基于肤色模型、神经网络和人脸结构模型的平面旋转人脸检测

人脸检测是智能人机接口的关键技术之一,它在人脸识别、表情识别、人脸合成和人脸编码等领域具有重要的应用价值.该文针对复杂背景下的彩色图像,提出了一种基于肤色模型、人脸平面旋转角度检测和正面人脸结构特征的人脸检测算法.该方法首先建立了一个人脸肤色分布模型;其次采用神经网络计算和瞳孔定位操作,实现了由粗到精的人脸平面旋转角检测;最后提出了一种基于结构的正面人脸检测策略.实验结果表明,所提出的算法能够适应不同的光照环境,可以检测不同大小、不同平面旋转角的人脸.     

基于肤色模型、神经网络和人脸结构模型和平面旋转人脸检测

人脸检测是智能人机接口的关键技术之一,它在人脸识别、表情识别、人脸合成和人脸编码等领域具有重要的应用价值,该文针对复杂背景下的彩色图像,提出了一种基于肤色模型,人脸平面旋转角度检测和正面人脸结构特征的人脸检测算法,该方法首先建立了一个人脸肤色分布模型,其次采用神经网络计算和瞳孔定位操作,实现了由粗到精的人脸平面旋转角检测,最后提出了一种基于结构的正面人脸检测策略,实验结果表明,所提出的算法能够适应不同的光照环境,可以检测不同大小,不同平面旋转角的人脸。     

一种基于MTCNN和MobileFaceNet人脸检测及识别方法

随着智能设备的飞速发展,人脸检测技术在安保方面、金融方面等得到了广泛的应用。该文设计一种基于MTCNN和MobileFaceNet算法的人脸检测及识别系统。通过MTCNN算法输出人脸候选框及面部特征关键点坐标,MobileFaceNet算法根据MTCNN输出的人脸面部特征点进行识别判断,最后基于小视科技的静默活体检测算法,对移动人脸进行检测,最终实现活体检测。实验中人脸识别分数阈值设置为0.4,活体检测置信度设置为0.89,误检率较低,满足设计需求。     

人脸识别算法在考勤系统的应用

深度学习与大数据技术的相遇,促使人脸识别技术在精度上已经达到很高水平,然而在实际应用场景中,尤其在复杂背景、移动中以及自然状态下的人脸识别,还没有达到令人满意的效果.针对人脸识别在考勤应用中的问题进行算法设计与改进,提出递归最小窗口算法,对M:N多人脸识别场景下人脸跟踪算法进行优化设计,通过多角度采样提高识别精度和识别鲁棒性,并在人脸考勤系统中进行应用实现与验证,取得多人同步3 s内完成考勤的成绩,在用户体验上获得了较明显的提升.     

基于YOLOv3的实时性戴口罩人脸检测系统设计

人脸识别技术是如今最热门的领域之一,在新冠肺炎疫情的特殊情况下,出门佩戴口罩是大家共同的责任.为了实现对戴口罩人脸的实时性检测,本文提出了基于YOLOv3的戴口罩人脸识别算法,使用YOLOv3算法来提高识别速度,在OpenCV环境下捕获并识别目标图像.本文对系统进行了实验验证,筛选准确率达到95.5％,动态检测速度高达...     

彩色图像中纯脸检测与定位的优化算法研究

人脸识别是当前模式识别应用的一个重要领域.在理解当前广泛使用的各种人脸识别算法的基础上,提出了一种基于多方法融合的彩色图像纯脸检测与定位的优化算法.该算法首先通过肤色检测及预处理技术缩小彩色图像人脸检测的搜索区域,然后应用基于物体区域方向的检测平面内任意旋转角度人脸计算方法;并通过二次计算旋转角度的方法来准确确定人脸区域的旋转角度;最后利用积分投影函数找到人脸候选区域中双眼的位置,结合人脸特征在人脸中的比例关系准确确定纯脸的位置.该算法还考虑了人脸侧偏时的情况.实验表明,本方法对平面内任意旋转及双眼存在的侧偏人脸有较好的检测效果,对不同光照条件有较好的鲁棒性.     

