险索赔等方面具有重要意义。传统的牛个体识别使用诸如烙印、耳纹、耳标和无线射频识别等方法,易遭受设备损失/工作重复、标记欺诈、动物福利安全以及监测成本和距离等方面的挑战;而基于生物特征的非接触识别由于其独特性、不变性、低成本易操作以及动物福利高,成为牛身份识别的新趋势。主要介绍了几种基于非接触式的牛身份识别的研究进展,重点关注牛脸识别的最新成果,讨论当前牛脸识别在实际应用中面临的挑战,在此基础上对深度学习在牛脸身份识别研究中的应用进行了设计构思与展望。     

采用自适应加权扩展LBP的单样本人脸识别

提出了一种采用自适应加权扩展LBP(AWELBP,adaptively weighted extended local binarypattern)的单样本人脸描述方法,首先对单样本的人脸图像进行多尺度分块,对子块的图像进行扩展均匀LBP算子运算,同时同步生成图像局部熵图谱(LEM,local entropy map),计算每一子块对整体人脸图像纹理描述的贡献度图谱,根据贡献度图谱对每个子块的LBP直方图进行自适应加权,最后将各子块的LBP直方图进行连接形成人脸特征。本算法在ORL、Yale、Yale B人脸库上对部分遮挡、表情变化、光照变化等环境进行测试,并与传统算法以及与多种LBP改进算法进行比较,结果表明该算法对部分遮挡、表情变化和光照等环境下单样本人脸描述具有较好的效果。     

100% accuracy in automatic face recognition

Accurate face recognition is critical for many security applications. Current automatic face-recognition systems are defeated by natural changes in lighting and pose, which often affect face images more profoundly than changes in identity. The only system that can reliably cope with such variability is a human observer who is familiar with the faces concerned. We modeled human familiarity by using image averaging to derive stable face representations from naturally varying photographs. This simple procedure increased the accuracy of an industry standard face-recognition algorithm from 54% to 100%, bringing the robust performance of a familiar human to an automated system.