基于巡逻小车的人脸遮挡异常事件实时检测

近年来,随着城市化进程的加快,银行、政府、学校等场所的安全越来越成为人们关心的问题,智能监控已成为目前的一个研究热点问题. 本文主要研究室内巡逻小车监控下,面部异常遮挡问题. 本文首先对监控视频进行前景提取;接着,基于提取的前景,进行肩部定位、头部区域椭圆拟合;然后通过肤色检测判断人脸区域;最后,通过Haar检测器检测人脸区域的眼睛和嘴巴,以此来判断是否存在异常遮挡行为. 实验结果表明,本文提出的算法能够实时、有效的检测出面部异常遮挡问题.     

基于CNN的监控视频中人脸图像质量评估

在公共安全领域,监控视频中的人脸识别技术是不可或缺的技术,成为研究热点.而监控视频中低质量的人脸图像会大大降低整个人脸识别系统的识别准确率,系统难以更广泛地被投入实际使用.本文提出了一种基于CNN的人脸图像质量评估方法.通过对Alexnet模型进行改进,将网络中的多个卷积层与全连接层连接,从而提取不同尺度的图像特征.通过端到端的训练过程,预测人脸图像质量分数.另外,采用人脸识别算法来标定人脸图像的质量分数,使质量分数能更有效地筛选出适合识别算法的图像.在Color FERET数据集上实验表明,本文方法能够准确地对人脸图像进行质量评估.而在实际采集的监控视频数据集上实验表明,本文方法能筛选出高质量的人脸图像用作后续人脸识别,提高人脸识别准确率.     

基于视频序列的人脸检测技术的研究

本文提出了一种视频序列中人脸检测的算法.算法首先使用边缘检测和轮廓提取的方法滤去了大量的非人脸窗口然后使用基于Haar特征的检测方法对过滤处理结果进行再次检测.实验结果表明该系统能够实时地时于人脸进行检测,可以被应用在视频监控方面.     

基于骨架特征的人数统计

针对视频监控中行人在运动中将出现部分或严重遮挡的问题,提出了一种基于人体骨架特征的人数统计算法。首先,利用形态学骨架提取算法提取初始人体骨架图;然后,剔除骨架孤立点和骨架伪分支,得到最优人体骨架特征;最后,通过分析骨架的人头区域特征,建立人头检测响应规则,检测行人人头个数实现人数统计。实验结果表明,该算法能够解决视频监控人物相互之间部分遮挡和严重遮挡问题,针对相对稀疏的场景该算法人数统计准确率为95%左右。     

基于骨架特征的人数统计

针对视频监控中行人在运动中将出现部分或严重遮挡的问题,提出了一种基于人体骨架特征的人数统计算法。首先,利用形态学骨架提取算法提取初始人体骨架图;然后,剔除骨架孤立点和骨架伪分支,得到最优人体骨架特征;最后,通过分析骨架的人头区域特征,建立人头检测响应规则,检测行人人头个数实现人数统计。实验结果表明,该算法能够解决视频监控人物相互之间部分遮挡和严重遮挡问题,针对相对稀疏的场景该算法人数统计准确率为95%左右。     

基于二进制标签松弛模型的遮挡人脸识别

遮挡人脸识别是人脸识别系统面临的挑战之一.在自然场景下,人脸特征通常被口罩等物品遮挡,导致人脸特征不完整,从而无法正确提取人脸特征信息,严重影响最终的识别结果.针对有遮挡条件下人脸识别效果较差的问题,通过利用低秩技术和二进制标签松弛模型的优势,该文提出了一种新的基于二进制松弛标签的回归模型.该模型通过学习一个更松弛的标...     

基于头部特征的人体检测

视觉监控是计算机视觉领域中近年来备受关注的前沿研究方向,视觉人体运动分析是视频监控中的研究重点。通过提取俯视图中人体头部区域特征,进行人体检测。由于人体头部区域的类圆形特征,一种圆形人体头部模型被提出,如何检测到合适的圆是人体检测的关键问题。本文采用对光照变化有较强鲁棒性的灰度梯度特征来检测人头。精确的实验表明了该算法在人体头部检测方面有较高的准确性和稳定性。     

基于改进三元组损失的伪造人脸视频检测方法

当前大部分伪造人脸检测技术使用深度学习来鉴别真实视频与伪造视频之间的特征差异,此类方法在未压缩视频上取得了不错的效果,但在检测经过压缩处理的视频时检测效果就会严重下降.针对此类问题,提出了基于改进三元组损失的伪造人脸视频检测方法.首先,使用伪影图生成器生成一幅伪影图来加深伪造人脸与真实人脸之间的特征差异;其次,使用改进的三元组损失来解决难例样本难以被正确检测的问题;最后,选用更适合人脸鉴伪的深度学习网络提取卷积特征.在FaceForensics++数据集上与目前领先的人脸鉴伪方法的对比表明,该方法检测准确率优于对比方法.     