人脸检测方法研究

人脸检测与识别技术是模式识别与机器视觉领域最具挑战性的研究课题之一。近年来出现了大量的人脸检测算法,但由于光照、表情等原因的影响,从实用化角度考虑寻找一种简单快速的检测算法还是比较困难的。本文基于国内外文献,阐述了现有的人脸检测算法,分析了以上各种算法在人脸检测中的发展状况及其优缺点。     

基于动态图像的人脸检测与分割与识别性能的提高

图像的摄制过程决定了人脸图像识别系统必须面对不同的光照条件、视角、距离变化等视觉问题,尤其是在用户不配合、非理想采集条件下,这些成像因素都会极大影响人脸图像的表观,从而使得识别性能欠稳定。笔者研究设计了一个确实可行的基于动态图像的人脸识别系统,本文阐述了研究的关键问题及研究思路,并对其中的人脸检测与分割环节、人脸识别环节的研究步骤和算法进行了深入探讨。     

深度人脸识别的光照分析

光照是影响人脸识别效果的重要因素,针对当前人脸数据建库技术构建满足光照分析需求的数据库难度较大的问题,开展基于三维人脸模型的深度人脸识别光照分析研究.首先,借助三维人脸模型,根据人脸基图像表示理论提出一种对应任意光照的人脸图像生成方法,用于构建光照分析所需的人脸图像库;然后,利用构建的多光照人脸图像库分析不同光照采样方案对人脸识别模型性能的影响,探索建库所需的最优光照采样方案;最后,借助虚拟数据具有准确光照标注的优势,基于多任务学习框架测试不同光照标注方法对识别网络训练效果的影响,进一步提高深度人脸识别网络对光照变化的鲁棒性.通过在虚拟数据和真实数据上开展的不同光照采样方案及标注方法对人脸识别模型性能影响的实验得出,使用适量基图像光照构建数据库是一种有效的光照采样方案,而准确的光照标注可进一步提升人脸识别率,对应的识别模型在具备极端光照的测试集上的人脸识别率可达98%以上.该研究提高了深度人脸识别模型的性能,为构建人脸图像库的光照采样策略和光照标注方法提供了依据.     

回归树算法在嵌入式人脸置换的应用

已有的人脸识别算法虽有较好的效果,但对于嵌入式应用不都适用。针对终端人脸置换场景,提出使用迭代的方式来减少因光线等原因无法得到标准图像的状况。同时使用回归树的方法对图像的局部特征进行拟合以提高其识别速度,并在此基础上使用普氏分析等图像处理技术对图像的颜色平衡进行校正。在平衡效率的前提下,针对移动设备使用胶水语言Python进行模拟实现该算法,实现准确快速的人脸置换。实验表明,该方法在提高检测效率的同时,降低了对人脸的误判率并为高复杂度算法在移动终端的应用提供了借鉴。     

人脸活体检测综述

人脸识别系统往往面临着各类人脸欺诈攻击,如打印相片、屏幕播放和3维面具等。如何区分真实人脸与虚假人脸,亦称人脸活体检测,对于人脸识别系统的安全具有十分重要的意义。近年来,已有大量人脸活体检测方法相继提出,部分已经成功获得实际应用。本文对人脸活体检测技术进行了全面的梳理回顾,包括硬件方案、算法、数据集、技术标准以及业界实际应用情况。最后,进行了总结与展望。整体而言,基于多模态数据,采取先验知识启发的深度学习方法目前能获得占优的人脸活体验证精度。随着人脸欺诈攻击方式的不断升级变更,面向未知类型攻击的人脸活体检测研究愈加重要,此外,新型的传感硬件方案也值得鼓励探讨。     

基于活体检测和身份认证的人脸识别安防系统

人脸识别由于其便捷性和实用性而被广泛应用于各种门禁等场合,但容易受到多种形式的欺骗攻击（如照片攻击和视频攻击）。基于深度卷积神经网络（CNN）的活体检测虽然能够解决以上问题,但是却存在计算量大、对用户不友好以及难以部署于嵌入式系统等缺点,因此提出了一种实时的轻量级的人脸识别安全分类方法。通过将基于色彩纹理分析的人脸活体检测算法与人脸认证算法相融合,提出了一种在无需用户配合的单目摄像头场景下进行人脸活体检测和人脸验证的人脸识别算法。该算法支持实时人脸识别,具有更高的活体检测识别率与鲁棒性。为了验证该算法的性能,以CASIA-FASD和Replay-Attack作为实验的基准数据集,结果表明在活体检测中该算法的半错误率（HTER）为9.7%,等错误率（EER）为5.5%,而且在整个流程中处理1帧图像所需时间为0.12 s,验证了该算法的可行性和有效性。     

