大数据-算法-非理想情况下基于SIFT算法的人脸识别研究.pdf

安全技术-网络信息-智能传感器网络中地面目标磁敏信号识别研究.pdf

近年来，互联网和移动互联网的快速发展，网络中的图像数据展现出了爆炸 式的增长。图像数据简单直观，并且包含丰富的信息，被人们广泛作为信息交流 的载体。基于内容的图像识别能够从图像本身出发，先从图像中提取显著的特征， 再根据特征的差异对图像进行识别，具有很好的识别效果。机器学习在人工智能 中具有非常重要的位置，机器学习通过算法对数据进行学习，然后进行预测和决 策，是实现人工智能的钥匙。机器学习的图像识别是基于图像内容的，机器学习 从图像数据本身出发，从数据中提取底层的图像特征，然后通过机器学习的算法 建立起底层特征和高层图像语义之间的联系，进而实现图像识别。 图像识别是机器视觉的基础，图像内容千变万化，机器视觉就千差万别。对 计算机来说，图像的底层特征和高层图像语义没有直接的联系，所以解决“语义 鸿沟”就是图像识别的重点和难点问题。机器学习发展经过了浅层学习和深层学 习两个阶段，专家和学者提出了很多的算法模型，在图像识别、语音识别和人工 智能方面取得了较多成果。 首先介绍了基于统计理论的支持向量机模型，支持向量机模型是根据人工提 取的特征来训练分类器，通过分类器来达到图片识别的目标。对于底

该资源里面有几篇关于人脸识别方面的综述文章。

简要回顾了人脸识别技术的研究背景及发展历程，总结了近三四年人脸识别方法的研究进展，根据三维人脸重构方法的数据来源不同，将其分为基于静态图像和视频序列的三维重构技术。重点对目前多特征和多模态识别技术进行了分类阐述，分析了一些有代表性的算法并对其识别结果进行了比较。最后，总结了人脸识别技术现存的研究难点，并探讨了其未来的发展方向。

大数据蕴含大发展，结合不断提升的高性能计算机更是给机器视觉技术带来日新月异的发展。深度卷积神经网络也正是借着这股力量才大放异彩，其主要应用包括语音识别、图像处理、自然语言处理等。本文就当前大环境下研究了卷积神经网络模型在静态环境下入脸识别领域的应用。相对传统人脸识别方法而言，卷积神经网络模型不需要人工进行大量而又复杂的特征提取算法设计，仅需要设计一个可行的网络模型，再将大量的人脸训练数据集加载到网络模型中，然后进行自动训练，这样就可以得到很好的识别率。把训练好的模型保存下来，那么这个模型就是一个端到端的人脸特征提取器。该方法虽然操作简单，但是需要根据训练数据集设计合理的网络结构，而且最难的关键点是超参数的调整和优化算法的设计。因此本文结合残差网络和融合网络构建了两个与计算资源和数据资源相匹配的网络模型，并通过反复调整超参数和调试优化器使其在训练集上能够收敛，最终还取得较好的识别率。

人 脸 识 别 已 成 为 多个 学 科 领 域 的 研 究 热 点 之 一 本 文 对 人 脸识 别 的 发 展 历 史 研 究 现 状 进 行 了 综 述 系统地 对 目 前 主 流 人 脸 识 别方 法进 行 了 分 类 针 对 人 脸 识 别 面 临 的 挑 战 着 重 对 近 几 年 来 在 光 照 和 姿 态 变 化 处 理 方 面的 研 究 进 展 进 行 了 详 细 论 述 并 对 未 来 人 脸 识 别 的发 展 方 向 进 行 了 展 望

随着计算机和信息技术的快速发展，人脸识别技术越来越受到重视。本文主要研究了人脸在不同光照、不同表情下的特征提取与识别的一些关键问题，提出了一些改进方法，并通过实验进行了可靠性验证。

人脸识别技术作为最重要的生物特征识别技术之一，可以利用每个人独一无 二的人脸特征来进行身份识别。在信息技术高度发达的现代社会，个人信息的鉴 别与保护已成为了重中之重。人脸识别技术以其高效性、准确性、非接触性等独 有的优点迅速成为了鉴别个人信息的重要技术手段。本文首先介绍了人脸识别技 术的研究背景与发展现状，然后具体介绍了四种经典的人脸识别方法，分别是主 成分分析、线性判别分析、局部保持投影和基于核的人脸识别方法。在学习了这 些经典方法后，本文改进了四种两维判别分析的人脸识别方法，解决了一些已有 方法的问题，这一部分是论文的主要研究内容：

基于协同表示的人脸识别研究.