株洲名人特色库
全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
专家
纪念场所
-
融合全局与局部特征的子空间人脸识别算法
-
作者：
王蕴红;范伟;谭铁牛 来源：计算机学报 年份：2018 文献类型 ：期刊 关键词： 主成分分析 模糊综合 全局特征 人脸识别 局部特征
-
描述：文章的工作基于子空间分析框架,从特征融合的角度模拟人类视觉系统的自适应识别功能进行人脸识别.首先,利用主成分分析(PrincipalComponentAnalysis,PCA)提取人脸全局特征,在一个低维的“人脸子空间”中依照最近邻法则匹配测试样本;然后,针对人脸局部特征,提出了一种根据各局部子块(如眉、眼、鼻、嘴)的特征偏离程度进行自动加权的算法;最后,基于模糊综合的原理对全局与局部特征进行数据融合,给出最终识别结果.实验表明,该算法能很好地结合人脸图像全局和局部的互补信息,识别效果优于各单一模块的分类性能.
-
动态图像序列中的人脸识别
-
作者：
范伟 来源：中国科学院自动化研究所 年份：2005 文献类型 ：学位论文 关键词： 动态序列图像 人脸识别 Gabor特征 线性判别分析 流形学习 贝叶斯推理模型
-
描述：人脸识别作为一个跨学科的新兴研究领域，解决的问题可简单描述为：基于预先存储的模板数据库，对给定某场景的静态图像或动态视频序列，自动识别或验证其中所含人脸目标的身份。传统的工作主要集中在识别静态图像中光照条件良好的正面人脸，并取得了非常理想的效果。
-
基于视觉词典的三维人脸识别和分类
-
作者：
钟诚 来源：中国科学院自动化研究所 年份：2009 文献类型 ：学位论文 关键词： 三维人脸特征表达 三维人脸识别和分类 视觉词典
-
描述：随着社会的进步和计算机网络技术的迅速发展，基于生物特征的身份鉴别算法由于其 出色的安全性能受到了广泛的关注。在所有的生物特征识别算法中，人脸识别技术由于其 易接受性、采集方便等优点一直是该领域的研究热点。但是由于人脸本身是一个非刚性的 三维几何体，因此传统的二维人脸识别技术必然会受到光照、姿态和表情等因素的影响， 造成识别信息的丢失。为了解决这些问题，三维人脸识别技术应运而生。三维人脸识别和 分类就是使得计算机可以对由三维扫描仪采集得到的三维人脸数据进行智能分析，从而得 到准确的身份识别和分类结果。本文针对如何准确而鲁棒的进行三维人脸特征表达进行了 深入的研究，主要的工作和贡献包括： ①实现了三维鼻尖区域的定位算法，并以此为基准区域对不同的三维人脸数据进行配 准。这些工作为三维人脸识别平台的建立奠定了基础。 ②提出了基于视觉词典的三维人脸特征并将其成功应用于三维人脸识别系统中。视觉 词典算法首先通过学习得到三维人脸最常见的纹理基元，然后以这些基元作为纹理 直方图的基础，通过将原三维人脸图像向这些纹理基元映射得到视觉词典直方图向 量，以此作为三维人脸的特征表达。实验结果表明，视觉词典特征实现了泛化能 力、识别性能和鲁棒性的统一。 ③改进了基于视觉词典的三维人脸框架中的各个步骤(滤波器选择、聚类算法设计和匹 配距离选择)，进一步提升了该算法的识别性能。在FRGC2.0和CASIA三维人脸数 据库的实验中，都取得了很好的识别效果。 ④提出了鲁棒局部Log-Gabor直方图特征以克服在非可控环境下三维人脸识别遇到的 困难。该算法在FRGC2.0三维人脸数据库的大表情数据子集和CASIA三维人脸数据 库表情子集的实验中，取得了很好的识别效果。 ⑤利用视觉词典特征提出了模糊三维人脸种族分类。利用视觉词典特征学习得到东方 人种视觉基元和西方人种视觉基元，并以此为基础设计了模糊隶属度函数，实现了 模糊三维人脸种族分类的目的。 总的说来，本文在基于视觉词典的三维人脸特征表达方向做了深入的研究，并取得了一些 初步成果，希望本文的工作可以对进一步的三维人脸识别研究提供帮助。
-
基于动态序列图像的人脸识别
-
作者：
