特征脸

摘要： 特征脸算法是基于脸部表征的常用人脸辨识方法之一.当训练数据量较大时,不管是训练还是测试模块都非常耗时.基于此,采用CUDA并行运算架构实现GPU加速特征脸算法.针对GPU并行运算的效果取决于硬件规格、算法本身的复杂度和可并行性,以及程序开发者使用GPU的并行化方式等因素,文中首先提出在特征脸算法训练阶段的计算平均值、zero mean、正规化特征脸等计算步骤以及测试阶段的投影到特征脸空间、计算欧几里得距离等计算步骤使用GPU优化加速;其次在相应计算步骤采用不同的并行化加速方法并做出效能评估.实验结果表明,在人脸训练数据量在320～1920的范围内,各计算步骤加速效果明显.与Intel i7-5960X相比,GTX1060显示适配器在训练模块中可达到平均约71.7倍的加速效果,在测试模块中可达到平均约34.1倍的加速效果.

摘要： 本文主要研究了人脸识别算法中的特征脸(Eigenfaces)算法的实现过程和原理。为了提高人脸识别过程中人脸检测的效果和效率,本文基于OpenCV库设计和实现了对正脸、侧脸、低头脸、仰头脸、遮挡脸都有较好检测效果的人脸检测算法,并对人脸检测和识别算法进行代码实现,用包含不同姿态人脸的数据库图像进行实验。实验结果表明改进之后的人脸检测算法能够在较短时间内检测出人脸,对不同姿态人脸的图像都有较好的检测效果,与基于特征脸算法的人脸识别相比,结合该人脸检测算法和特征脸算法而实现的人脸识别系统具有更高的效率。

摘要： 为了解决神经网络在人脸识别过程中复杂度高、运算量大、难以向嵌入式设备应用迁移问题,提出一种通过特征脸进行特征消除、通过灰度变换进行特征增强的人脸图像处理方法.该方法对采集的图片进行裁剪、校正处理,通过Dlib模型使人脸关键点处于相同坐标,进而将对正的图像通过特征脸-灰度变化预处理方法获得新的特征表达,将该表达矩阵送入浅层网络测试识别性能并探究特征脸数目对准确率的影响.实验表明,该方法在FERET与ORL数据集的识别准确率均明显提高,并且在浅层网络上依然保持较高的准确率,分别达到95.1％,96.14％.%To solve the high complexity, large computational complexity and difficultly of migration to embedded devices of the neural network in face recognition, this paper proposes a feature learning algorithm model to eigenfaces and gray-scale transformation, which removes features by eigenfaces and enhances feature by gray transformation. This model crops and corrects images and makes the key points of face at the same coordinates by dlib and obtains the compact characteristic features by eigenface-gray-scale transformation.As the input of the shallowneural network, the nonlinear classification is used to test recognition performance and explore the number of eigenfaces howto impact accuracy. The experimental results showthat the accuracy of this method is obviously improved the accuracy in both FERET and ORL datasets, and the accuracy is still high in shallownetworks, reaching 95. 1％ and 96. 14％ respectively.

摘要： 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.

摘要： 21 世纪是信息技术、网络技术的世纪。信息化网络时代的一大特征就是身份的数字化和隐蔽化。如何精准鉴别某 人身份信息、维护信息安全,是当今时代亟待解决的关键性社会问题。对同一个人来说, 如果没有过改变面容的疾病、面部外 伤或外科手术等经历, 年轻和年老时的面容总有很大的相似性。人们在生活中也往往能够分辨出来两张不同年龄段的照片是不 是同一个人。当然, 年龄段相差越大, 识别起来也就越困难。但是,可以采用将人脸识别的辨识度提高,即模型改进来提高相 差较大的照片的识别度。可利用人脸识别确认的技术进行对比分析。本文针对给出的两张不同年龄段的,并且都是标准位置 和标准光线、相同的姿势和装饰下拍摄的、相同的背景和面部表情下拍摄的面部照片,按照图像预处理,人脸特征提取,人 脸识别确认的思路,结合 matlab 的图形处理工具箱,通过 PCA 特征算法和隐马尔科夫模型,利用最短欧式距离的相似度检验 方法来自动识别是不是同一个人。

