基于改进YOLOv5的人脸检测算法

随着计算机视觉行业的不断发展，基于卷积神经网络的目标检测算法也受到了研究人员的重视。针对传统的YOLOv5目标检测算法中的边界框回归损失函数GIOU存在当检测框与真实框呈包含的状态时会退化到传统IOU损失函数，以及当检测框和真实框相交时在垂直和水平两个方向上存在收敛速度慢的问题，提出一种改进的YOLOv5目标检测算法。在传统YOLOv5的基准网络中添加注意力机制，然后在边界框回归损失函数中引入真实框与预测框中心的欧式距离计算预测损失，并分别计算预测框与真实框之间的纵横比作为惩罚项以达到提高回归精度以及加快收敛速度的目的，最后将改进后的YOLOv5目标检测模型应用于人脸检测进行验证。实验利用wideface人脸数据集训练，训练结果表明改进的YOLOv5目标检测算法训练中的损失只有0.013，较传统的YOLOv5目标检测算法损失减少约13.33%，准确率达到82.28%，较传统的YOLOv5目标检测算法提高2.6%。实验表明该目标检测算法能很好的应用于人脸检测中。     

基于IPTV全样本大数据的个人收视率方案

本文介绍了IPTV大样本个人收视率的计算过程,同时提出了一种计算全样本的个人收视率的创新方案.     

住建部和工信部规范绿色建材评价标识管理

<正>住房和城乡建设部、工业和信息化部日前发布的《绿色建材评价标识管理办法》(以下简称《办法》)明确,绿色建材评价标识由低至高分为一星级、二星级和三星级3个等级,有效期为3年,不得转让、伪造或假冒。出现影响环境的恶性事件和重大质量事故等情况的企业,标识将被撤销,两年内不得再次申请。《办法》指出,住房和城乡建设部、工业和信息化部负责三星级绿色建材的评价标识管理工作,省级住房和城乡建设、工业和信息化主管部门负责本地区一星     

防范跨站请求伪造 CSRF

CSRF是Cross Site Request Forgery的缩写，乍一看和XSS差不多的样予，但是其原理正好相反，XSS是利用合法用户获取其信启、而CSRF是伪造成合法用户发起请求。     

智能移动人脸辨识系统——跟我走机器人

本文以发展具有人脸辨识和运动跟踪功能的智能机器人为目标.机器人的名称为"跟我走机器人".它能够根据人脸辨识的结果,判断用户的身份,并跟随该用户.系统的开发建基于英特尔XScale PXA270微处理器平台、Linux操作系统和QT/Embedded图形使用者接口.为了建构一个智能机器人,我们在系统上加入了基于弹性图匹配(EBGM)的人脸辨识程序,运用了块匹配算法的运动跟踪功能.系统提供了简易的用户介面,方便管理和下达指令."跟我走机器人"除了应用于娱乐外,亦可胜任各种工业应用.     

静态图像下的人脸检测技术研究

随着科技的不断发展,人脸识别技术现在已经取得了长足的进步,最早的研究可追溯到1965年陈(Chan)和布莱索(Bledsoe)在Panoramic Research Inc.发表的技术报告,至今已有四十多年的历史.目前人脸识别技术在安防领域发挥着巨大的作用.对现有主要的人脸检测技术做一个大致的介绍和比较.     

基于分类与回归混合模型的人脸年龄估计方法

针对现有人脸年龄数据库样本数量少、各年龄段分布不均匀的问题,提出了一种基于分类与回归混合模型的人脸年龄估计方法。该方法主要包含两个方面：特征学习和估计模式。在特征学习方面,利用已有的深度卷积神经网络（CNN）,先在粗糙年龄标注数据集上预训练,再在现有的精确年龄标注数据库上微调,分别得到一个年龄段判别模型和两个年龄估计模型;在估计模式方面,该方法采用由粗到细的策略：首先,将人脸分入青少年、中年、老年和两个重叠区域这五个年龄段;然后,对于青少年和老年采用分类模型估计,对于中年采用回归模型估计,对于重叠区域采用两个模型估计的均值。所提方法在测试集上的平均绝对误差（MAE）为2.56。实验结果表明该方法受不同肤色和性别的影响较小,有较低的误差。     

基于Adaboost算法的人脸检测技术的研究与实现

人脸检测是人脸识别技术的基础,首先提出人脸检测系统的构成,分析Adaboost算法对图像进行人脸检测的基本原理。根据Adaboost算法形成了简单的矩形特征作为人脸特征,即Haar-like特征,然后由多个Haar-like特征相当于一个弱分类器,由多个弱分类器级联成为一个强的分类器,并将级联分类器用于动态人脸检测中,从截取的每一帧图像中进行检测。经过实验验证,采用这种方法和步骤进行人脸检测达到了比较好的精度和速度,N-I~T来的人脸识别提供了前提条件。     

改进的用于人脸对准的多尺度ASM方法

针对传统的Active Shape Model(ASM)方法的缺陷与不足,提出了几点改进的方法。传统的ASM方法很难在每个特征点上都得到比较准确的结果,并且,传统的ASM方法的匹配结果受初值的影响非常大。根据人脸的结构特征,把ASM的匹配过程和人脸的部件定位信息以及人脸的边缘信息等相结合,有效地改善了ASM方法的性能。实验结果表明,改进的ASM方法在准确性和鲁棒性上有较大提高。