刘亮 来源：中国科学院自动化研究所 年份：2007 文献类型 ：学位论文 关键词： 在线学习 主元空间合并 主元分析 人脸识别
-
描述：基于动态序列图像的人脸识别，是一个近几年刚刚兴起的研究方向。本文中主要讨论的是从序列图像到序列图像的人脸识别，即训练数据和测试数据都是连续的人脸图像序列。主要工作如下： ①在人脸表观模型在线学习方面，提出了两种新的在线学习方法，即K-主元空间学习和T-主元空间学习。 对于K-主元空间学习，每个人对应的主元空间的个数是固定的。在线学习的过程中，通过增量主元分析、主元空间合并、主元空间分裂来动态调整各个主元空间，使用不同主元空间之间的转移次数来利用序列中的动态信息。 对于T-主元空间学习，每个人对应的主元空间的个数是不固定的，使用增量主元分析来调整主元空间。在线学习的过程中，可以保证各个主元空间中包含的样本数目单调递增，除了一个最小的数目。 这两种方法都是由训练集中每个人的人脸图像序列学习出若干主元空间来近似表达人脸表观流形，并且都不需要预先离线训练一个模型，因此实现了完全的在线学习。实验表明，两种方法都可以获得较好的识别效果。 ②本文中提出了一种快速PCA(主元分析)算法，在对大规模高维数据进行主元分析时，快速PCA算法与传统PCA算法相比在时间复杂度和空间复杂度方面有显著的优势。一个大数据集首先被划分成若干小数据集，然后将传统PCA算法应用于各个小数据集，得到一系列主元空间，其中每个主元空间对应一个小数据集。最后，将这些主元空间按最矮二叉树形式两两合并，最终得到的主元空间包含了原始数据集的主元分析结果。文中详细分析了这种快速PCA算法可能引入误差的上限。 本文中将这个算法应用于序列图像人脸识别中关键帧的选取。首先使用快速PCA算法计算训练样本集的主元空间，然后计算测试序列中待识别图像到这个主元空间的距离，以判断该图像是否为关键帧。将非关键帧在识别前舍弃，以提高整个序列的识别精度。实验表明，这种方法可以取得较好的识别效果，同时与传统PCA算法相比，大幅度减少了计算人脸主元空间所需的时间。
-
三维人脸识别关键问题研究
-
作者：
黄永刚 来源：中国科学院自动化研究所 年份：2007 文献类型 ：学位论文 关键词： 人脸特征提取 多模态人脸识别 三维脸识别 融合 深度图像 关联特征
-
描述：利用人脸的空间形状结构信息进行分类的三维人脸识别是人脸识别领域新的研究热点，人们寄希望于它能解决传统二维人脸识别的光照、姿态、表情变化的瓶颈问题，目前正受到广泛的关注，初步的研究成果令人鼓舞。 三维人脸识别系统目前研究热点主要包括数据获取、特征点检测、建模、去噪、特征提取、分类器设计、与二维人脸信息的融合等关键性问题。本文针对其中的特征提取、分类器设计、多模态融合等三个问题进行了研究。文中主要工作与贡献包括： ①在特征提取方面，提出了一种基于几何特征和关联特征统计量的特征提取方法。一方面从全局统计的角度分析比较了传统的几何特征，如深度、曲率等：另一方面提出关联特征来描述人脸的三维结构，并提出了一种三维局部二值模式描述子(3DLBP)来描述三维人脸的关联特征：最后融合几何特征和关联特征统计量形成一种可分性好的三维人脸特征。 ②在分类识别方面.提出了一种基于类内类间深度差直方图统计量的识别方法。人脸的深度图像的象素值直接反映了人脸上每点的三维深度信息，他们的相减差就直接反映了两幅人脸结构特征差异。与灰度差异会受到光照变化的强烈影响不同，这种深度差异只受预处理配准误差和表情变化的影响。我们采用计算局部最小差异绝对值来代替两幅深度图像的直接相减，并提出三种框架来融合局部匹配和全局匹配，以减小配准误差和表情变化的影响。实验结果表明经过两步改进处理，两者的影响小于不同人脸的差异影响，所提出的的方法取得很好的识别效果。 ④在多模态融合方面，研究分析了目前融合二维和三维信息的人脸识别的研究现状，并做了一些尝试性探索。我们将局部GABOR二值模式算子应用于三维人脸识别，并比较分析了一些常见的融合方法的融合性能。 总的说来，本文对三维人脸识别的特征提取、分类识别、多模态融合等环节做了一些初步尝试和探索。