人脸识别技术在商业活动中的应用与保护

在商业活动中,人脸识别技术呈现出复杂性、大规模应用性等特点,人脸识别技术应用存在信息非法共享、技术缺陷等风险。近年来,人脸识别技术应用问题频发,《关于审理使用人脸识别技术处理个人信息相关民事案件适用法律若干问题的规定 (法释[2021]15号)》的出台,在一定程度上缓解了人脸信息不必要收集问题,但人脸信息的保护仍需进一步完善。文中从54个违规人脸识别的执法案件入手,分析出目前人脸信息保护存在“知情同意规则”践行困难和监管缺位两大问题,并从公权力规制和行业自律两个角度为完善商业活动中的人脸信息保护提出了建议。     

复杂场景下智能人脸识别应用研究

中国是一个人口高密度国家,公共场所大人流量造成了较大的管理压力,单靠传统人脸识别登记系统加上人力配合完成身份验证效率太低,尤其是在复杂场景下,传统识别准确率大大降低,不足以满足安保要求.本文主要面向现阶段复杂下的人脸识别需求,针对“低分辨率设备下的人脸识别”、“异质光源下的人脸识别”、“剧烈人脸图像变化”等问题提出解决方案.     

人脸识别技术应用的现实困境与法律规制路径

<正>近年来,人脸识别技术走入万千大众的生活,人脸识别应用场景不断扩大,伴随而来的争议也日渐增多,戴头盔看房、社区门禁等事件一次次地将人脸识别技术推向公众视野,315晚会曝光的人脸识别摄像头事件更让这项技术于公众眼前全面铺开。目前我国颁布了诸多个人信息保护以及人脸识别技术应用的指导性立法,并开展行政层面上的相应举措,但对于法条的可操作性及行政治理的有效性还十分欠缺,本文分析人脸识别技术在应用、技术风险、立法以及司法等方面的现状,并基于此提出关乎技术救济、立法衔接、行政监管等方面的关键问题,最后结合域外经验系统提出改进措施,     

用于人脸识别的下颌轮廓线分类方法

研究了下颌轮廓线的分类方法,并通过下颌轮廓线分类改进人脸识别系统人脸识别系统的性能.将下颌作为人脸识别的新特征,并综合其他特征进行人脸分类,可以提高人脸识别的识别率;同时,人脸数据库根据下颌的类属分类,可以提高识别速度.通过对下颌轮廓线进行主元分析得到下颌的（PCA）特征字串,并用K mean自动聚类方法和两类划分进行了下颌轮廓线分类的尝试.实验结果表明,这种方法在人脸识别系统中取得了较好的应用,识别率和识别速度都有明显提高.     

网络安全标准助力人脸识别规范应用

围绕人脸识别技术应用与发展带来的安全风险与后疫情时代的遗留安全问题,结合GB/T 41819—2022《信息安全技术人脸识别数据安全要求》及相关基础性安全标准,阐释网络安全国家标准在规范人脸识别应用、保障人脸识别安全方面起到的重大推动作用,探讨人脸识别标准化工作发展方向,为后续人脸识别研究和标准化工作提供参考。     

人脸识别技术在安全保卫工作中的应用及发展趋势研究

人脸识别技术作为一种新兴的生物特征识别技术,与其他生物特征识别技术相比,可以非接触式远距离采集生物特征,数据获取更加自然、直接、便捷。人脸识别技术在公共安全、经济文化保卫、人机交互等领域具有广泛的应用前景,在研究和应用方面得到长足的发展。人脸识别技术安保领域中主要有2种类型的应用,即静态人脸比对识别和动态人脸监控识别。动态识别技术可应用于车站、机场、地铁等重点场所和人群密集公共场所以及学校、医院等企事业单位出入口等多种治安、安保、安防、反伪等领域。静态人脸识别搜索比对是指静态人脸照片与人脸数据库比对,进行人的身份搜索和身份管理,主要应用在治安和户籍管理、身份核查、内保等方面。文章对人脸识别技术在安全保卫工作中的应用及发展趋势进行了研究。     

