人脸检测的一种混合方法研究

人脸检测作为自动人脸识别系统的第一个环节具有非常重要的作用，为了解决目前大部分人脸检测方法存在的分类器训练困难和检测计算量大等问题，提出了一种人脸检测的混合方法。陔方法由两级分类器组成，第一级为粗分类器主要过滤大部分非人脸区域，第二级为核心分类器．往由第一级粗分类的基础上利用非线性SVM算法进行人脸检测。在CMU数据库上的实验结果表明，该方法具有较高的人脸检测率，检测速度得到大幅提高。     

智能分类器方法

小样本数据不能对分类器进行充分的训练。传统的分类器方法一旦设计好,再也不会有任何改进.本文将人工智能的思想、方法应用于分类器设计中,提出了智能分类器概念。智能分类器不但可以对未知样本进行分类识别,还具有多专家决策、预分类、学习等功能。智能分类器是一种自适应系统,其系统参数可在识别的过程中得到不断的优化。在ORL人脸库上的实验结果证明该方法在解决小样本问题时具有明显的优势。     

人脸图象特征抽取和识别的一种混合方法研究

提出了将Fisher线性判别、支持向量机和决策树方法相结合的人脸识别方法.首先用Fisher线性判别法对人脸图象进行特征抽取,压缩了图象的维数,再在特征空间中用SVM(Support Vector Machine)和决策树结合的方法设计人脸分类器.在ORL人脸库上的实验结果表明了该方法对解决小样本、非线性以及高维的模式识别问题的有效性.     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别.首先对人脸图像做独立成分分析,提取有利于分类的面部特征的主要独立成分,然后在特征空间中,用FSVM和三叉决策树相结合设计人脸分类器.在ORL人脸库上的实验结果表明,该算法能够取得较好的分类效果.     

人脸图象特征抽取和识别的一种混合方法研究

提出了将Fisher线性判别、支持向量机和决策树方法相结合的人脸识别方法。首先用Fisher线性判别法对人脸图象进行特征抽取，压缩了图象的维数，再在特征空间中用SVM(Support Vector Ma-chine)和决策树结合的方法设计人脸分类器。在ORL人脸库上的实验结果表明了该方法对解决小样本、非线性以及高维的模式识别问题的有效性。     

基于Brew平台的人脸检测技术

基于类Haar特征的人脸检测技术具有较好的实时性和高检测率,该文介绍了从类Haar特征出发在高通公司Brew手持设备开发平台上实现的人脸检测技术。人脸检测算法在PC机运行实现比较容易,该文对opencv库中类Haar特征检测算法在Brew平台上重新编译、优化,并将其移植在手机应用软件中。该实现方法经过手机模拟测试后表明具有较好的实时性以及较高的运行效率。     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别。首先对人脸图像做独立成分分析，提取有利于分类的面部特征的主要独立成分，然后在特征空间中，用FSVM和三叉决策树相结合设计人脸分类器。在ORL人脸库上的实验结果表明，该算法能够取得较好的分类效果。     

多特征融合的级联回归人脸对齐方法研究

深度神经网络技术在人脸识别方面已经取得了巨大进步,但是大多数方法只是运用人脸深度特征而并没有分析哪些特征是有效的.为了探索针对人脸识别任务的有效结构化特征,提出了基于多种特征级联回归方法的人脸关键点检测模型,将两两关键点对应的人脸局部特征对之间的结构关系、整张人脸图像的全局表观和关键点对应的局部热图这3种人脸特征融合之后用于人脸对齐任务.实验证明,多特征级联回归法与记忆下降法相比,人脸对齐任务错误率下降了30.17%,与最新的一些人脸对齐模型具有一定的可比性.     

改进的亚像素级快速角点检测算法

针对采用手工选择特征点能够保证特征点的均匀分布,但是自动化程度低而且耗时的问题,提出一种自动获取亚像素角点的新算法.该方法采用一种由粗到精的多层次检测策略,先采用SUSAN算法对角点粗定位,在此基础上用Forstner算子对角点精确定位.实验证明：文中的算法不仅保证SUSAN算法的灵活性和Forstner算子的亚像素级精度,而且速度快,并且对噪声具有鲁棒性.特征点的选择过程无须人工干预,完全自动化.算法克服了手工选择特征点耗时及自动化程度低的问题,而且能提取某些特殊性质的角点,具有自动自适应检测性能和较强的实用性.     

一种快速的人眼准确定位方法

计算机自动人脸识别技术是生物识别的一个重要分支,而眼睛、鼻子和嘴巴等特征集中了人脸的大部分信息.因此对于人脸识别中的特征提取来说,不仅要检测出这些特征,而且要准确的加以定位.为了解决定位中存在的定位不够准确和计算量大等问题,提出了一种快速的人眼准确定位方法.该方法根据人眼的位置及颜色特征,通过可疑点排除的方法进行定位,最后根据瞳孔大小与两眼距离的比例关系对瞳孔进行精确定位.