摘要： 对于健全的普通人来说,聋哑人是社会中一类比较特殊的人类群体,他们也需要进行情感交流,然而与健全的人们相比,聋哑人在表达他们的情感时存在较大的困难,因为他们无法通过正常的语音来表达,而更多的是使用面部表情来表达,因此我们可以通过聋哑人的面部特征来识别他们的情感状态。对于聋哑人来说,手语是他们与他人交流最自然与普遍的方式,但在使用手语的过程中人的面部经常会被手部遮挡住,因此无法使对方通过整个面部特征判断出对方的情感状态。

摘要： 人脸识别是一种通过分析人脸面部图像特征信息来识别人脸的技术。文章阐述了基于PCA的特征脸人脸识别方法,并在此算法的基础上应用图像预处理技术,之后进行了识别仿真实验。该方法主要通过比较人脸图像与训练后的特征脸的空间距离来识别与分类人脸,实验顺利验证了特征脸算法。

摘要： In order to achieve the good effect of facial expression recognition,this paper proposes a facial expression recognition algorithm based on L1 norm eigenface. All the training set of facial expression samples and test set of facial expression samples are preprocessing into grayscale pictures.The features of preprocessing training samples are extracted to form eigenface vectors set.Then the eigenface vectors set is classified by the method based on L1 norm to realize facial expression recognition. The experimental results of Japanese JAFEE and American AR facial expression database show that the algorithm achieves a satisfactory recognition rate for specific and non-specific face expression recognition.%为了实现良好的人脸表情识别效果,提出了一种基于L1范数特征脸的人脸表情识别算法.将所有的训练集人脸表情样本和测试集人脸样本都经过预处理后生成灰度图片,对预处理后的训练样本进行特征提取形成特征脸向量集合,通过L1范数方法对特征脸向量集合进行分类,以实现对人脸表情的识别.在日本JAFEE和美国AR人脸表情数据库上的对比实验结果表明,本文算法对于特定和非特定人脸表情识别均实现了较满意的识别率.

摘要： 人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,来辨认身份的一门技术.阐述了基于特征脸的人脸识别基本算法,给出了特征脸的解释,并用OpenCV编程实现对ORL人脸库进行识别仿真实验.该方法主要通过创建给定图像库中的特征脸和人脸图像的空间距离来进行人脸检测,顺利实现和验证了特征脸算法.

摘要： 文章阐述了基于特征脸的人脸检测与识别方法.该方法本质上是主要成分分析方法,即首先构造特征脸向量,然后计算新图像和数据库中特征脸的空间距离,来决定此图像是否是一副人脸图像,如果是人脸图像,他是那一副人脸图像。

摘要： 本文针对传统特征脸方法采用的基于欧式距离作为相似度测度的局限性,定性分析了在特征空间中矢量的方向与大小同样具有良好的分类性能,并在此基础上提出了一种新的基于角度空间的特征脸方法。这种方法采用了以特征矢量方向的近似度作为主要考虑因素的相关系数作为相似度准则.实验结果表明,此方法的识别率较经典特征脸方法有较大提高.

摘要： 介绍了一种简单、鲁棒、快速的实时视频人脸对象跟踪算法.在使用贝叶斯肤色分类器分割出椭圆候选人脸区域的基础上,采用人眼谷极点生成人脸假设和特征脸人脸验证方法得到参数化的人脸椭圆区,并使用2个正交的边缘梯度跟踪模型和椭圆内部肤色像素统计直方图跟踪模型跟踪人脸.本算法较好地解决了跟踪的连续性、实时性、精确度和鲁棒性间的矛盾.实验证明:本算法能够实时跟踪多个人脸.

