关于检测专注度的人脸识别综述

人脸表情是情绪最明显的表现方式,在人脸识别技术中,常摄像镜头采集不同的人脸图像,如位置、表情、静态以及动态等。其中,图像大小、分辨率、光照环境、模糊度、采集角度以及遮挡程度等均为影响采集效果的重要因素。随着科学技术的飞速发展,基于人脸识别技术在专注度检测中起到越来越重要的作用。文章主要介绍了当前主流的专注度识别方法,阐述了多种基于人脸表情识别的专注度检测方法和基于行为姿态的专注度检测方法,最后对专注度识别的发展趋势进行了探讨,以期为后来者对该领域的研究提供参考。     

基于多通道特征的人脸检测

人脸检测技术作为计算机视觉与人机交互领域一项基础技术。近十多年来,人脸检测技术取得的迅猛发展主要归功于Paul Viola与Michael Jones提出的基于提升方法和级联结构的快速人脸检测算法。随着应用场景越来越复杂,人脸检测面临的挑战也愈发严峻,传统的检测算法已经无法满足目前的应用需求。针对这一问题,从特征提取的角度入手,提出了一种适用于人脸检测、计算快速、表达能力强的特征表示———多通道特征,并对Viola－Jones框架中的学习算法进行了改进以进一步提升分类器的学习效率和分类性能。提出的多视角人脸检测算法在权威人脸检测测试集AFW上取得了优异的检测性能,并且在VGA图片上达到62帧／秒的检测速度。实验表明该算法能够满足各类复杂场景的人脸检测需求,具有一定的实际应用价值。     

基于深度学习的自然场景文本检测综述

基于深度学习的自然场景文本检测技术已成为计算机视觉和自然语言处理领域的重要研究方向,不仅具有广泛的应用前景,而且也为研究人员提供了一个探索神经网络模型和算法的新平台。首先,介绍自然场景文本检测技术的相关概念、研究背景和发展现状。接着,分析近年来基于深度学习的文本检测方法并将其分为基于检测框、基于分割、基于两者混合、其他4类,阐述4类经典和主流方法的基本思路和主要算法流程,归纳总结不同方法的使用机制、适用场景、优劣点及仿真实验结果和环境设置,明确不同方法之间的关联关系。然后,介绍自然场景文本检测的常用公共数据集和文本检测性能评估方法。最后,指出基于深度学习的自然场景文本检测技术目前所面临的主要挑战并对其未来发展方向进行展望。     

基于SURF算法和OpenCV的人脸特征检测技术研究

人脸检测和人脸跟踪技术已成为计算机视觉领域研究的热点。针对SURF算法的优点,首先将SURF算法应用于人脸特征检测与跟踪,阐述了人脸跟踪系统设计方法,首先使用OpenCV技术实现了基于SURF算法的人脸特征跟踪系统。实验结果表明,基于SURF算法和OpenCV技术的人脸跟踪系统匹配识别效果和实时性较好,对人脸旋转、尺寸变化和环境光照变化具有较好鲁棒性。     

基于ArcFace的自然场景人脸识别系统设计及改进

文中设计了一种基于ArcFace的自然场景人脸识别系统,针对系统小人脸识别准确率不高、环境自适应能力不强的局限性,提出了改进方法。系统采用快速人脸图像增强算法对自然场景视觉模糊的人脸图像进行视觉增强,然后通过融合PFLD与YOLOv3人脸关键点检测的方法,改进系统对小人脸的检测性能。实验结果显示,改进的方法有效提高了系统识别的准确率,降低了误识率,系统平均播放帧率约为23帧/s。     

基于情感建模的教学辅助系统的研究*

设计了一个以情感交互为核心的人性化的教学辅助系统.该系统综合了情感计算、计算机图形图像技术和移动Agent技术.系统以心理学和人工心理理论为基础构建了情感认知模型,定义了情绪空间、基本情绪和基本学习心理状态,并建立了基本情绪和基本学习心理状态与情绪空间的映射关系.通过情感认知模型对识别表情的处理,得到学生的学习心理状态及状态评价值.采用基于图像处理的人脸检测、表情识别和姿态识别方法编程实现了教学辅助系统.     

