基于散斑立体匹配的快速三维人脸重建

本文提出一种高效的人脸三维重建方法。该方法将 散斑投影至人脸表面以增加其特征信息,并采用一种由粗到精的时空立体匹配算法来提高三 维人脸重建的精度。进一步,该算法利用 时空积分图对立体匹配的代价函数进行加速计算,进而提高了重建效率。此外,所提出方法 通过人脸检测 去除无关背景,使后续的三维重建算法能够高效地作用在人脸区域上。实验表明,所提出方 法对3D打印人 脸(精度为0.01 mm)模型的重建平均误差为0.32 mm,对哑铃规球心测距和直径测距(精度皆为0.01 mm)其 误差皆低于1个百分点,以上结果优于同类产品。与现有立体匹配算法相比,本文方法所得 视差图面部无 空洞且视差变化均匀,更真实地反映出被测人脸的三维形状。     

基于肤色特征和遗传算法的人眼瞳孔定位算法

提出了一种单目摄像头下定位人眼瞳孔的方法,分为人脸区域检测、人眼区域检测、瞳孔中心定位三个阶段。在人脸区域检测阶段,利用人脸的肤色和唇色在不同色度空间下的特性,结合区域增长的方法分割出人脸区域;在人眼区域检测阶段,利用定位出的人脸区域,根据先验知识缩小搜索区域,再结合遗传算法搜索眼部区域;最后利用圆的几何性质定位瞳孔中心。实验结果证明了本算法在复杂背景和头部偏转情况下的有效性。     

一种高效且轻量的RGB单帧人脸反欺诈模型

针对在仅具有三原色(red-green-blue, RGB)摄像头的通用消费设备上部署基于深度学习的人脸反欺诈(face anti-spoofing, FAS)算法时存在的挑战问题,提出一种高效且轻量的RGB单帧FAS(efficient and lightweight RGB frame-level face anti-spoofing, EL-FAS)模型。探索一种新的全局空间自注意力机制捕获全局上下文信息的依赖关系,以提高模型泛化能力并在受限条件下实现高检测性能;设计一种等通道像素级二元监督方法,强制模型从不同的像素中学习共享特征;采用Bottleneck模块搭建骨干网络以减少模型参数。试验结果表明,EL-FAS模型在OULU-NPU数据集的大多数协议上平均分类错误率R_ACE最低,取得较好的人脸欺诈检测效果,在SiW数据集和跨数据集测试中也取得较好的性能,并且模型轻量,参数只有1.34×10⁶个。     

基于边缘先验融合动态门控特征的人脸图像修复

为解决现有人脸图像修复算法因无法提取动态特征和缺乏边缘先验信息导致修复大区域不规则破损时纹理模糊和结构扭曲问题,提出了基于边缘先验融合动态门控特征的人脸图像修复算法。首先,设计动态门控卷积模块动态提取破损区域特征,关联已知区域和缺失区域的有效特征,提升纹理细腻度;然后,设计动态门控边缘增强网络和U型编码纹理修复网络,边缘增加网络旨在获取边缘轮廓信息,为U型编码纹理修复网络提供结构先验约束;U型编码纹理修复网络采用UNet++网络融合多层特征以保证人脸修复图像结构和纹理一致性;最后,通过消融实验证明UNet++网络的有效性和通用性,并剪枝U型网络以选取适宜的人脸图像模型表征层进行缺失区域纹理重建,在CelebA-HQ人脸数据集上进行实验评估。实验结果表明：相较于主流算法,所提方法在SSIM上平均提升3.87%,PSNR平均提升3.79 dB,FID平均下降16.54%,能有效修复大区域不规则缺失面积,生成纹理清晰、结构合理的图像。     

面向不同传感器与复杂场景的人脸识别系统防伪方法综述

人脸识别技术作为一项重要的生物特征识别技术,在人们的日常生活中得到广泛应用。尽管人脸识别技术已取得明显进展,但当前的人脸识别系统仍容易受到非法用户的恶意攻击,因此人脸防伪技术成为人脸识别过程中必不可少的一个环节。在简述人脸防伪概念及常见攻击类型的基础上,分析人脸防伪方法的主要建模思路,从面向不同传感器与面向复杂场景的人脸识别系统防伪方法切入,分类阐述不同人脸防伪方法的基本原理及发展脉络。总结公开人脸防伪数据库,分析比较代表性防伪方法及其性能表现,并对人脸防伪问题的未来发展趋势进行展望。     

基于深度学习的人脸识别技术分析

作为重要的人工智能研究方向,人脸识别研究近年来大量涌现,相关产品也在各领域广泛应用.基于此,文章将围绕一种基于深度学习提升人脸识别技术准确率的算法开展研究,在计算框架加速化和网络结构小型化支持下,实时化人脸识别得以实现,由此设计的人脸识别系统可用于物联网设备.     

基于蜂群算法的人脸表情特征选择方法研究

特征选择技术是模式识别系统的一个关键步骤,在人脸表情识别分析过程中特征选择步骤也尤为重要。在众多的特征中选择合适的特征组合对人脸表情的识别分析影响很大。本文提出基于蜂群算法的人脸表情特征选择方法,利用蜂群算法寻找到适当的人脸表情特征组合,减少全部特征下识别过程中的计算量,同时提高识别率。并且通过实验证明了本文方法的可行性和优越性。     

基于GAN网络的三维人脸纹理重建技术

在计算机视觉领域,三维人脸重建起着重要的作用,特别是在动画制作、虚拟人脸、人脸识别等领域正被广泛应用。基于单张图片的三维人脸重建,通过使用拟合的模型对图像进行采样,可以创建出面部的UV纹理图。然而通过相机采集到的是单视角的二维图像,存在人脸自遮挡的情况,这导致生成的UV纹理图的信息是不完整的。因此,提出一种针对三维人脸纹理补全问题的条件生成对抗网络,将Unet和部分卷积结合起来作为生成器,从而在纹理修复时可以保留更多的图像信息;判别器中引入SMPatchGAN提高图像判别的真实准确度。实验结果表明,相较于其他算法,所提出的算法取得了较为显著的改进效果,特别是在处于大视角下存在人脸自遮挡问题时,也能重建出精细的三维人脸模型。     

彩色koch曲线设计及其在包装印刷中的防伪能力分析与实现

针对传统商品包装图片因其图案设计简单而易被不良商家非法复制、牟利暴利的现象,提出将分形理论应用于商品防伪包装的图案设计。通过设计koch彩色曲线,提出了防伪空间的概念和基于分形图形的相应计算方法,给出了相应的C++代码实现,并且分别从空间结构、颜色变化及角度变化对koch曲线进行防伪能力分析,论证了彩色koch曲线在包装印刷中防伪的可行性和有效性。     

基于改进FaceNet算法的人脸智能识别方法

人脸识别是计算机视觉与图像处理领域的研究热点,基于Face Net网络模型的人脸智能识别系统,由于所需训练数据集大且对硬件资源条件要求较高,设计改进Facet Net的人脸智能识别算法。首先,通过MTCNN网络实现人脸图像非极大值抑制和边界框的回归问题;其次,把人脸对齐后的图像数据进行高斯归一化（Gaussian normalization）预处理后,再通过Facet Net算法网络模型进行训练。优化后的网络模型在LWF数据集上进行训练,实验验证得出改进后的人脸识别模型其平均误识率为0.06%,拒识率为5.13%和准确率为99.79%,并通过采集真实的人脸数据进行验证,均表现出了良好的识别效果。