高安全性人脸识别系统中的唇语识别算法研究

针对目前人脸识别系统面临的图片和视频攻击,构建了一种将人脸识别与口令密码相结合,并采用唇语识别技术进行活体检测的高安全性身份认证系统。首先由于汉语唇语数据的缺少,建立了CNLIP1和CNLIP2两个较大的汉语唇语数据库;其次,为了保留唇语的时序性,采用堆叠卷积独立子空间分析（ISA）深度神经网络模型来实现唇动时序特征的提取;最后提出使用迁移学习算法来训练特定人唇语识别模型。实验证明,唇动时序特征能更好的表征出数字串唇语,迁移学习训练的特定人唇语模型能够满足活体检测的需要,所构建的高安全性人脸识别系统具有较好的防攻击效果。     

基于近红外与可见光双目视觉的活体人脸检测方法

针对人脸识别系统易受伪造攻击的问题,提出了一种基于近红外与可见光双目视觉的活体人脸检测方法。首先,采用近红外与可见光双目装置同步获取人脸图像,提取两图像的人脸特征点,利用双目关系实现特征点的匹配并获取其深度信息,再利用深度信息进行三维点云重建;然后,将全部人脸特征点划分为四个区域,计算各区域内人脸特征点在深度方向的平均方差;接着,选取人脸关键特征点,以鼻尖点为参照点,计算鼻尖点到人脸关键特征点之间的空间距离;最后,利用人脸特征点的深度值方差和空间距离来构造特征向量,使用支持向量机（SVM）实现活体人脸判断。实验结果表明,所提方法能够准确检测活体人脸以及有效抵御伪造人脸的攻击,在实验测试中达到99.0%的识别率,在准确性和鲁棒性上优于利用人脸特征点深度信息进行检测的同类算法。     

基于人脸的活体检测系统

人脸识别技术由于其成本低、用户友好、效率高等特点被广泛应用,同时也出现了针对人脸识别的身份伪造攻击,主要包括照片人脸攻击、视频人脸攻击、三维人脸模型攻击等方式,对于这些攻击方式的防范方法都是围绕着基于人脸的活体检测这个中点进行展开. 本文着重研究的活体检测方法为眨眼检测与背景分析算法,通过区域增长算法进行人眼定位、形态学操作进行人眼张合判断、感知Hash 算法进行背景差异对比,构造出一个复合的活体检测系统. 基于复合的眨眼检测与背景分析算法,本文设计了一个包含眨眼检测模块与背景分析模块的活体检测系统,使用OpenCV2.4.9 与vs2012 的MFC 架构实现了一个可以抵御照片攻击与视频攻击的活体检测系统,并对系统进行实验与评估,在与其它同类型的系统进行比较的结果来看,本文实现的系统性能表现优异.     

基于活体检测和身份认证的人脸识别安防系统

人脸识别由于其便捷性和实用性而被广泛应用于各种门禁等场合，但容易受到多种形式的欺骗攻击（如照片攻击和视频攻击）。基于深度卷积神经网络（CNN）的活体检测虽然能够解决以上问题，但是却存在计算量大、对用户不友好以及难以部署于嵌入式系统等缺点，因此提出了一种实时的轻量级的人脸识别安全分类方法。通过将基于色彩纹理分析的人脸活体检测算法与人脸认证算法相融合，提出了一种在无需用户配合的单目摄像头场景下进行人脸活体检测和人脸验证的人脸识别算法。该算法支持实时人脸识别，具有更高的活体检测识别率与鲁棒性。为了验证该算法的性能，以CASIA-FASD和Replay-Attack作为实验的基准数据集，结果表明在活体检测中该算法的半错误率（HTER）为9.7%，等错误率（EER）为5.5%，而且在整个流程中处理1帧图像所需时间为0.12 s，验证了该算法的可行性和有效性。     

