公开(公告)号：CN106557750A

公开(公告)日：2017-04-05

申请号：CN201611032589.9

申请日：2016-11-22

Applicant: 重庆邮电大学 ,  重庆信科设计有限公司

Inventor： 何登平 ,  何强 ,  文凯

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00288 ,  G06K9/6257 ,  G06K9/6282

Abstract: 本发明请求保护一种基于肤色和深度二叉特征树的人脸检测方法，首先，运用了一种新的差分特征—NPD(Normalized Pixel Difference)，NPD特征是一种判断两个像素值间相对差异的特征，此新型特征具有尺度不变性、有界性以及能复原原图像的性能，另外可从查找表直接获取NPD特征值，可大大节省训练时间。其次，提出了一种深度二叉特征树树结构来训练分类器，复杂的人脸特征被Adaboost学习算法更好地分类。最后，将训练得到soft‑cascade分类器与肤色算法相结合。本发明的人脸检测方法能有效提高复杂环境下的人脸检测率及检测速度。

公开(公告)号：CN106682653A

公开(公告)日：2017-05-17

申请号：CN201710138302.9

申请日：2017-03-09

Applicant: 重庆信科设计有限公司

Inventor： 文凯 ,  何强 ,  袁泉 ,  罗瑶

IPC: G06K9/00 ,  G06N3/02

Abstract: 本发明涉及人脸识别技术领域，人脸识别方法包括：将零空间线性鉴别分析(NLDA)与核函数的优点结合，零空间线性鉴别分析(NLDA)在训练样本总类内离散度矩阵的零空间中提取样本的鉴别特征，克服了的小样本问题，提高了识别率，然而，NLDA仍然是一种线性特征的提取方法，不能有效提取样本的非线性特征。通过非线性映射，该方法将输入空间样本映射到高维特征空间，在高维特征空间利用线性特征提取算法，从而有效提取样本的非线性特征。我们使用RBP神经网络对经过特征提取得到的人脸图像进行识别，研究表明，与基于欧式距离等传统度量的传统分类方式相比，可提高识别效率。本发明所提供的技术方案，能够很好地实际生活中，识别率更高，鲁棒性更好。