基于统一贝叶斯构架的人脸识别技术

米西峰 贾林

本文介绍的人脸识别方法是在贝叶斯分类方法基础上集成了特征脸方法和线性判别方法（FLD），并产生了新的增强型概率推理模型。这里的贝叶斯构架方法首先应用主分量分析（PCA）算法进行降维处理，PCA算法能有效减少噪声的干扰并使一些起关键作用的成分得到加强。在用PCA算法进行数据压缩后，用贝叶斯分类器在已经经过PCA算法得到压缩的子空间上用最大后验概率规则进行人脸识别的任务。概率推理模型（RPM）将被详细介绍，因为它的识别性能比特征脸方法和线性判别方法都好。[著者文摘]

基于ICA和FLD相结合的人脸识别

赵明华 游志胜 吕学斌 穆万军

ICA作为一种传统的人脸识别方法，虽然识别效果较好，但却没有考虑类别信息。为了将类别信息融入ICA方法中，尝试利用FLD和ICA相结合的方法对人脸进行识别处理，即在使用ICA方法获得训练模式的统计独立基向量的基础上，对基向量张成的子空间使用FLD方法。利用几个人脸数据库对该方法进行了实验。实验结果表明，使用上述方法进行人脸识别，其效果优于传统的PCA方法、FLD方法和ICA方法。

人脸识别技术的比较与结合

Combination and Compare of the Face Recognition Technology

王娟 汪红 陈文峰

本文主要介绍了人脸图像特征提取的三种算法，包括PCA算法，DCT算法以及FLD算法，着重分析了PCA＋FLD，DCT＋FLD两种结合算法的原理。实现方法和步骤以及各自的优缺点。

基于小波和非负稀疏矩阵分解的人脸识别方法

Wavelet-based Non-negative Matrix Factorization with Sparseness Constraints for Face Recognition

欧阳怡彪 蒲晓蓉 章毅

提出了利用小波变换（WT）、非负稀疏矩阵分解（NMFs）和Fisher线性判别（FLD）来进行人脸识别。用小波变换分解人脸图像，选择最低分辨率的子段，既能捕获到人脸的实质特征，又有效地降低了计算复杂性；非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征；Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明。这种方法对光照变化、人脸表情和部分遮挡不敏感，具有良好的健壮性和较高的识别效率。

基于Fisher的人脸检测与识别

Face Detection and Recognition Based on Fisher

袁强 张正兰

提出一种人脸检测与识别的方法。运用Adaboost算法对输入的图像进行人脸检测并完成尺寸和光照的归一化，对训练样本集进行处理，运用主成分分析和Fisher脸判别实现对训练样本集空间的降维和分类，对归一化后的输入图像进行PCA转换和FLD投影，将得到的向量和训练样本集进行比较，从而分类。实验表明，本方法可以达到理想的识别效果。

基于ADsP-BF5133的嵌入式门禁系统

杨元挺 林火养 谭巧

人脸识别由于其在身份验证方面的便利性，成为当前摸式识别和人工智能领域的一个研究热点。针对人脸识别门禁系统对高识别率，高识剐速度等性能的高要求，本文提出一种基于ADsP-BF533，结合人脸识别、刷卡识别、键盘密码识别相结合的嵌入式门禁系统。系统采用ICA与FLD相结合的算法来实现人瞳识剐，实验效果良好。

基于小波分析和SVM的人脸表情识别

Facial expression recognition method based on DWT＆SVM

亓晓旭 姜威 张乐

提出了一种能量特征与支持向量机（SVM）相结合的面部表情识别方法。首次提出了小波能量特征在表情识别中的应用。由于小波能量特征具有表现表情纹路的能力,与人脸表情识别的要求正好相符,所以把小波能量特征加入到原始图像中,再用Fisher线性判别法（FLD）进行特征提取,然后采用SVM进行识别。通过对在日本JAFFE人脸表情库中的七种表情（生气、厌恶、恐惧、高兴、中性、悲伤、惊讶）进行实验,验证了该方法的有效性。它不仅能获得高的表情识别率,而且过程简单,易于实现。

基于信息融合的面部表情识别

Facial Expression Recognition Based on Information Fusion

刘松 陈茜

文章提出用支持向量机融合四种基于不同特征表示的面部表情识别方法进行面部表情识别,即几何表示、PCA人脸表示、ICA人脸表示和FLD人脸表示.在用FLD和ICA提取表情特征前先进行PCA,把训练样本的人脸图像向量投影到一个较低维的空间,以达到降维和去除相关性的目的.然后对每一种表情特征表示都用最小距离分类器进行初步分类,最后用支持向量机融合这些分类结果来进行面部表情的最终识别,实验证明本文提出的方案是有效的.

人脸的性别分类

武勃 艾海舟 肖习攀 徐光祐

人脸的性别分类是指根据人脸的图像判别其性别的模式识别问题．系统地研究了不同的特征提取方法和分类方法在性别分类问题上的性能，其中包括主分量分析(PCA)、Fishel线性鉴别分析(FLD)、最佳特征提取、Adaboost算法、支持向量机(SVM)．给出了在9姿态人脸库、FERET人脸库和一个网络图片人脸库上的对比实验结果．实验表明人脸中的性别信息集中存在于某个子空间中，因此，在分类前对样本进行适当的压缩降维不但不会明显降低分类器的性能，而且可以大大减少分类的时间开销．最后介绍了将性别分类器与自动人脸检测和特征提取平台集成起来的基于人脸图像的性别判别系统．

基于分级边缘方位场匹配的人脸特征定位

Hierarchical Edge Orientation Field Matching Based Facial Feature Localization

陈华杰 韦巍

针对大范围姿态角度问题，提出了一种分级边缘方位场匹配（HEOFM）的人脸特征定位算法。提出了结构Hausdoff距离作为边缘方位场匹配的测度；在此基础上，先根据人脸图像的整体边缘方位场匹配（GEOFM）进行了姿态预估计，得到特征的粗略定位；然后根据特征边缘方位场匹配（FEOFM）在局部区搜索，实现特征的精确定位。实验结果表明：针对小姿态角度人脸图像，与一般的特征检测算法相比，该算法所需训练样本个数较少而定位精度相当；针对中、大姿态角度人脸图像，该算法具有良好的特征定位性能。