基于多光谱和面部多区域联合的人脸活体检测算法

在常见的人脸活体检测应用场景中,绝大多数相关技术聚焦于RGB图像或IR图像,但是这些图像缺乏足够的生物特征,容易受到层出不穷的假体人脸攻击。该文提出了一种基于面部多区域联合的Transformer模型,并将多光谱成像技术引入人脸活体检测任务,旨在获取人脸的独特生物特征,增加与假体的可区分性,进而提高活体检测准确率。多光谱图像拓宽了光谱范围,可获取物体更为丰富的反射特性,通过逐像元进行光谱归一化操作,可降低光照强度变化带来的影响,增强人脸反射特征区域的一致性。该文提出的算法选取多个人脸核心区域(如眼睛、鼻子、嘴巴、脸颊等)作为深度学习模型输入,构建了基于Transformer的神经网络模型,同时获取人脸局部区域特征和区域间关联特征,整合成完备的人脸生物特征。在自建的多光谱人脸数据集上,该文提出的方法获得了95.72%的活体检测准确率及5.10%的活体检测错分率,优于常用的人脸活体检测模型。     

基于三角级数拟合的间接飞行时间相机谐波误差校正方法

因激光发射端光波形和图像传感器抽头光响应的非理想因素，间接飞行时间（ITOF）相机测距结果与真实距离之间存在摆动式的谐波误差，测距准确度受到干扰。分析ITOF相机中谐波误差的产生原因，阐明谐波误差周期与测距周期、像素抽头数量的关系，并提出基于三角级数拟合校正谐波误差的方法。所提方法可在较短标定范围和较大标定间隔下拟合校正谐波误差，标定效率高。利用66.67 MHz三抽头ITOF相机测距实验对所提方法的有效性进行验证。实验结果表明，所提方法能够有效减小测距结果中的谐波误差，主点像素测距平均准确度达2.5787 mm，平面测距结果中的平面拟合平均误差达4.3876 mm。