用于大库人脸识别的脸型分类研究

提出了一种基于”分集”的人脸识别方法,该方法在人脸识别前加入脸型预分类环节,将一个大规模的人脸数据库分解为依脸型分类的若干个子库。这样做一方面可通过分集降低后续识别处理的数据量,提高人脸识别的速度,另一方面可利用脸型特征对候选人脸集合进行粗筛选,降低系统的错误接受率。为了实现脸型分类,进一步提出了一种基于人体测量学的分类方法,即首先借助AAM技术提取脸部特征点,然后在此基础上计算面型指数,并由此实现对脸型的分类。对较大规模的人脸数据库所进行的实验结果表明,所提出的方法可有效提高人脸识别系统的识别率和识别速度。     

基于加权多核学习的FLDA在人脸识别中的应用

模式识别技术的应用及研究表明,单核学习在人脸识别中的应用已经很成熟,但是,在单核学习中分类的效果并不是很好。基于此,提出了一种多核构造方法,即基于加权多核学习的FLDA方法(WMKL-FLDA),通过一系列带有权值约束的基本内核线性组合构建内核,并且利用权值优化迭代方案对最大边缘准则(MMC)进行优化。在FERET及CMU PIE人脸数据库上的实验表明,与以往的单核FLDA方法相比,提出的多核学习方法不仅实现了更高的识别性能,在构造内核方面也放松了参数的选择要求。     

光照不均人脸图像的子空间人脸识别方法研究

针对人脸识别中存在的光照不均匀问题,提出了一种预处理链技术,能达到很好的光照补偿效果。为了提高多姿态、多表情、多细节人脸图像的人脸识别率,设计了一种将最近邻分类器与支持向量机相结合的分类算法(NN-SVM),基于该分类算法提出了一种基于Gabor变换和NN-SVM的子空间人脸识别方法。在FERET和ORL两大人脸数据库中对所提方法进行性能评估,实验结果表明所提出方法能有效地解决人脸识别中光照不均匀问题,大大提高人脸识别率,而且相比其他现有的人脸识别方法,所设计的方法具有更好、更稳定的识别效果。     

人脸识别技术综述

文章首先对人脸识别技术进行了介绍，其次回顾了人脸识别研究的发展历程及识别方法的基本分类，然后对当前主流的人脸识别方法展开了详细的论述，最后提出了人脸识别技术面临的问题及研究方向。     

5G无人机泛低空覆盖组网关键技术研究

随着5G行业应用的广泛拓展,“5G+无人机”的应用也已深入社会治理、经济发展、服务民生等方方面面。中国电信股份有限公司江苏分公司严格落实国家“十四五”发展战略中建设“高速泛在、天地一体、云网融合、智能敏捷、绿色低碳、安全可控”的智能化综合性数字信息基础设施的要求,充分发挥中国电信云网融合优势,积极开展5G无人机泛低空覆盖组网研究,自主打造5G泛低空天地一体化网络体系,实现5G网联无人机在“发展低空经济,提高治理水平,防范重大风险,增强应急能力,服务社会民生”等方面的巨大经济效益和社会效益。     

人脸识别信息保护的场景化分析——以《个人信息保护法》为观察视角

人脸识别技术在数字化时代被广泛运用。由于人脸识别信息包含可识别的工具属性和权利上的个人、公共双重属性，人脸识别信息存在被泄露、不当使用的潜在风险。这不但对个人权益造成严重威胁，而且将破坏社会秩序。通过分析发现，人脸识别信息的运用涉及不同场景、多元主体利益，存在不同强度的风险，而运用场景化分析框架能够对相关风险进行针对性预防和规制。因此，有必要以信息处理目的、主体、方式、场合4要素确定价值位阶标准，并从利益平衡角度进行场景分类探讨，分为优先保障重大公共利益、实现一般公共利益与群体利益的动态平衡、充分保护个人利益3个场景，进而为保护人脸识别信息提供有益思考。     

综合图像灰度熵和灰度值的人脸识别方法

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸识别方法,在信息论的编码熵的基础上提出了灰度熵的概念,并把人脸图像的行象素灰度熵和列象素灰度熵作为人脸图像的部分特征.在人脸识别系统中,把人脸图像灰度值和行（与列）象素灰度熵作为特征.在具体操作方面,基于人脸图像的不同部位具有识别的不同重要性的特点,采取隔行（列）或逐行（列）进行特征提取,来训练支持向量机分类模型,然后把分类模型应用于人脸识别系统,实验证明了误识率并没有上升太多,而识别速度提升不少.     

