公开(公告)号：CN109583357A

公开(公告)日：2019-04-05

申请号：CN201811413568.0

申请日：2018-11-23

Applicant: 厦门大学

Inventor： 高志斌 ,  唐凌 ,  郭嘉 ,  张昊 ,  吴焱扬 ,  黄联芬 ,  郭杰锋 ,  林英 ,  吴卫东 ,  肖锋

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种改进LBP和轻量卷积神经网络级联的人脸识别方法，提供：对齐分区局部二值模式初次识别测试单元，APLBP与轻量化卷积神经网络级联的二次识别测试单元，APLBP识别测试单元，轻量化卷积神经网络并行流水线模块加速单元，计算平均识别率单元。将采集的人脸图像划分为主要区域和次要区域，对于人脸图像的主要区域与次要区域，提取中心点LBP像素特征值；通过级联的关系对APLBP识别并提取出的相似图像再加入轻量级卷积神经网络进行二次识别。充分融入了APLBP算法的速度优势和轻量化卷积神经网络的精度优势，通过对轻量化卷积神经网络的卷积层中耗时大的矩阵乘加运算使用并行模块进行加速，从而达到速度和准确率的双向提升。

公开(公告)号：CN106980879A

公开(公告)日：2017-07-25

申请号：CN201710291251.3

申请日：2017-04-28

Applicant: 厦门大学

Inventor： 高志斌 ,  吴焱扬 ,  陈灿彬 ,  黄联芬

IPC: G06K9/62 ,  G06N3/12 ,  H04L25/02

CPC classification number: G06K9/6269 ,  G06N3/126 ,  H04B17/373 ,  H04L25/024

Abstract: 基于改进支持向量机与灰建模的海面信道参数估计方法，涉及无线通信。1)利用第一获取单元获取原始信道参数数据并利用第二预处理单元对原始信道参数数据预处理；2)将信道参数估计样本输入第三估计单元进行信道参数估计；3)预测结果作为灰色模型GM(1,1)的输入，对输入数据进行累加和均值化处理得一次累加序列和白化背景序列根据灰色模型建立灰微分方程，求解预测函数，将灰分方程离散化得灰差分方程，利用最小二乘法求解预测参数回代入预测方程求解预测结果；4)利用寻优算法，得到的关于调节因子γ的预测方程建立寻优模型，寻找出能使预测误差值最小的调节因子γ值；5)将得的γ值回代到步骤2)和3)中得确切信道参数预测值。

公开(公告)号：CN109583357B

公开(公告)日：2022-07-08

申请号：CN201811413568.0

申请日：2018-11-23

Applicant: 厦门大学

Inventor： 高志斌 ,  唐凌 ,  郭嘉 ,  张昊 ,  吴焱扬 ,  黄联芬 ,  郭杰锋 ,  林英 ,  吴卫东 ,  肖锋

IPC: G06V40/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种改进LBP和轻量卷积神经网络级联的人脸识别方法，提供：对齐分区局部二值模式初次识别测试单元，APLBP与轻量化卷积神经网络级联的二次识别测试单元，APLBP识别测试单元，轻量化卷积神经网络并行流水线模块加速单元，计算平均识别率单元。将采集的人脸图像划分为主要区域和次要区域，对于人脸图像的主要区域与次要区域，提取中心点LBP像素特征值；通过级联的关系对APLBP识别并提取出的相似图像再加入轻量级卷积神经网络进行二次识别。充分融入了APLBP算法的速度优势和轻量化卷积神经网络的精度优势，通过对轻量化卷积神经网络的卷积层中耗时大的矩阵乘加运算使用并行模块进行加速，从而达到速度和准确率的双向提升。

公开(公告)号：CN109344758B

公开(公告)日：2022-07-08

申请号：CN201811118268.X

申请日：2018-09-25

Applicant: 厦门大学

Inventor： 高志斌 ,  吴焱扬 ,  张昊 ,  李立仲 ,  林美嘉 ,  黄联芬 ,  林英 ,  吴卫东 ,  周涛

IPC: G06V40/16 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明涉及一种基于改进局部二值模式的人脸识别方法，拍摄人脸图片，采用人脸检测算法进行人脸检测，并进行裁剪；对得到的人脸图像，获取特征点的坐标，根据坐标对人脸图像进行处理，得到人脸的正脸图片，并分成训练集和测试集；采用基于4进制的近邻LBP算法计算对应参数；采用基于4进制的近邻LBP算法计算测试集与训练集中图片的特征值，在测试集中任意选取一张图片，并计算其特征向量与训练集中所有图片特征向量的欧氏距离，选取欧氏距离最小的训练样本作为此待测样本的识别结果，并与其标签进行比较，计算识别率，输出识别结果。本发明提出的方法能更好地反映图形的纹理特征，提高人脸识别的准确率。

公开(公告)号：CN109344758A

公开(公告)日：2019-02-15

申请号：CN201811118268.X

申请日：2018-09-25

Applicant: 厦门大学

Inventor： 高志斌 ,  吴焱扬 ,  张昊 ,  李立仲 ,  林美嘉 ,  黄联芬 ,  林英 ,  吴卫东 ,  周涛

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于改进局部二值模式的人脸识别方法，拍摄人脸图片，采用人脸检测算法进行人脸检测，并进行裁剪；对得到的人脸图像，获取特征点的坐标，根据坐标对人脸图像进行处理，得到人脸的正脸图片，并分成训练集和测试集；采用基于4进制的近邻LBP算法计算对应参数；采用基于4进制的近邻LBP算法计算测试集与训练集中图片的特征值，在测试集中任意选取一张图片，并计算其特征向量与训练集中所有图片特征向量的欧氏距离，选取欧氏距离最小的训练样本作为此待测样本的识别结果，并与其标签进行比较，计算识别率，输出识别结果。本发明提出的方法能更好地反映图形的纹理特征，提高人脸识别的准确率。