基于教室监控视频的学生位置检测和人脸图像捕获算法

实现一个基于课堂监控视频的学生位置检测和学生人脸图像获取系统。本系统由一个定焦全景摄像机和一个PTZ(平移(Pan)、倾斜(Tilt)、变焦(Zoom))摄像机组成。首先利用全景摄像机获得教室全景图像，针对实际课堂环境中的光线突变，提出基于帧间差的异常光线排除算法，实现异常光线监测和动态空教室图像检测与存储；使用HR网络结构对全景图像进行人脸检测，得到人脸检测框集合；针对非约束环境中学生因姿势变化和人脸遮挡、全景图像分辨率低等因素引起人脸信息缺失而导致人脸检测漏检问题，提出基于人体头肩特征的加权运动目标检测算法，得到目标检测框，提高人脸信息缺失的学生位置检测率；针对多种检测框的大量冗余，提出多种检测框加权融合算法，有效减少检测框的重复，得到学生人物检测框集合。然后，将学生人物检测框包含的位置信息传递至PTZ摄像机控制子系统，使PTZ逐个聚焦目标学生，捕获到清晰的学生人脸图像，为后续的人脸识别提供高质量的图像。     

基于学生人体检测的无感知课堂考勤方法

针对基于人脸识别的课堂考勤系统漏检和低识别率的问题，采用主、从双摄像机设备，提出一种联合学生人体检测和人脸角度筛选的方法。首先通过Mask R-CNN算法检测主摄像机拍摄图中的学生人体位置；然后控制从摄像机（PTZ相机）依次获取每位学生的高质量放大图像；再通过MTCNN算法和FSA-Net算法从中检测并识别出人脸姿态，筛选出每位学生的正脸图像；最后对筛选出的学生正脸图像使用FaceNet算法提取人脸特征，用于支持向量机（SVM）分类器的训练或识别。实验结果表明，与Tiny-face算法相比，人体检测算法在重叠比（IOU）为0.75时平均精度（AP）值提高了约36%且检测耗时减少了57%；与建立多姿态人脸数据库的方法相比，采用人脸角度筛选的方法使识别率提高了4%；多数情况下整个课堂学生识别的准确率接近100%。所提方法简化了学生注册过程，提高了人脸识别率，为解决人脸漏检问题提供了新的思路。     

基于学生人体检测的无感知课堂考勤方法

针对基于人脸识别的课堂考勤系统漏检和低识别率的问题,采用主、从双摄像机设备,提出一种联合学生人体检测和人脸角度筛选的方法。首先通过Mask R-CNN算法检测主摄像机拍摄图中的学生人体位置;然后控制从摄像机（PTZ相机）依次获取每位学生的高质量放大图像;再通过MTCNN算法和FSA-Net算法从中检测并识别出人脸姿态,筛选出每位学生的正脸图像;最后对筛选出的学生正脸图像使用FaceNet算法提取人脸特征,用于支持向量机（SVM）分类器的训练或识别。实验结果表明,与Tiny-face算法相比,人体检测算法在重叠比（IOU）为0.75时平均精度（AP）值提高了约36%且检测耗时减少了57%;与建立多姿态人脸数据库的方法相比,采用人脸角度筛选的方法使识别率提高了4%;多数情况下整个课堂学生识别的准确率接近100%。所提方法简化了学生注册过程,提高了人脸识别率,为解决人脸漏检问题提供了新的思路。     

视频中多线索的人脸特征检测与跟踪

针对目前的人脸特征检测与跟踪算法存在的对环境适应能力差、缺乏自我检错能力的缺点，该文提出了一种多线索综合的新方法，多线索中包括基于深度信息的人脸区域粗分割，基于多关联模板匹配的人脸检测，利用多尺度Sobel卷积的特征提取，基于“特征眼”的人眼验证以及基于多视图的校验方法，多种线索互相补充，自我检错和纠错，对背景，光照及姿态变化具有较强的适应能力，实验表明该方法是有效的，鲁棒的。