人脸特征的SIFT保护算法

人脸识别技术在门禁、视频监控等公共安全领域中的应用日益广泛,人脸特征数据的安全性和隐私性问题成为备受关注的焦点。提出一种基于SIFT的人脸特征安全保护新算法,首次将随机投影应用到对人脸特征数据的保护中。该算法首先利用SIFT特征对旋转、尺度缩放、光照变化等具有较好稳定性的特点,提取有较好鲁棒性的人脸数据;然后根据用户密钥对SIFT特征进行不可逆变换,生成具有可重建性的人脸特征模板数据,从而实现对人脸特征数据的保护。实验表明,该算法在CMU、AR和Feret人脸数据库中均取得较高的识别率,不仅对人脸特征数据具有保护作用,并且对姿势、遮挡和表情的变化具有较高的鲁棒性。     

多特征区域FastICA的非接触式心率检测

人脸视频单特征区域的非接触式心率检测方法,提取的脉搏波信号在视频采集过程中易受运动和光照的影响.为了减弱运动伪差和光照不均对脉搏波信号的干扰,本文提出了一种多特征区域结合快速独立成分分析的非接触式心率信号提取方法.通过人脸特征点算法结合区域中心定位的方法选择多特征区域,保证了视频图像特征区域的稳定性;使用快速独立成分分析实现多特征区域中图像绿色通道血容量变化脉冲信号之间的相互补偿,降低了光照不均匀的影响.在国外公开数据集DEAP上进行实验,实验结果表明,本文方法优于已有基于独立成分分析,独立矢量分析的方法.     

监控视频中正面人脸快速判别方法

视频监控领域由于其数据量巨大使得对视频分析变得更加困难,找到视频中正面人脸图片能够使得分析变得简单。正面人脸判别采用了基于积分通道特征和Adaboost的方法,通过提取积分通道特征,利用Adaboost训练分类器,对人脸检测窗口进行正面人脸快速判别。实验结果表明,该方法具有比较好的判别速度和精度,能够应用于大部分监控视频。     

基于互联网的公共场所监控人脸特征目标检测

随着社会发展，公共场所对于安全性的要求日益提高，监控数据量也呈指数级增加，如何准确并快速地对监控视频中人脸进行特征检测筛选，从而提高整体工作效率，对于维护社会稳定、保护人民生命财产安全具有重要意义。本文提出了一种基于互联网上传的海量监控数据的人脸特征目标检测方案，通过对人脸特征，如胡须、眼镜、口罩等特征，对互联网联机多场所监控视频进行检测，筛选出目标人群，从而减少机器人脸识别或传统人工识别工作量，提高识别速度，降低成本，最后以口罩佩戴检测系统的实现案例验证了系统可行性及精准度，并对目标检测技术应用前景进行了展望。     

改进Wav2Lip的文本音频驱动人脸动画生成

为了提高中文唇音同步人脸动画视频的真实性, 本文提出一种基于改进Wav2Lip模型的文本音频驱动人脸动画生成技术. 首先, 构建了一个中文唇音同步数据集, 使用该数据集来预训练唇部判别器, 使其判别中文唇音同步人脸动画更加准确. 然后, 在Wav2Lip模型中, 引入文本特征, 提升唇音时间同步性从而提高人脸动画视频的真实性. 本文模型综合提取到的文本信息、音频信息和说话人面部信息, 在预训练的唇部判别器和视频质量判别器的监督下, 生成高真实感的唇音同步人脸动画视频. 与ATVGnet模型和Wav2Lip模型的对比实验表明, 本文模型生成的唇音同步人脸动画视频提升了唇形和音频之间的同步性, 提高了人脸动画视频整体的真实感. 本文成果为当前人脸动画生成需求提供一种解决方案.     