摘要： 该文通过对静态人脸识别方法的研究，提出了一种在动态无倾侧人脸图象的识别方法。首先分解动态人脸为一组人脸状态可变迁序列，对于每一个观察序列中的人脸图象，找到人脸整体主特征向量到人脸运动状态概率属性的映射。而人脸的运动是一个马尔科夫事件，因此用隐马尔科夫网络对动态人脸图象识别可以表示出人脸运动时的相关性。而找出人脸特征之间的状态转移概率和观察序列与状态的隶属关系将在文中重点讨论。

摘要： 人脸识别是人类特征自动分类的一个重要课题。该文提出了一种将多层感知器和特征脸相结合的方法，构造神经网络聚类器。文中描述了大样本集脸部的“标准脸”用多层感知器对标准脸特征向量进行学习和聚类；研究人员通过实验数据对算法做了一些比较和说明，对影响感知器识别率的参数进行了分析；最后简单地介绍了研究人员用神经网络聚类器对脸部识别的方向。

摘要： 人脸识别技术是一种有效的身份识别技术，是模式识别、图像处理等学科的最热门的研究问题之一。本文首先回顾了人脸识别的概念和发展历史；随后对近年来人脸识别技术的各种方法作了详细的闸述；最后介绍了人脸识别技术在国内外的应用状况及所面临的问题，并对其发展进行了展望。

摘要： 人脸识别技术是一种有效的身份识别技术，是模式识别、图像处理等学科的最热门的研究问题之一。本文首先回顾了人脸识别的概念和发展历史；随后对近年来人脸识别技术的各种方法作了详细的闸述；最后介绍了人脸识别技术在国内外的应用状况及所面临的问题，并对其发展进行了展望。

摘要： 人脸识别技术是一种有效的身份识别技术，是模式识别、图像处理等学科的最热门的研究问题之一。本文首先回顾了人脸识别的概念和发展历史；随后对近年来人脸识别技术的各种方法作了详细的闸述；最后介绍了人脸识别技术在国内外的应用状况及所面临的问题，并对其发展进行了展望。

摘要： 人脸识别技术是一种有效的身份识别技术，是模式识别、图像处理等学科的最热门的研究问题之一。本文首先回顾了人脸识别的概念和发展历史；随后对近年来人脸识别技术的各种方法作了详细的闸述；最后介绍了人脸识别技术在国内外的应用状况及所面临的问题，并对其发展进行了展望。

摘要： 一种狗脸特征检测器的形成方法、狗脸检测方法及装置。所述狗脸特征检测器的形成方法，包括如下步骤：提取第一预定数量的狗脸特征图像；提取第二预定数量的不包含所述狗脸特征的图像；所述第二预定数量大于所述第一预定数量；以所述狗脸特征图像作为Adaboost方法的正样本，所述不包含所述狗脸特征的图像作为Adaboost方法的负样本获得所述狗脸特征检测器。本发明技术方案形成的狗脸特征检测器，性能好，能够准确、快速地检测出狗脸的特征。采用本发明技术方案的狗脸检测方法可以准确地检测出狗脸所在的位置，且对所述狗脸进行检测时的正确率高、实时性好。

摘要： 本发明公开了一种牛脸身份识别特征提取模型构建方法及牛脸身份识别方法，涉及图像处理技术领域，包括：对牛脸检测数据集进行预处理，输入神经网络模型中提取全局特征和局部特征并进行归一化处理；基于归一化处理后的全局特征和局部特征，分别计算类全局特征中心和类局部特征中心，构建全局特征三元组和局部特征三元组，计算全局特征三元损失函数和局部三元损失函数，并利用融合度量损失函数计算总体损失；根据总体损失反向不断迭代更新模型参数，直到模型收敛，得到特征提取模型，进一步进行牛脸身份识别。本发明一方面利用多部位图像构造有效局部难例结合全局难例，提高学习效率；另一方面给出了特征融合学习机制，提取图像特征，识别牛只身份。

摘要： 一种狗脸特征检测器的形成方法、狗脸检测方法及装置。所述狗脸特征检测器的形成方法，包括如下步骤：提取第一预定数量的狗脸特征图像；提取第二预定数量的不包含所述狗脸特征的图像；所述第二预定数量大于所述第一预定数量；以所述狗脸特征图像作为Adaboost方法的正样本，所述不包含所述狗脸特征的图像作为Adaboost方法的负样本获得所述狗脸特征检测器。本发明技术方案形成的狗脸特征检测器，性能好，能够准确、快速地检测出狗脸的特征。采用本发明技术方案的狗脸检测方法可以准确地检测出狗脸所在的位置，且对所述狗脸进行检测时的正确率高、实时性好。

