2009年博士入学复试硕士期间科研经历与成果2009年博士入学复试姓名廖海斌性别男电子相片出生日期1982-2-24籍贯湖北毕业学校、毕业年月、所学专业毕业学校:河南工业大学,专业:信息科学与工程学院,计算机应用毕业时间:2009年6月报考导师、研究方向报考导师:陈庆虎教授报考专业:信号与信息处理博士入学成绩:总分:203英语:65;计算机网络通信63;概率论与随机过程:752009年博士入学复试•爱好特长:•爱好篮球、象棋:是信息学院体育部长,曾组织同学参加篮球比赛获得二等奖,个人参加象棋大赛获得一等奖;•爱好看书与编程:是中国计算机学会会员,在计算机类相关核心期刊发表文章四篇,参加计算机学术会议三次。能熟练掌握与应用C/C++/VC++开发项目,在研究生期间参加项目两项,社会实践两次。2009年博士入学复试•科研成果:•参与项目:•1)项目名称:文本自动分类;时间:2008年4月-6月;功能描述:做一个关于数据挖掘方面的文本自动分类的DEMO,主要采用最近邻法与K-NN方法对文本进行训练与自动分类;使用工具:C/C++/VC++。•2)项目名称:基于集群的人脸识别系统(郑州市重大科技攻关项目,项目编号:07SGZS38042);主要负责模块:人脸图像处理、特征提取与识别;使用工具:VC++与OpenCV。2009年博士入学复试•科研成果•获奖与社会实践情况:•2007年11月获河南工业大学“优秀三好学生”光荣称号;•2008年5月参加河南工业大学象棋大赛获一等奖;•2008年11月被评为河南工业大学“科技之星”光荣称号;•2009年4月获河南工业大学“优秀毕业生”光荣称号;•2009年5月被评为河南工业大学“十大自强标兵”光荣称号。•2007年10月在河南工业大学网络管理教育中心做网络管理员;•2008年3月为河南职业技术学校开发网上精品课程。2009年博士入学复试•科研成果:•发表论文:•廖海斌,王宏勇·航空机型快速有效识别方法研究·计算机工程与应用(已发表)•廖海斌,王伟,王宏勇·基于灰色理论的车型自动分类识别·微计算机信息(已发表)•廖海斌,王宏勇·基于灰色理论与局部奇异值的人脸识别·第三届图像图形技术应用学术会议(已发表)•王宏勇,廖海斌等·融合整体与局部奇异值特性的自适应性人脸识别·计算机工程与应用(已录用)•王宏勇,赵广复,廖海斌·基于奇异值与灰色理论的航空机型识别·微计算机信息(已录用)2009年博士入学复试•科研成果:•参加会议:•第三届图像图形技术应用学术会议,北京,2008-3;•全国第八届嵌入式系统学术会议,西安,2008-9;•第4届全国普适计算学术会议,武汉,2008-10。2009年博士入学复试•硕士毕业论文情况:•论文题目:融合奇异值特性的多分辨率人脸识别方法研究•论文摘要:人脸识别技术是由计算机分析人脸图像,从中获取有效的识别信息,以此来辨认身份的一种技术。它涉及到模式识别、图像处理、生理学、心理学以及认知科学等多个领域。可以用于公安系统的罪犯身份识别、身份证核对、银行与海关监控系统、自动门禁系统以及家庭安全等领域。•本文深入分析了当前常用的人脸识别方法,并重点对小波变换与奇异值分解进行了研究并做了大量的实验与工作,探讨了其在人脸识别中的应用与存在的问题,创新性地提出了融合奇异值特性的多分辨率人脸识别方法,主要的工作包括如下:2009年博士入学复试•(1)深入研究了奇异值分解及其优良特性,探讨了其在人脸识别中的特殊应用与存在的问题,在此基础上提出了改进的基于奇异值的人脸识别方法;•(2)由于小波变换的多分辨率特性及其在图像处理领域所表现出的优势,本文研究了基于小波变换与奇异值分解的人脸识别方法,用来解决小样本与光照问题;•(3)由于目前大部分人脸识别方法都是针对人脸的全局特征进行分类识别,本文研究了融合人脸全局与局部特征的人脸识别方法。•(4)在分类识别阶段,大部分分类器的设计都是基于距离的相似度计算,本文尝试了一种新的相似度计算方法即灰色关联相似度计算方法,取得了不错的效果。•实验结果表明,这种组合算法具有速度快、识别率高等特点,测试结果表明在其人脸有偏转、微量表情变化和光照变化的情况下均有较好的识别效果。2009年博士入学复试•研究领域的认识与展望•本人在研究生期间主要研究方向是图像处理与模式识别,随着社会的发展,人们对信息需求不仅局限于语音信号,而是越来越多的信赖于图像信息。为了更好地利用图像信息,我们要对图像进行处理使其达到某种需求,例如对图像加强、锐化、分割等。在模式识别方面,我个人觉得,其重点不在于分类器的设计,而是在于特征的提取,即使有再好的分类器,如果没有好的特征,也得不出好的识别结果来。因此寻找稳定的与有效的特征是模式识别的关键,特别对人脸识别问题是如此。良好的特征应具有可区分性、稳定性和独立性。可区分性是指不同模式类别的特征之间有差别,且差别越大越好;稳定性是指同一模式类别中不同模式的特征应接近,且越接近越好,受随机因素干扰较小;独立性是指是指选择的各特征之间应彼此不相关。2009年博士入学复试•研究领域的认识与展望•在目前,大多数相似度的计算方法都是基于距离的相似度计算,这种相似度计算难免有它的局限性。在模式分类中,特别是相似度计算方面,可以尝试灰色关联分析。灰色关联分析是灰色理论的重要分支,是指事物之间不确定性关联,在具有充分样本参数的前提下,灰色关联分析根据特征因子之间的相似或相异程度来衡量特征因子之间的相似程度。分析的“实质”是比较,灰色关联分析的“实质”是整体的、有参考系的、有测试的比较,可以做统筹全局的、全貌的分析。下面我将对人脸识别问题谈谈我个人的看法:2009年博士入学复试•研究领域的认识与展望•人脸识别因其广泛的应用前景与挑战性,受到国内外专家、学者的高度重视。如今大多数高等院校与企业、公司都有相应的研究。目前人脸识别方法有:经典的PCA方法,特征脸方法,LDA,奇异值分解方法,小波变换方法,HMM,神经网络方法以及一些综合方法等。可以说人脸识别从60年代末研究开始一直现在取得了丰硕的理论成果,但到具体的实际应用还有距离。目前最好的人脸系统在理想环境(注册与认证环境科学、条件比较一致、用户比较配合的情况)下已经能达到令人满意的效果。然而大部分人脸识别系统需要在非理想环境下使用,目前最好的人脸识别系统在这样的环境下识别率下降非常快。2009年博士入学复试•研究领域的认识与展望•我个人认为目前大部分人脸识别方法都是基于二维人脸图像的识别,二维的人脸识别方法以达到成熟,如果在二维的情况下不能很好的解决光照问题,表情、姿态变化和遮挡问题,二维的人脸识别方法很难再有突破性进展。我个人认为将来人脸识别方法很可能向三维的人脸识别方法进展,这是因为三维人脸识别方法考虑到了人脸的深度信息,这样的话可以利用三维信息合成光照不变模型和表情动作模型,在理论上提高识别率与鲁棒性。当然三维人脸识别也面临着挑战,如:三维数据来源、海量存储与计算、对人的生理认识不足等问题。2009年博士入学复试•谢谢!