视频监控中针对拥挤人群的人体分割与跟踪

视频监控中,拥挤人群的相互遮挡给人体分割和跟踪带来很大困难.为了解决该问题,提出人体模型和人体边缘曲线相结合的人体分割方法.针对分割可能造成人体特征值存在较大的缺损、畸变问题,采用具有较高鲁棒性的BP(Back Propaga-tion)神经网络作为跟踪模型.为了提高BP网络的自主学习能力,采用分层Dirichlet过程来判断是否有新类别的人体特征数据产生,进而为BP网络的学习提供决策.通过仿真实验证实:本文提出的遮挡处理方法能够有效解决人体部分遮挡问题,与其他方法相比,具有简单且实时性好的优点;此外,分层Dirichlet过程与BP网络的结合提高了跟踪系统的自主学习能力.     

视频监控中人的运动检测方法研究与实现

为了提高视频监控的实时性、准确性和可靠性,引入运动目标检测非常必要,而在此基础上的人运动检测更是后续各种高级处理的基础。根据视频监控的特点,采用一种基于自适应背景图像估计与当前多帧图像的混合差的算法来实现快速精确地检测和提取运动目标区域,并充分利用视频图像的时域连续特性和人脸肤色信息,实现快速可靠的人脸定位,从而准确定位人运动区域。实验表明,该算法对人的运动检测在光线、姿势变化等情况下具有良好的鲁棒性,适于实时监控系统的应用。     

基于深度信息的压缩感知人脸检测跟踪

传统的压缩感知跟踪是基于彩色视频图像序列中的目标跟踪, 但在跟踪过程中可能会受到光照变化和旋转遮挡因素的影响, 从而导致复杂环境下跟踪结果的鲁棒性不足. 为了获得稳定的跟踪结果, 提出了一种基于深度信息的压缩感知人脸检测跟踪算法. 首先, 根据改进的质心分割算法确定首帧深度图中人脸的跟踪位置. 其次, 根据深度信息计算出深度图中每一点对应的平均曲率并形成平均曲率图. 然后, 基于平均曲率图随机提取压缩特征; 最后, 通过压缩降维, 目标邻域搜索, 迭代更新特征模板, 计算出平均曲率图中下一帧人脸的最优跟踪位置, 实现人脸跟踪. 实验结果表明, 将人脸的深度信息和压缩感知特征相结合在光照变化和旋转遮挡情况下具有很好的鲁棒性, 能更好的实现复杂背景下对多姿态人脸的跟踪.     

监控视频下的人脸图像质量分析技术

监控场景下人脸图像质量分析技术的研究具有重要意义. 由于监控视频采集到人脸模糊、头部角度不正、被其他物体遮挡等的低质量图像进入识别系统会造成识别准确率下降. 为了解决上述问题, 通过实验, 研究了监控场景下影响图像质量的两个重要因素: 人脸角度、图像清晰度. 设计了基于聚类的人脸图像质量分析算法, 提出了人脸图像质量分数的计算公式, 实验表明该技术能够有效过滤监控视频下采集到的低质量图像, 进而提高人脸识别系统的准确率.     

复杂背景下人体检测算法

静态图像的人体识别技术在实际视频监控场景中, 面临背景复杂、图像分辨率低、光照影响和噪声干扰等问题, 这些多变性以及可能发生的遮挡给单一图像中的人体识别技术提出了挑战. 设计和实现一种复杂背景下的人体检测算法, 基于HOG人体检测算法, 使用积分直方图计算HOG特征, 并用级联SVM分类器对样本进行训练. 实验结果表明, 该算法在复杂视频监控场景中进行人体检测比其它人体检测算法具有更高的准确率和更快的检测速度.     

一种结合肤色特征的人脸跟踪算法

将CAMSHIFT算法用于人脸跟踪时,当跟踪目标被其它人脸遮挡时会发生跟踪失败,针对这一不足,提出一种结合肤色区域特征的连续自适应均值移动算法(SCCAMSHIFT):提取目标的肤色区域作为已知特征,通过跟踪窗口的变化来判断遮挡的发生,并在遮挡发生后利用已知特征来寻找丢失的目标.实验结果表明,SCCAMSHIFT算法能够较好的解决跟踪过程中类肤色物体的遮挡问题.     

基于视频的人脸安全技术检测研究概述

本文通过讨论基于视频的人脸安全技术的特点难点,探讨人脸检测技术的发展.根据面部肤色的建模问题和色彩空间变换的概念,进一步推测出基于视频的人脸检测的实现需要建立人脸库、对人脸特征进行提取并加以SVM分类算法,从而帮助人脸识别技术达到全新高度,实现AI发展与安全技术并存的局面.