多姿态、光照不均人脸图像的子空间人脸识别方法研究

针对人脸识别中存在的光照不均匀问题,提出了一种预处理链技术,能达到很好的光照补偿效果。为了提高多姿态、多表情、多细节人脸图像的人脸识别率,设计了一种将最近邻分类器与支持向量机相结合的分类算法（NN-SVM）,基于该分类算法提出了一种基于Gabor变换和NN-SVM的子空间人脸识别方法。在FERET和ORL两大人脸数据库中对所提方法进行性能评估,实验结果表明所提出方法能有效的解决人脸识别中光照不均匀问题,大大的提高人脸识别率,而且相比其他现存的人脸识别方法,所设计的方法具有更好、更稳定的识别效果。     

基于离散余弦变换和稀疏表示的人脸识别

传统的基于稀疏表示的人脸识别方法是基于人脸的整体特征的,这类方法要求每位测试者的人脸图像要有足够多幅,而且特征维度高,计算复杂,针对这一问题,提出一种基于离散余弦变换和稀疏表示的人脸识别方法,对人脸图像进行分块采样,对采样样本使用离散余弦变换和稀疏分解,然后使用一种类似于词袋的方法得到整幅图像的特征向量,最后使用相似度比较的方法进行分类识别。实验表明,在此提出的方法比传统的基于稀疏表示的人脸识别方法在训练样本较少时效果更好。     

微小区域室内信号覆盖技术浅析

为了研究微小区域室内无线通信覆盖的解决方案,采用分类描述和对比的方法,通过对RRU、Femtocell和微型直放站三种技术的特点进行分析,从实现方式、建设成本、使用环境以及对网络质量的影响等方面比较了这三种技术的综合性能,并给出了根据不同应用场景和要求的技术选择建议。     

基于分区选择和Gabor小波的遮挡人脸识别

局部遮挡人脸识别是人脸识别应用中的一个难点问题.由于遮挡部分对人脸识别没有贡献,因此在进行分类时应排除这些部分.为了解决这一问题,提出一种将分区选择和Gabor小波相结合的遮挡人脸识别方法.首先,将图像分为互不相连的子块,根据图像均方根误差来确定人脸图像中的遮挡区域;其次,利用5尺度8方向的Gabor滤波器对未遮挡分区图像提取特征;然后,用余弦相似度作为纹理分类器对提取的特征进行识别分类;最后,将测试图像中未遮挡分区的识别结果进行决策融合,得到最终分类结果、统计识别正确率等评级指标.在包含不同遮挡的数据集中测试算法性能,识别准确率均达到95%以上.     

基于神经网络的智能垃圾分类软件设计分析

生活垃圾的分类较多,传统依靠人工管理的方式费时费力,并且在辨识方面具有一定的难度。目前,基于卷积神经网络的图像目标识别算法已经在人脸识别、自动驾驶等多个领域成功应用。为了提高垃圾的分类效率,可以应用相关算法,通过智能分类软件的使用,确保垃圾分类的合理性。基于此,本文将从垃圾识别、生活百科、分享反馈、数据存储、网络模型、...     

基于单演主方向中心对称局部二值模式的单样本人脸识别

本文针对单样本情况下传统人脸识别方法在姿态、表情和光照等变化下识别效果不佳的问题,提出一种基于单演主方向中心对称局部二值模式的单样本人脸识别模式的单样本人脸识别算法.首先用多尺度的单演滤波器提取人脸图像单演局部幅值和局部方向信息,并求取主方向,生成主方向模式图;然后用CS-LBP算子进行编码,得到特征;最后对不同单演尺度空间中的特征分块统计特征直方图并运用直方图相交进行分类识别.在AR、Extend Yale B人脸数据库的实验结果表明,该算法简单有效,对光照、表情、部分遮挡变化具有较好的鲁棒性.     

深度学习及其在人脸识别中的应用进展

深度学习是目前受到广泛关注的机器学习方法。通过构建深度神经网络且使用深度学习算法学习适合模式识别和分类的高层次特征是目前模式识别领域热门研究方向,特别是在人脸识别领域已经取得了目前最好的成果。文章首先介绍了深度学习概述,然后分析了基于深度学习的人脸识别方法及识别模型并对识别模型进行了分类。最后讨论了应用深度学习进行人脸识别还存在的问题。该文拟对将深度学习应用于人脸识别的研究人员有所帮助。