模糊的类内矩阵模式主分量分析及在人脸识别中的应用

矩阵模式主分量分析（MatPCA）作为有效的特征提取方法能同时处理矩阵表式的模式和向量表式的模式。但与主分量分析（PCA）方法一样，MatPCA没有使用样本的类别信息，因此所提取的特征不能提供足够的判别信息，进而影响随后的分类性能。为有效利用样本的类别信息，在MatPCA基础上提出了一种新的特征提取方法——模糊的类内MatPCA（F—WMatPCA）。F—WMatPCA利用模糊K最近邻（FKNN）求解训练样本的模糊隶属度并在模糊的类内执行MatPCA。由于F—WMatPCA使用更多的类别信息，因此能有效地提高识别精度。对0RL，Yale人脸数据集和几个UCI数据集做了实验，结果证实了该方法的有效性。另外，讨论了F—WMatPCA在人脸识别上的应用，并与F—Fisherfaces作了比较，结果表明F—WMatPCA具有比F—Fisherfaces更稳定、更鲁棒的识别性能。     

一种基于特征提取的活体检测方法研究

本文提出一种基于特征提取的人脸活体检测方法,通过分析真实人脸和欺骗人脸之间的特征提取差异,在无需任何额外设备、附加动作的情况下判断采集信息是否为活体人脸,首先分别提取色彩和模糊度等特征信息,然后采用支持向量机算法判断人脸图像的真实性,最后基于NUAA欺骗数据库,通过与多种活体检测的对比,证明了本文方法的良好性能。     

一种多功能家用监控机器人及其系统设计

为实现远程控制家中用电设备的工作状态,设计了一种多功能家用监控机器人及其系统。该系统不仅可以通过手机网页实时查看和控制灯、风扇、加湿器、热水器等的工作状态,还具备门禁和人脸识别报警功能。该设计智能化和隐蔽性高,可为人们带来更舒适的家居体验。     

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.     

局部均匀模式描述和双加权融合的人脸识别

目的 针对LBP算法对边缘及噪声信息比较敏感,提出一种统一化的局部均值模式(ULMP)描述算子。考虑到全局和局部特征在识别上的互补性,提出一种ULMP描述和双加权融合的人脸识别方法。方法 首先利用ULMP算法获得整幅图像的编码图,接着将其分块,统计每一子块的直方图获得局部纹理特征,并结合BP神经网络得到局部分类结果。引入云模型求取不同子块的权值,对局部分类结果进行加权融合。整体纹理特征的获取是将不同子块的直方图特征串联。在得到全局和局部的分类结果后,将两者加权集成,获得最终的识别结果。结果 在ORL和Yale人脸库上进行实验,ULMP具有很好的识别性能。5幅测试样本时,在ORL库上取得了95.9%的平均识别率,分别比局部二值模式(LBP)、MCT、局部方向模式(LGP)、统一的LBP(ULBP)和局部中心二值模式(CSLBP)高11.3%、10.6%、9.5%、8.9%和3.9%;在Yale库上取得了97.4%的识别率,分别比LBP、MCT、LGP、ULBP和CSLBP高19.9%、17.7%、10.7%和0.7%。在ORL和Yale人脸库上,本文提出的双加权融合模式分别取得了98.5%和98.34%的平均识别率,高于任何单一模块。结论 本文提出的纹理提取算法ULMP,具有很好的平滑噪声及边缘信息的作用,适用于面部纹理特征的提取。利用云模型求取的权值的方法能够较好地发挥局部分类器间的集成作用,最终有效地提高了系统的整体性能。双加权融合模式是一种精确且有效的人脸识别方法,适用于静态人脸图像的匹配识别。     

基于图像的课堂考勤系统开发

基于图像的课堂考勤系统,即能节省时间又能提高学校管理的智能化。整个图像课堂点名系统可分为五个功能模块,训练学生的人脸模型模块、课堂图像中的人脸检测模块和加载检测到的图像进行人脸识别模块以及点名结果的数据显示等功能。实现一个可以节省大量时间和使课堂点名更加快速和高效的系统,从而提高了教学质量和更加智能的进行学生的出勤记录管理。     

人脸识别中多目标最优不相关图像鉴别分析研究

考虑图像投影鉴别分析问题,为提高特征抽取的速度和识别率,利用图像矩阵直接构造图像散布矩阵,在具有统计不相关的条件下将Foley-Sammon鉴别分析(FSLDA)转化为两目标约束优化问题,并给出了有效投影向量的概念;根据多目标优化的最优性条件可将求取有效投影向量的问题归结为求广义特征方程的最大特征值对应的特征向量,并据此进行特征抽取,进而提出了两目标最优图像投影鉴别分析方法。与其他鉴别投影分析方法相比,该方法具有以下特点:(1)可直接由图像矩阵构建散布矩阵;(2)有效投影向量具有统计不相关性;(3)训练样本的类内散布矩阵不必为可逆的,也不需要求某种形式矩阵的逆。在ORL标准人脸库和NUST603人脸库上的试验结果表明,上述图像投影鉴别分析方法在识别性能上较以往的方法有一定的提高,尤其是特征抽取的速度有明显的提高。     

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。     

基于小波变换和改进的奇异值分解的人脸识别

使用基于肤色的检测方法分割出人脸并进行归一化,利用小波变换压缩降维以减少计算量。针对原有奇异值分解的不足,将图像矩阵进行投影,并将整体与三组局部图片的奇异值结合进行改进,利用BP神经网络进行分类识别,进行人脸识别仿真实验。结果表明,所提出的基于小波变换和改进的奇异值分解特征提取方法是一种实用、可行的方法。     

智慧图书馆24小时自助服务架构及其实现研究

[目的/意义]智慧图书馆被认为是未来图书馆发展的主导模式和最高形态,其提供的智慧服务本身具有开展自助服务的天然需求,读者在24小时"无人值守"的情况下可获取到更加高效、便捷、智能的服务.[方法/过程]从技术、经济、操作3个层面分析了智慧图书馆开展24小时自助服务的可行性,从管理系统、人员管理、读者管理、空间改造、服务创...