基于人脸与步态特征的室外作业场景身份核验方法

在建筑、通信、电力等工程行业中,作业人员需要频繁执行室外作业。由于室外环境复杂,许多运维工作存在来自高压、高空、深坑等因素的高风险。安全事故一旦发生,将造成巨大的人员和财产损失。因此,需要在作业过程中对作业人员进行身份核验,以方便监督。然而,在传统的监督方式中,作业现场的人员管理和行为管控完全依靠人工核查,监控视频也依赖人工看守,无法做到人员身份实时核验以及对非作业人员入场的有效预警。针对室外作业场景中的作业人员身份识别,目前的研究方法大多基于人脸识别。人脸识别方法能够在作业人员脸部信息清晰且完整时准确识别出其身份信息。然而,当存在遮挡,以及受检测距离、检测角度等因素影响时,会造成脸部信息不完全或者模糊,导致采用人脸识别方法难以准确识别出作业人员的身份。步态特征是一种描述行走方式的复杂行为特征,包括脚的触地时间、离地时间和人体高度、双手摆动幅值等。相比人脸识别,步态特征识别有以下优点：第一,步态识别适用的检测距离更远,而人脸特征随着检测距离的增加识别难度明显上升;第二,步态特征识别是非主动识别,现场作业人员几乎随时随地处于行走状态,而人脸识别需要识别对象正对检测装置;第三,步态特征具有较强的特异性,不像人脸特征较易被模仿、修改。不过,单独采用步态特征进行识别,虽然在作业人员运动时可以捕捉体态信息进而较为准确地对其进行身份核验,但是无法对静态的作业人员进行身份核验。[JP]针对此问题,提出了一种多特征融合的身份核验方法,结合步态与人脸等多特征进行识别,不受衣着、环境等外在因素的干扰,可以有效提高身份核验的准确率。提出的融合人脸特征和步态特征的多特征身份核验方法包括身份注册阶段、训练阶段与测试验证阶段。身份注册阶段,人工标注人脸与步态信息,并录入人员信息库;训练阶段,首先利用相关网络提取视频中图像序列的步态轮廓图与人脸区域,然后利用深度学习网络模型提取相关特征,构建融合的特征向量与身份ID间的关系;测试阶段,首先判断图像中有无清晰人脸,如果有则使用多特征融合识别方法,否则仅通过步态特征进行特征匹配进而完成身份核验。结果表明,多特征融合方法在中科院自动化所的CASIA-A数据集上的分类准确率达到99.17%,数据集包含的3个视角下的分类准确率分别为98.75%,100%和98.75%。因此,所提方法可以有效提高单人场景中的身份识别准确率,是在室外作业场景中进行身份核验的一种有效方法。     

人脸与步态识别技术在人物识别与追踪领域的应用

对人脸和步态识别技术进行回顾与综述,展示其优点与不足.由于单个特征的生物识别系统只能从局部得到有限的性能提升,需要尝试运用多种特征的融合来提高算法的识别性能.通过阐述当前人脸与步态识别融合技术在人物身份识别领域中的研究概况,并对不同方法进行了比较,从而展示融合技术带来的性能提升效果.最后展望了生物特征融合技术在人物身份识别与追踪领域的下一步研究方向.     

人脸与步态识别技术在人物识别与追踪领域的应用

对人脸和步态识别技术进行回顾与综述,展示其优点与不足.由于单个特征的生物识别系统只能从局部得到有限的性能提升,需要尝试运用多种特征的融合来提高算法的识别性能.通过阐述当前人脸与步态识别融合技术在人物身份识别领域中的研究概况,并对不同方法进行了比较,从而展示融合技术带来的性能提升效果.最后展望了生物特征融合技术在人物身份识别与追踪领域的下一步研究方向.     

步态与人脸融合的身份识别方法

为了保持步态识别的优势,克服单一生物特征识别的不足,提高远距离的身份识别率,提出了一种步态与侧面人脸在特征层上融合识别方法.首先利用二向图像矩阵主成分分析,对步态能量图和侧面人脸图分别进行特征提取与降维处理,得到初始特征矩阵,并将得到的初始特征矩阵进行矢量化、特征组合,获得组合特征向量.然后利用多重判别分析法对组合特征向量进行特征融合,获得步态与人脸的融合特征向量,最后采用最近邻法进行身份识别.利用CASIA Dataset B步态数据库对上述方法进行了验证.结果表明,该方法提高了身份识别的正确率,验证了该方法的有效性,为多生物特征识别提供了一种新的方法.     

