公开(公告)号：CN109284692A

公开(公告)日：2019-01-29

申请号：CN201811010882.4

申请日：2018-08-31

Applicant: 河南工程学院

Inventor： 熊欣 ,  栗科峰 ,  张婉 ,  卢金燕 ,  介钰鸣

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00268 ,  G06K9/00288 ,  G06K9/6232 ,  G06K9/6267 ,  G06K9/6288

Abstract: 本发明公开了一种融合EM算法和概率二维CCA的人脸识别方法，首先建立概率二维CCA模型，分别计算左概率模型和右概率模型的对数似然期望；然后应用EM算法使对数似然期望值最大化来估计模型参数，优化左右概率模型；最后应用获取的概率二维CCA投影矩阵将观测数据投影到隐藏空间，实现高维数据降维，在大大降低运算量的同时提高人脸识别的准确度；AR人脸数据库的大量测试识别，验证了本发明所提出方法在应对光照变化、表情变化和姿态变化人脸样本时的鲁棒性和优越性，解决现有人脸识别方法应对高维数据时的维数灾难和小样本问题。

公开(公告)号：CN108171146A

公开(公告)日：2018-06-15

申请号：CN201711429012.6

申请日：2017-12-25

Applicant: 河南工程学院

Inventor： 熊欣 ,  栗科峰 ,  陈素霞 ,  介钰鸣

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于霍夫森林集成学习的人脸检测方法，所提出的基于霍夫决策森林的方法可以自适应学习目标图像的局部图像块特征并在每次分裂时随机选择特征，霍夫森林中每棵树的叶节点集都可以视为一个判别码本，每个叶节点都可以对局部图像块属于人脸或背景做一个概率假设，并对图像块的中心位置进行概率投票；然后进行监督训练和快速匹配，获取局部图像块特征与它们在霍夫投票空间内的映射关系；本发明提出的方法对存在几何失真、噪声和部分遮挡的图像具有较好的鲁棒性，在CMU+MIT数据库上的实验结果证明了该方法的有效性；解决了集成学习框架下使用霍夫森林检测人脸图像位置的问题。