摘要： 本发明公开了一种基于干扰特征向量数据集的1比1人脸特征向量比对方法，属于人脸识别技术领域，包括：计算干扰数据集中每张人脸图像的干扰特征向量，构建干扰特征向量数据集；利用深度神经网络方法计算待测人脸图像的特征向量K；分别计算待测人脸图像的特征向量K与待比对人员的人脸特征向量数据集中特征向量的相似度值，并按相似度高低顺序选取前t1个相似度值；分别计算待测人脸图像特征向量K与干扰特征向量数据集中特征向量的相似度值，并按照相似度高低顺序选取前t2个相似度值；根据t1个相似度值和t2个相似度值，判断待测人脸图像是否为待比对人员。本发明将输入人脸的特征向量与干扰人脸特征向量集进行综合判断，提高系统的识别准确率。

摘要： 本发明涉及刷脸设备、刷脸支付系统及其方法。该刷脸设备包括：摄像头模块，用于采集的人脸图像信息，对所述脸图像信息进行活体检测并获得活体检测结果；安全模块，用于加密所述人脸图像信息和所述活体检测结果；通信模块，用于实现所述刷脸设备与外部的POS设备之间的信息交互；以及主控模块，用于控制所述刷脸设备与外部的POS设备之间的交互流程。根据本发明，刷脸设备需对人脸数据和活体检测结果进行加密传输，不需要具备人脸识别功能以及支付功能，因此，能够减少刷脸设备的成本，而且刷脸设备能够与POS终端连接，不需要改变POS终端硬件就能够实现刷脸功能。

摘要： 脸认证系统100包括：反射率图像生成部107，根据包括人的脸的处理对象的输入图像生成该输入图像的模糊图像，从输入图像的各像素值分离模糊图像的对应的各像素值，而生成输入反射率图像；以及脸认证部112，通过将输入反射率图像与预先登记的人的脸的登记反射率图像进行比较，而进行输入图像中包含的人的脸的脸认证。

摘要： 本发明提供一种脸姿势推定装置、脸姿势推定方法、以及脸姿势推定程序，能够高精度地且即便在从图像中无法检测出脸器官的情况下，也可以进行脸姿势的推定。脸姿势推定装置(10)的脸器官检测部(11)从图像画面对脸器官进行检测。脸姿势候选组生成部(16)生成脸姿势候选组。第1相似度计算部(12)对3D模型基础相似度进行计算。第2相似部计算部(13)对外观基础相似度进行计算。第1似然度计算部(141)对与3D模型基础相似度相对应的第1似然度进行计算。第2似然度计算部(142)对与外观基础相似度相对应的第2似然度进行计算。统一似然度计算部(143)利用第1似然度和第2似然度来计算统一似然度。脸姿势推定部(15)利用统一似然度对脸姿势进行推定。

摘要： 本发明公开了一种基于哈尔特征和特征脸识别的人脸识别方法，该方法在基于哈尔特征和主成分分析技术构造低维的特征空间以进行特征提取的基础上，通过分类器技术建立模型，改进了旧方法中对特征进行线性组合的思路，该分类器的引入的实质是利用非线性模型代替了传统的线性模型，从而大大提高了识别的精度。

摘要： 本发明公开了一种基于哈尔特征和特征脸识别的人脸识别方法，该方法在基于哈尔特征和主成分分析技术构造低维的特征空间以进行特征提取的基础上，通过分类器技术建立模型，改进了旧方法中对特征进行线性组合的思路，该分类器的引入的实质是利用非线性模型代替了传统的线性模型，从而大大提高了识别的精度。

摘要： 本发明公开了一种基于哈尔特征和特征脸识别的工作授权智能插座系统，该系统利用特征脸技术，使得该智能插座系统通过对面部进行识别，自动切断电源，防止未经授权的人员进行非法操作。系统包括视频采集镜头、人脸检测单元、特征析取单元、特征判别单元、电力控制单元。