分块组合搜索的结构稀疏人脸识别模型

介绍一种新的稀疏表示人脸识别模型,在经典的稀疏表示分类模型基础上,利用数据字典的结构信息,考虑算法实现的可行性,提出了一种分块组合搜索的稀疏表示人脸识别模型,主要思想是将数据字典按类别自然分块,然后在数据块内进行组合搜索,再联合不同类别的组块,以寻找表示能力最强的组块。为验证模型的性能,使用结构贪婪算法实现分块组合搜索方法和其他的结构稀疏方法,并进行比较,实验显示分块组合搜索的人脸识别率高于其他结构稀疏方法,且此方法性能稳定,不受数据字典排列的影响。     

基于小波变换和奇异值的人脸特征提取

在"基于奇异值特征的人脸识别新途径"的基础上,将小波变换和奇异值分解用于人脸识别的特征提取,更进一步地降低了特征向量的复杂度.实验证明,这种特征提取方法实现简单,识别率高,是一种有效可行的特征提取方法.     

基于K-L变换的人脸识别系统

围绕人脸识别问题对人脸特征提取及识别技术进行了研究.主要有:运用灰度投影提取出在简单背景中的人脸图像,进行归一化操作;以类间散布矩阵作为产生矩阵,通过K-L变换降维并提取出代数特征,为了减少计算量,运用了奇异值分解,最后用最小距离分类器分类对图像进行分类.实验结果表明本方法的有效性.并且对人脸姿态,表情,光照等都具有一定的免疫性.     

铁路集装箱物流园区信息管理系统优化探讨

进一步提高铁路集装箱物流园区信息化建设,优化铁路集装箱物流园区信息管理系统,有利于促进铁路集装箱物流园区向现代高科技物流园区转型.通过分析铁路集装箱物流园区信息管理系统现状,提出铁路集装箱物流园区信息管理系统优化设计.在此基础上,从出入车辆定位、AI人脸识别、装卸设备智能派班、集装箱堆箱区VR电子标签、集装箱装卸车作业...     

城市轨道交通AI技术在安全监测中的应用研究

城轨在城市公共交通中占比逐渐变大,其安全问题已不容忽视。文章从技术角度分析城轨安全监测问题,研究AI技术在城轨安全监测中的应用,立足突破传统技术限制,构建更可靠安全的智能城市公共交通系统。     

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。     

基于结构化Fisherface的人脸识别新方法

特征提取是人脸识别中一个关键步骤。传统的Fisherface人脸识别方法中用样本的类均值和总体均值定义相应的散布矩阵，丢失了样本个体之间的结构信息，本文提出了一种基于原始样本个体结构信息的结构化Fisherface人脸识别方法，最后得到的特征数据中保留了原始样本更多的分布信息。在ORL人脸数据库的实验结果验证了该方法的有效性。     

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。     

改进的PCA人脸识别新算法

针对经典PCA人脸识别算法受光照条件影响的缺点,本文提出了一种新的改进的PCA人脸识别算法．该算法在图像的预处理阶段,利用图像灰度的线性变换,增大每幅图像的对比度和亮度;对预处理后的图像则利用经典PCA算法进行处理,并在识别阶段,通过对体现光照变化的三个主分量进行加权处理,减少它们在识别中占的比重．实验结果表明,该算法是有效的,能够减少光照条件对人脸识别的影响．     

稀疏表示的人脸识别及其优化算法

稀疏表示的本质就是稀疏正规化约束下的信号分解。提出一种改进的正交匹配追踪算法,使运算量较高的矩阵求逆运算转变为轻量级的向量运算或向量与矩阵的运算,可以加快逆矩阵和大矩阵乘积的求解。将此算法应用于稀疏表示的人脸识别,探讨并验证了稀疏阀值的设置和训练字典的选择对人脸识别率和识别速度的影响。