基于局部相似性先验的协作表示人脸识别

针对光照、伪装/遮挡等非受控环境下的人脸图像,本文探讨了一种基于局部相似性先验的协作表示人脸识别。首先选择合适的人脸图像并对其进行等份不重叠分块,接着计算不同分块间的权重,最后将块与块之间最优的相似性先验信息加权至协作表示算法中,以实现人脸的分类。实验结果表明,与目前基于协作表示的人脸识别算法相比,本文算法在性能上有明显的提高。     

多邻域保持嵌入的人脸识别方法

现有流形学习算法在学习人脸数据时,假设所有数据点位于单一低维嵌入流形之上,当数据点实际分布在不同的流形上时,单流形假设就会影响数据真实空间结构。为此提出一种基于多邻域保持嵌入（multiple neighborhood preserving embedding, M-NPE）的学习算法来发现不同类别数据在不同维度的低维嵌入空间中分布的多流形结构。首先,单独学习不同类别数据的流形,得到反映其本质特征的流形;再通过遗传算法搜索每个流形的最优维数;最后依据最小重构误差分类器对样本分类。在Extended Yale B和CMU PIE这2个大型人脸库上实验结果验证了该算法的有效性。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。     

基于FDDL和混合稀疏的人脸识别

稀疏表示在人脸识别中取得了重大的突破。作为该领域的研究之一,FDDL字典学习寻找一组不含冗余噪声等未确定因素的基,在对测试样本线性重构和分类方面都起到关键性作用;混合稀疏分类模型既实现了整体稀疏性,也考虑了不同类的字典原子之间的关系。将两者进行结合,在ORL库上的实验结果表明,此方法可显著提高识别率。     

人脸识别系统——北京奥运“保护屏”

“我们的目标是办成历史上最安全的奥运会，但我们不会让北京奥运发生类似盐湖城奥运会的情景，军警荷枪实弹带着警犬上街巡逻的情形不会出现。”说这番话的是2008年奥运安全专家组成员马昕，马昕所在的部门是专门为北京奥运的安全保卫工作提供技术保障和项目研发的。     

人脸检测及识别技术综述

人脸检测与识别技术因为其巨大的应用价值以及市场潜力,已经成为图像工程领域研究的热点。目前,国内外的文献中涉及到的人脸检测和识别算法有很多种,本文对近些年来在期刊和会议上发表的有关人脸检测和识别技术的文章进行了归纳总结,概括介绍了一些人脸检测和识别的典型方法,分析了这些方法的特点及理论依据。     

人脸识别技术在电力营销现场作业平台的应用

通过5G移动网络技术和互联网等先进技术,采用内外网络相结合的方式,管控电力营销作业现场不规范和现场人员安全,很大程度地减轻了营销现场作业过程中监护人的负担,真正实现了营销现场作业无纸化。但实践证明,引入平台后,工作现场的三种人签字未得到实质性简化,签字错误问题屡见不鲜。为解决这一不规范现象,在电力营销现场作业平台应用过程中引入人脸识别技术。实践表明,人脸识别技术的引入使三种人签字不规范工单量大为降低,签字不规范占比从35%下降到15%左右,大大降低了人员签字不规范率,在一定程度上提高营销现场作业的标准化水平。     

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。     

Kernel method in face recognition based on 2DLDA

针对基于二维线性判决分析的人脸识别算法中缺少非线性判决信息的问题,提出了一种改进的基于核方法的二维线性判决分析的人脸识别算法.实验结果表明,改进后的算法相对原算法具有更好的识别效果.在此基础上研究了在使用多项式核函数时本文算法的性能,得出了在选用低次数多项式核函数时识别率较高的结论.