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.     

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.     

日照港智能防盗系统全覆盖露天货场

<正>一种集"GPS定位监控、电子眼目标监视、探测器感应报警、人脸识别抓拍"于一体、共同发挥作用的智能防盗系统,近日全覆盖日照港各大散货露天货场的1000多个垛位,并显示出其有力震慑港口物流犯罪的巨大"神威"。该系统由该港技术团队综合运用现代科学技术和安全防范技术自主研发而成,并率先被安装     

面向“一体化”交通枢纽的智能引导设备

“一体化”交通枢纽的出现,不仅可实现铁路和航空两种交通工具的共享双赢,更为旅客出行带来了诸多便利。然而,具有空铁联运功能的车站占地面积较大,如何在庞大、复杂的区域进行便捷换乘,成为亟待解决的问题。为此提出了一种面向“一体化”交通枢纽的智能引导设备,以“畅通融合、智能便捷”为理念,实现一张“脸”知行程,根据旅客人脸特征查询行程,显示路径引导,显著提升旅客出行体验,降低车站服务成本,使得旅客可以真正地享受“一体化”交通枢纽带来的便捷服务。     

基于感应控制的路段行人安全过街智能系统

以感应控制为核心的行人过街智能系统,能提高行人过街的安全性与效率,缓解行人与机动车的冲突。系统支持自适应控制与人工请求控制两种工作方式。自适应控制方式通过传感器识别行人的年龄、性别、数量等参数,自动设定过街的初始绿灯时间和最短绿灯时间。另外,通过人脸识别技术甄别违章行人,提交其违法记录至行人过街系统并用于芝麻信用评估。人工请求控制方式可以在不超过最长的绿灯通行时间的情况下,允许行人通过按钮延长当前的绿灯通行时间。这种方便智能的行人过街系统,不仅可以最大化减少行人过街的无序性和随机性,在时空上实现人车分离,还切实地降低了行人和路段车辆的延误时间。     

人脸识别系统中的特征提取

研究了人脸识别系统中正面人脸的特征提取,通过区域增长从人脸图像中分割出人脸,再利用边缘检测,Hough变换,模板匹配和方差投影技术可以快速有效地提取出人脸面部器官眼睛,鼻子和嘴巴特征,实验结果表明本文所采用的方法具有较高的准确率和光照鲁棒性。     

基于面部识别的管制员疲劳风险评估关键技术研究

人为因素在民航事故发生原因中所占比例逐渐增加,因此,高效检测管制员的身份和疲劳状况,对保证飞行正常及安全风险的评估具有重要的意义。基于面部识别技术,采用 OpenCV 开发平台,综合图象二值化和模板匹配技术,对管制员的身份及疲劳状况进行识别,取得比较实际的检测效果,疲劳检测成功率达80%,对管制员这类工作岗位的风险管理具有一定的参考价值。      

基于组态软件和人脸识别算法的电梯运行仿真设计

以OpenCV 4.0.0和KingView 6.5.5软件为设计基础,提出了组态软件下的电梯人脸识别仿真系统的设计方法,通过仿真程序验证了人脸识别算法的可行性,OpenCV4.0.0和KingView 6.55软件间的通信用虚拟串口软件实现,最后加入了数据管理,完整地实现了电梯的人脸识别电梯仿真系统.     

基于决策树的模糊序贯最小优化分类器的人脸识别

序贯最小优化算法是一种SVM s(Support VectorM ach ines)训练算法,该算法将一个大型QP(Quadratic Programm ing)问题分解为一系列最小规模的QP子问题,从而避免了多样本情形下的数值解不稳定及耗时问题,同时也不需要大的矩阵存储空间。本文在模糊支持向量机的基础上,提出了基于决策树的模糊序贯最小优化算法并对它进行了分析和研究,在对人脸图像进行独立成分分析后,用该算法进行多类人脸识别。通过在ORL人脸库上的实验结果表明,在样本类别较少的条件下,该算法可以取得较好的效果。     

基于特征脸和二叉树支持向量机的人脸识别

提出使用特征脸和二叉树支持向量机（BT-SVM）分类器相结合的方法进行人脸识别。首先从训练图像中求得特征脸空间,然后将训练集和测试集图像投影到特征脸空间得到投影系数,使用训练样本投影系数训练BT—SVM分类器,再使用BT—SVM分类器对测试图像进行识别。在ORL人脸库进行模拟试验,结果表明BT-SVM分类算法获得比SVM分类算法更高的识别率。