基于面部表情的学生课堂专注度评价研究

本文将表情识别技术应用于课堂教学,建立了一个基于面部表情的学生课堂专注度评价系统,可以给教师提供更加准确和实时的教学评价。首先使用局部二值模式（Local binary patterns,LBP）和局部相位量化（Local Phase Quantization,LPQ）提取图像特征,其次将其融合成为一个新特征并送入支持向量机（Support Vector Machine,SVM）分类器进行表情识别,最后计算专注度得分,并进行学生课堂专注度评价。通过实验,实验结果证明使用该算法进行学生课堂专注度评价是相对可行的,可以为教师的教学评价提供一个客观公正的依据。     

基于人脸检测与跟踪的广告效果评估系统

公共场所各种广告对商品的宣传至关重要,但对广告效果的评价则缺乏有效的自动分析手段.针对这一问题提出一种基于计算机视觉处理的广告效果评价系统.该系统通过采集广告前方人群运动场景的视频,检测并跟踪视频中关注广告的人脸,记录其关注时间,并根据关注者数量、关注时间、关注模式分析等,对该广告的受众反馈进行量化评价.人脸检测采用AdaBoost分类器,人脸跟踪采用粒子滤波器.人脸检测与跟踪相互补充和修正,提高了人脸跟踪的可靠性.实验结果验证了该方法的有效性.     

基于SURF算法的人脸跟踪技术研究

人脸检测与跟踪技术是计算机视觉领域研究课题之一,在军事及民用领域应用广泛.在目标检测算法中,基于特征的方法具有压缩信息量、执行速度快、精度高等优点,成为近年来目标检测领域的研究热点.SIFT算法便是其中之一,但传统的SIFT算法应用于人脸检测过程中有数据量大、计算耗时长,提出了一种基于SURF算法的人脸检测方法,阐述了SURF算法的基本原理,并首先将SURF算法应用于人脸特征检测与跟踪,阐述了人脸跟踪系统设计方法,使用OpenCV技术实现了基于SURF算法的人脸跟踪验证系统.试验结果表明,基于SURF算法的人脸跟踪系统匹配识别效果较好,实时性较好、具有较好鲁棒性.     

人脸检测技术的研究现状与展望

人脸检测是人脸识别系统中的关键的第一步,也是计算机视觉和模式识别研究领域的热点.本文首先对目前人脸检测技术的现状进行了分析比较,最后,提出了关于人脸检测技术的进一步发展方向.     

一种专注度培养系统的设计与实现

新冠肺炎疫情爆发后,远程教育由于其独特优势而逐渐成为热潮。但由于缺乏监管,学生学习专注度下降的问题突出。为提高远程教育的质量,运用计算机视觉、语音识别等人工智能技术,设计了一种针对远程教育的个性化专注度培养系统,可实现网课与自习模式下的专注度监测,具有设置网课和自习定时提醒、进行实时监督与反馈、提供专注度评价等功能。测...     

遮挡人脸检测方法研究进展

近年来，随着人脸检测逐步面向现实场景应用，遮挡条件下的人脸检测成为计算机视觉领域研究的热门课题之一。遮挡所造成的特征损坏和噪声混叠，是人脸检测中亟待面对和解决的难点问题。综合分析了有遮挡人脸检测方法的研究进展，依据特征构造方法的不同将遮挡人脸检测分为基于手工设计特征的经典方法和基于深度学习的现代方法两大系列；对比分析了不同算法的基本原理，模型性能和存在的问题；探讨了未来可能的研究方向。     

一种脑电信息监督人脸图像的注意力分析方法

利用计算机视觉技术智能分析处于任务中的人的专注度问题。通过对人脸图像视频和对应脑电信号的采集和分析处理,建立连续的面部图片对应脑电信息的样本库,提出一种在脑电信息监督面部图片专注度的前提下,使用人的面部信息分析其专注度的方法。根据在多分布样本下训练的支持向量机分类器的识别结果,面部信息与其专注度确实存在相关关系,所以利用人脸图片分析任务中人的专注度是可行性的,并为后续的状态分析提供客观数据。     

