基于分块的伪Zernike矩归一化的人脸识别方法

以改进的伪Zemike矩相关知识为背景,提出了一种新颖的人脸识别方法。该方法通过将人脸分块,降低了光照条件、人脸表情等外在因素对人脸识别的影响。首先将人脸图像分块并重组矩阵的行和列,然后计算重组后人脸图像的伪Zemike矩,并对其进行归一化处理,最后采用最小邻近分类器进行判别。实验结果表明,该方法对于人脸光照、姿态和表情变化均具有良好的鲁棒性。在前人的研究基础上,进一步探讨了伪Zemike矩在人脸识别方面的应用。     

红外图像人脸识别方法

红外成像具有抗干扰性强、独立于可见光源、防伪装、防欺诈等优点,这使得红外图像人脸识别可在很大程度上弥补可见光人脸识别技术的缺陷和不足,是今后人脸识别研究的一个重要方向。在深入分析红外人脸图像特性的基础上,研究了红外图像人脸识别的特点,并提出了一种新的红外图像统计人脸识别方法。实验结果表明,这种识别方法不论从理论上还是从实验上都是可行的,具有良好的识别能力。     

基于稀疏子空间聚类的人脸识别方法

在现有的稀疏子空间聚类算法理论基础上给出两种稀疏子空间聚类优化算法:稀疏线性子空间聚类和稀疏仿射子空间聚类。这两种优化算法针对不同的数据集会有不同的聚类效果。通过稀疏表达得到不同的稀疏系数矩阵,把稀疏系数矩阵应用到较为简单的改进的正则化谱聚类算法中实现聚类。应用Yale B数据对人脸图像进行识别分类得出:采用稀疏线性子空间聚类算法优于稀疏仿射子空间聚类算法;在算法执行时间上和算法聚类错误率比传统的稀疏子空间聚类较为快速高效。     

改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法理论基础上提出一个改进的稀疏子空间聚类算法:迭代加权的稀疏子空间聚类。稀疏子空间聚类通过解决l1最小化算法并应用谱聚类把高维数据点聚类到不同的子空间,从而聚类数据。迭代加权的l1算法比传统的l1算法有更公平的惩罚值,平衡了数据数量级的影响。此算法应用到稀疏子空间聚类中,改进了传统稀疏子空间聚类对数据聚类的性能。仿真实验对Yale B人脸数据图像进行识别分类,得到了很好的聚类效果,证明了改进算法的优越性。     

一种基于DCT和SVM的人脸识别新方法

文中提出了一种新的人脸识别方法,该方法采用DCT提取人脸特征,并采用SVM对该特征进行分类识别。基于该方法,对ORL人脸库进行分类识别,仅用28个特征平均识别率达到97.4%。仿真结果表明,该方法显著地降低了特征维数和计算复杂度,明显提高了特征的可辨别能力,而且,SVM可以有效地提高分类器的分类和推广能力。     

基于多特征融合的远距离身份识别研究

在国际反恐背景下,对远距离人的身份进行确认越来越重要。步态和人脸这两种生物互补性质可以考虑他们作为远距离身份识别技术之间的融合。文章先提出步态识别分类方法,基于部件和LBP的人脸识别方法,并在此基础上提出了一种基于多特征融合的远距离身份识别方法。该方法根据被识别物到相机间的距离实时动态调整融合规则。实验结果表明,引入距离权重的融合方法不仅对单一生物特征识别具有良好的表现,而且也好于传统的静态(固定)融合规则。     

基于模板匹配算法的人眼定位方法

为了解决不同光线下人眼定位问题,提出一种将灰度阈值算法和模板匹配算法相结合的人眼定位方法。在该方法中,先对图像进行预处理,得到二值化图像,然后利用灰度阈值法,对图像的灰度值进行分析和比较,初步定位人眼可能出现的大概位置,缩小后期模板匹配区域。进一步利用模板匹配算法,在频域上匹配人眼,通过不同光线下采用相应的匹配权值进行匹配,精确定位人眼。实验结果证明,与传统单一模板匹配算法相比,该算法具有较好的光照鲁棒性,能够显著提高人眼的定位速度和定位准确度。     

基于无相关判别稀疏投影的人脸识别方法

针对人脸识别问题,提出了一种无相关判别稀疏投影(uncorrelated discriminant sparse projections,UDSP)方法。该方法通过设计一个无相关约束基于差的最优化目标,同时增加判别信息到稀疏保持投影(sparsity preserving projections,SPP)的目标函数,不仅保持了SPP的稀疏重构结构关系,而且利用了全局判别结构。同时,通过强加合适约束使得提取的特征统计无相关。最后,在FERET人脸库上进行了实验,证明了该方法的有效性。     

基于压缩感知原理的融合判别信息的协作表示方法

提出了一种用于视觉分类任务的低计算复杂度且有效的图像表示方法。把协作表示和判别信息结合在统一框架内,是基于协作表示分类方法的一种扩展形式。测试样本的协作表示系数是稀疏的,这种基于冗余和过完备的表示对于遮挡和伪装而言是鲁棒的;此外,通过最小化类内散布矩阵和最大化类间散布矩阵的判别信息的挖掘,对于视觉分类问题也是很有帮助的。在一些基准数据库上的实验表明,提出的方法相对于现有的方法而言能够获得更有竞争力的表现。     

多目标跨摄像头跟踪技术

多目标跨摄像头跟踪,指的是对于多个被寻目标,在不同场景的摄像头中找到他们出现的时间和空间信息并加以关联。算法综合利用人脸检测、行人检测、目标跟踪、人脸识别和行人再识别等技术,形成一个统一的技术框架。无论是在实现框架上,还是在准确率上都能达到商用水平。在南京市举办的全球人工智能应用大赛中获得了二等奖。