-
公开(公告)号：CN103226699A
公开(公告)日：2013-07-31
申请号：CN201310131912.8
申请日：2013-04-16
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的是一种生物特征身份识别领域，特别涉及一种基于分离度差有监督局部保持投影的人脸识别方法。本发明包括以下步骤：从人脸库中读取人脸图像；对人脸图像进行特征提取，形成人脸特征；对人脸区域图像进行特征提取，从而获得特征提取所需变换矩阵和训练人脸图像的特征；针对测试人脸图像进行特征提取，并通过基于欧氏距离的最近邻分类器进行分类识别。本发明避免了人脸识别中的小样本问题，同时也使得有监督局部保持投影方法不再受限于PCA过程保留特征维数。避免了由于小样本导致的类内分离度矩阵奇异的问题和难以选取PCA与SLPP最优匹配维数的问题。
-
公开(公告)号：CN102915435A
公开(公告)日：2013-02-06
申请号：CN201210407233.4
申请日：2012-10-23
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明提供的是一种基于人脸能量图的多姿态人脸识别方法，其步骤是：第一步，读取多姿态人脸图像及人脸区域检测；第二步，构建人脸能量图；第三步，人脸能量图增强预处理；第四步，人脸能量图的二次特征提取；第五步，分类识别。本发明提供一种能够有效提取俯仰变化和左右摇摆变化情况下人脸的关键信息，使识别效果得到较大改善，提高了人脸识别系统的性能的一种基于人脸能量图的多姿态人脸识别方法。
-
公开(公告)号：CN102915435B
公开(公告)日：2015-05-06
申请号：CN201210407233.4
申请日：2012-10-23
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明提供的是一种基于人脸能量图的多姿态人脸识别方法，其步骤是：第一步，读取多姿态人脸图像及人脸区域检测；第二步，构建人脸能量图；第三步，人脸能量图增强预处理；第四步，人脸能量图的二次特征提取；第五步，分类识别。本发明提供一种能够有效提取俯仰变化和左右摇摆变化情况下人脸的关键信息，使识别效果得到较大改善，提高了人脸识别系统的性能的一种基于人脸能量图的多姿态人脸识别方法。
-
公开(公告)号：CN103971096B
公开(公告)日：2017-11-21
申请号：CN201410195919.0
申请日：2014-05-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于MB‑LBP特征和人脸能量图的多姿态人脸识别方法。本发明通过建立多姿态人脸图像训练库，将人脸图像进行尺寸归一化处理后，构建训练库的人脸均值能量图和方差能量图；再对所得到人脸均值能量图和方差能量图进行MB‑LBP特征提取，并存储作为匹配库信息；在进行人脸检测时，检测人脸图像并提取出人脸区域，并对人脸区域图像做尺寸归一化处理，得到标准人脸图像；对标准人脸图像进行MB‑LBP特征提取；最后采用最近邻分类器完成多姿态人脸的分类识别。本发明能够较好地保留多姿态人脸固有的外貌特征，并保留了人脸图像模式微观结构和宏观结构，可以除去单个像素噪声所带来的影响，所需的存储空间小，具有优异的识别率和识别速度。
-
Patent Agency Ranking
公开(公告)号：CN103226699B
公开(公告)日：2016-06-29
申请号：CN201310131912.8
申请日：2013-04-16
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的是一种生物特征身份识别领域，特别涉及一种基于分离度差有监督局部保持投影的人脸识别方法。本发明包括以下步骤：从人脸库中读取人脸图像；对人脸图像进行特征提取，形成人脸特征；对人脸区域图像进行特征提取，从而获得特征提取所需变换矩阵和训练人脸图像的特征；针对测试人脸图像进行特征提取，并通过基于欧氏距离的最近邻分类器进行分类识别。本发明避免了人脸识别中的小样本问题，同时也使得有监督局部保持投影方法不再受限于PCA过程保留特征维数。避免了由于小样本导致的类内分离度矩阵奇异的问题和难以选取PCA与SLPP最优匹配维数的问题。
-
公开(公告)号：CN103971096A
公开(公告)日：2014-08-06
申请号：CN201410195919.0
申请日：2014-05-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于MB-LBP特征和人脸能量图的多姿态人脸识别方法。本发明通过建立多姿态人脸图像训练库，将人脸图像进行尺寸归一化处理后，构建训练库的人脸均值能量图和方差能量图；再对所得到人脸均值能量图和方差能量图进行MB-LBP特征提取，并存储作为匹配库信息；在进行人脸检测时，检测人脸图像并提取出人脸区域，并对人脸区域图像做尺寸归一化处理，得到标准人脸图像；对标准人脸图像进行MB-LBP特征提取；最后采用最近邻分类器完成多姿态人脸的分类识别。本发明能够较好地保留多姿态人脸固有的外貌特征，并保留了人脸图像模式微观结构和宏观结构，可以除去单个像素噪声所带来的影响，所需的存储空间小，具有优异的识别率和识别速度。
-
-
-
公开(公告)号：CN103218606A
公开(公告)日：2013-07-24
申请号：CN201310122161.3
申请日：2013-04-10
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的是一种生物特征身份识别技术，特别是涉及一种基于人脸均值和方差能量图的多姿态人脸识别方法。本发明包括：检测人脸区域对人脸区域图像做尺寸归一化；构建狭义人脸均值能量图和广义人脸均值能量图；构建狭义人脸方差能量图和广义人脸方差能量图；将获得的特征进行融合，获得最终的特征向量；由基于欧氏距离的最近邻分类器进行分类识别。本发明不仅能够很好的节省存储空间，降低计算的复杂度，而且能够弱化单帧图像中出现的噪声干扰，人脸能量图蕴含了多种姿态下的人脸轮廓信息，对于大角度姿态变化的人脸识别，人脸能量图具有很大优势，不需要补零处理，提高了多姿态人脸识别的性能。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