面向复杂场景的人物视觉理解技术

面向复杂场景的人物视觉理解技术能够提升社会智能化协作效率,加速社会治理智能化进程,并在服务人类社会的经济活动、建设智慧城市等方面展现出巨大活力,具有重大的社会效益和经济价值。人物视觉理解技术主要包括实时人物识别、个体行为分析与群体交互理解、人机协同学习、表情与语音情感识别和知识引导下视觉理解等,当环境处于复杂场景中,特别是考虑“人物—行为—场景”整体关联的视觉表达与理解,相关问题的研究更具有挑战性。其中,大规模复杂场景实时人物识别主要集中在人脸检测、人物特征理解以及场景分析等,是复杂场景下人物视觉理解技术的重要研究基础;个体行为分析与群体交互理解主要集中在视频行人重识别、视频动作识别、视频问答和视频对话等,是视觉理解的关键行为组成部分;同时,在个体行为分析和群体交互理解中,形成综合利用知识与先验的机器学习模式,包含视觉问答对话、视觉语言导航两个重点研究方向;情感的识别与合成主要集中在人脸表情识别、语音情感识别与合成以及知识引导下视觉分析等方面,是情感交互的核心技术。本文围绕上述核心关键技术,阐述复杂场景下人物视觉理解领域的研究热点与应用场景,总结国内外相关成果与进展,展望该领域的前沿技术与发展趋势。     

一种基于压缩域模板匹配的快速人脸检测算法

人脸的检测是人脸信息处理领域中的一项关键技术,在自动人脸识别系统、基于内容的图像检索、视觉监测、场景检测、新一代人机交互技术等领域具有广阔的应用前景.通过在压缩域利用DC系数重构图像,提出了改进的链码模板和通过训练产生角度模板来对候选区域进行搜索匹配和检测.实验结果显示,本方法在检测人脸的过程中速度快,漏检率较低,非常适合实时性要求高的人脸检测系统.     

基于嵌入式Linux的便携式自动人脸检测与跟踪系统的应用研究

随着嵌入式微处理器、嵌入式Linux操作系统以及数字图像处理技术的深入发展,自动人脸检测和识别技术在具有嵌入式Linux操作的嵌入式开发平台中得到了发展和实现。本文在基于IntelPXA270嵌入式硬件开发平台和嵌入式Qt和开源计算机视觉库OpenCV软件开发平台基础上,对基于嵌入式Linux的便携式自动人脸检测和跟踪系统的应用进行了研究。     

嵌入式人脸检测系统设计

介绍了以计算机视觉为背景,基于FPGA实现嵌入式人脸检测系统的设计。系统设计过程包括配置MicroBlaze软核处理器、裁剪μClinux内核和应用程序设计3部分。以MicroBlaze软核为处理核心,通过片内添加外设接口和IP在Virtex-ⅡPro开发板上搭建硬件平台。以μClinux内核为软件平台,通过优化OpenCV提供的源代码设计人脸检测应用程序。     

面向智能人机交互的鲁棒的实时多人脸检测

人脸检测在人机交互HRI(Human-Robot Interaction)过程中起着重要作用,它能够让智能教育机器人IER(Intelligent Educational Robot)识别用户或说话人。提出一种智能视觉算法,可以实时地从复杂的场景中检测出所出现的多个人脸,并过滤掉那些看起来像人脸但并不是人脸的图像。实时的人脸检测使用基于Adaboost的角点级联分类器~([1,2,23,29]),并对该检测算法进行了改进,以实现从单一人脸检测到多人脸检测。此外,改进的算法也考虑了各种可能的头部姿态,如俯仰、偏转、倾斜等。实验结果充分证明了所提出的机器人视觉算法进行人脸检测的鲁棒性和高效性。     

人脸检测方法综述

人脸检测问题的提出是为了在自动人脸识别系统中的定位,近年来,由于其在安全控制、人机界面、视觉监测、基于内容的检索等领域的应用价值,开始作为一个独立的课题受到研究者的普遍重视。该文从人脸检测的模式、人脸特征的提取、人脸特征的综合、评估标准等角度,系统阐述了人脸检测系统,并将人脸检测方法分为：基于几何特征的方法,基于肤色模型的方法和基于统计理论的方法,并对各个方法的优缺点进行了比较,最后,对人脸检测今后的发展方向进行了探讨。     

基于视频技术的交通违章处理系统的设计与实现

针对交通场景中经常出现的车辆违章行为,如闯红灯、违章停车、超速、强行右转弯等,开发研制了基于计算机视觉和图像识别技术的视频交通违章处理系统;该系统在完成初始设定之后,便可以自动地、实时地检测出车辆的违章行为并提供车辆违章的相关信息;文中详细介绍了系统硬件和软件的设计方案以及系统功能的实现机理;利用VC＋＋6.0开发平台,研发了具有从交通场景的视频数据采集、违章行为识别、违章车辆全景图像存储,直至对违章车辆的数据库管理等多个功能的交通违章处理系统;经测试,系统运行稳定、可靠.