共查询到20条相似文献，搜索用时 261 毫秒
1.
2.
3.
4.
5.
在传统的基于小波变换的人脸识别方法的基础上,加入稀疏表示的方法对人脸识别进行研究,进一步提高人脸识别率。小波变换把人脸图像分解为一幅低频人脸图像和三幅高频人脸图像,低频人脸图像代表人脸图像的全局(整体)信息,高频人脸图像代表人脸图像的纹理和边缘等细节信息。低频人脸图像在人脸识别中起到关键性作用,用正交投影的方法对低频人脸图进行识别得到的低频人脸图像分类隶属度。高频人脸图像在人脸识别中同样存在不可忽略的作用,用基于领域能量的方法把三幅高频人脸图像融合为一幅高频融合人脸图像,然后用稀疏表示的方法对融合图像进行识别得到高频人脸图像分类隶属度。最后把高、低频分类隶属度融合确定人脸图像所属类别,与传统人脸识别方法相比,进一步提高了人脸识别率。 相似文献
6.
视频图像的人脸识别技术发展,促进了数字视频监控等系统的广泛应用。本文对基于特征、模板、统计理论等视频图像的人脸检测基本方法进行了介绍,对人脸检测系统的图像采集、图像处理、特征定位、人脸识别处理等设计进行了阐述,对人脸检测方法的改进进行了尝试。 相似文献
7.
作为人工智能领域的落地标杆技术,人脸识别技术具有自然性、非接触性、不易察觉性、并发性等特征。当前,人脸识别技术在公共领域和商业领域得到广泛应用。但与此同时,人脸识别技术缺陷引发的风险和信息处理合法性风险使得人脸信息的保护备受挑战。人脸信息是生物识别信息,属于个人敏感信息。在大数据时代,作为个人信息处理的重要合法性基础,“知情同意原则”在人脸信息保护方面面临实践困境。因此,我国亟需规范人脸识别技术的应用,有必要从法律层面(源头上风险治理)、技术标准(填补式风险治理)、监管沙盒(适应性风险治理)三个角度来完善我国人脸识别技术风险治理体系,在人脸识别技术创新应用与信息主体合法权益之间寻求平衡,从而打造负责任的人脸识别技术。 相似文献
8.
为了提高人脸识别的准确度同时降低技术成本,采用OpenCV与云计算结合的方法来实现人脸识别,首先在OpenCV下采用AdaBoost算法训练出级联分类器用来进行人脸检测,然后使用OAuth2.0授权调用百度云的AI开放平台人脸比对接口进行人脸识别,根据返回的人脸图像相似度值判断是否为同一个人,实现了一个人脸识别的登录验证系统。系统在基于Java的web应用上实现,采用MVC设计模型,其各个层使用的框架为SSM框架。本地资源OpenCV跨平台计算机视觉库有丰富的算法,可以简化程序设计,节省通信开销;使用百度云的AI开放平台可以提高人脸识别精度。文章提出的方法结合了本地资源和云计算的优势,为高精确度低成本实现人脸识别技术提供了一种思路。 相似文献
9.
10.
基于深度学习的人脸识别一个重要的前提是大量的人脸数据做训练,针对现有亚洲公开人脸数据集较少,以及手动标注数据会浪费巨大的人力物力成本,提出了一种端到端的大规模亚洲人脸数据集构建方法。系统通过迭代训练提升,最终生成了10926亚洲人,300万张人脸图片。该方法也可以很好的应用于其他的数据集快速构建。 相似文献
11.
针对传统考生身份认证方法的缺陷,提出一种基于人脸识别的考生身份认证系统。首先利用图像采集系统采集考生人脸图像,然后对人脸图像进行特征提取和特征选择,并将人脸特征输入到人脸特征库进行匹配,最后采用支持向量机算法对人脸进行分类识别。实验结果表明,该系统提高了考生身份识别的正确率,减少了识别时间,能够很好满足实际考试的要求。 相似文献
12.
研究基于图像的人脸准确识别问题.人在佩戴眼镜的情况下,脸部受到眼镜遮挡,造成无法提取眼部区域特征,人脸主要特征丢失,造成识别准确率下降.为了避免上述缺陷,提出了少量特征相关性计算的人脸识别方法.对提取的人脸图像少量的特征参数进行非线性变换处理,获取特征向量权值系数.利用小波变换方式计算人脸特征相关性系数,通过少量特征相关性进行人脸识别.实验证明,这种眼部特征图像人脸识别方法提高了佩戴眼镜情况下,人脸识别的准确率,取得了满意的效果. 相似文献
13.
14.
15.
16.
人脸检测作为人脸识别系统的重要一环,越来越受到技术研究和商业应用的关注。针对人脸检测中时间和检测率不能很好保证的情况,提出了使用DCT变换和支持向量机的人脸检测算法。利用离散余弦变换的系数作为支持向量机的输入特征值,证明该方法能提高人脸检测的准确性,并缩短检测时间。 相似文献
17.
《科技广场》2017,(8)
人脸识别技术是人脸识别系统以人脸图像作为识别身份的媒介。主成分分析(Principal Components Analysis)~[1-2]即是人脸识别算法中一种常用的方法,算法寻求的是能最大程度代表原始信息的特征信息。理解了算法的原理,基于平台实现了人脸识别系统。该系统首先对图像进行预处理,预处理的目的是为了减弱光照、噪声等非线性因素的干扰,再以人脸库中的部分图像为训练样本,采用算法计算训练样本得到特征脸向量,然后用工具箱~[3]中的函数对训练样本进行训练得到模型,通过训练出来的模型用部分测试样本进行预测,最后分类识别得出结果。实验证明,该系统识别率较高,具有一定的参考和研究价值。 相似文献
18.
19.
一般的人脸识别系统主要包括图像与处理、人脸定位、特征提取、样本学习和识别过程四部分,其中人脸定位和特征提取的好坏直接影响到识别效果,文章研究的是特征提取方法中人眼定位算法,该算法利用Vusya1 C++编写程序,在人脸粗定位的基础上进行,缩小了搜索范围,实现人眼定位. 相似文献
20.
本文分别介绍了一种基于指纹人脸识别的多生物特征身份认证方法,并针对传统的指纹人脸方法提出相应的改进算法。对指纹识别,本文提出采用局部归一化方法结合Gaussian滤波器来计算指纹方向,再对局部脊线补偿法(Loca lRidge Compensation)进行快速运算,能够更加快速准确地进行指纹识别。人脸识别通过定位人脸位置并且进一步提取人脸特征来进行匹配,使用LBP(Local binary patterns)算子对人脸样本进行局部特征提取,对LBP处理后的人脸图像使用主成分分析(PCA)进行降维,并采取了极限学习机(Extreme learning machine,ELM)分类器进行匹配,将指纹、人脸的识别结果在决策层进行融合,最后做出判断,从而得到准确稳定的身份认证系统。 相似文献