自然场景下基于数据增强的人脸表情识别研究进展与趋势

由于自然场景下的人脸表情存在光照、姿态、种族、性别等因素的影响,人脸表情图像数据集的多样性才是能够保障自然场景下的人脸表情识别的性能高效提升的关键.基于自然场景下的人脸图像数据增强的方法,通过增加人脸表情数据集的多样性,提升在自然场景下人脸表情识别的精确度.对最近人脸表情识别的数据增强方法进行了总结和分析,并对在自然场景下人脸表情识别数据增强的发展趋势进行了展望.     

基于改进Retinex与光照补偿的人脸身份识别

为解决不均匀的光照分布影响人脸身份识别的准确率问题,提出了一种无约束光照条件下的人脸身份识别方法.该方法首先基于改进的Retinex理论对人脸灰度图像进行光照预处理;然后对处理后人脸图像中鼻子周围的遮挡阴影区域进行光照补偿;最后利用主动外观模型定位人脸特征点,并选取关键特征点计算人脸身份特征,进而实现人脸身份识别.基于扩展Yale人脸数据库和CMU-PIE数据库进行实验,结果表明所提方法能有效改善人脸图像的光照情况,提高人脸身份识别率.     

人脸检测与识别

人脸是人主要的身份特征之一,人脸识别在信息管理、身份验证、视频监控、机器视觉等领域有着重要的实用价值.本文以中央民族大学信息工程学院本科生人脸数据库为背景,从应用的角度出发,开发了基于人脸识别的学生身份确认系统.整个系统主要分为图像预处理、人脸检测和人脸识别三个部分.图像预处理包括图像大小归一和图像灰度均衡;人脸检测采用Harr分类器;利用PCA（主成分分析）获得投影矩阵和维数适中的能够表征人脸的特征向量;基于最近邻原则,进行人脸匹配.系统测试结果表明,该系统能够完成基于人脸识别的学生身份信息查询功能.     

基于手机加速度传感器的步态识别

步态识别是一种新兴的生物识别技术。智能手机的三轴加速度传感器测量人行走时的步态数据可用于步态识别。本文研究不同场景对步态识别的影响,参与数据采集有18个人,场地分为实验室的走廊和室外红砖场地,特征值包括频域征值与时域特征值。当步态识别的测试集和训练集来源于不同的场地时,用支持向量机检测识别的准确性。实验结果表明,当测试集和训练集来源同一场地时,步态识别的准确性较高,可达到94%。而对于数据来源于不一样的场地,准确性较差。主要的原因是场景变化,人行走的步态模式发生了变化。     

“数据分析与计算专栏”主持人语

尊敬的读者朋友，您好！在作者和编辑老师的共同努力下，本专栏又和您见面了！文献大数据分析和重叠社区发现是大数据与社会计算领域的研究热点，也是本期关注的两个主题。文献大数据分析的研究目的之一，就是帮助广大研究人员快速进入目标领域，敏捷追踪其中的方向、方法和工具等，从而有效降低研究成本，缩短成果周期；重叠社区发现是复杂网络挖掘领域的基础性工作，成果应用于社交网络、通讯网络、蛋白质相互作用网络、代谢路径网络、交通网络等各种网络的数据分析中，可服务于人力资源管理、新药研制、交通规划、传染病防治、舆情控制等领域。 本期“数据分析与计算专栏”共推出2篇文章。 第1篇是翟君伟等撰写的“基于LDA主题模型的文献特征项多重共现可视化方法”。共现网络分析是文献计量研究中分析文献特征项数据关系的一种可视化方法，为解决多重共现网络中节点过多、连线密度过大、不利于发现数据的价值以及可视化效果较低等问题，引入LDA主题模型，采用空间划分的方法，将特征项全域可视化的问题转化为子空间可视化问题。首先，使用SATI文献题录信息分析软件抽取文献关键词，进行TF IDF计算，以计算结果作为实验数据；其次，使用Python构建主题模型，对目标文献集合进行主题聚类分析；最后，使用Ucinet软件对不同主题子空间文献进行多重共现分析，并将子空间分析结果叠加和重构，完成多重共现可视化系统的结构化表达。结果表明：与原多重共现可视化方法相比，基于LDA主题模型的多重共现可视化改进方法降低了共现网络中的节点数量和节点间连线密度，使得多重共现可视化系统的结构更为清晰，增加了数据的可读性，突出了数据价值，有效提升了多重共现可视化效果。 第2篇是张妍等撰写的“基于社区森林模型的分布式重叠社区发现算法”。针对传统单机重叠社区发现算法已经不适于大规模复杂网络挖掘，以及不能支持网络表示学习任务相关要求的问题，提出了一种基于社区森林模型的分布式重叠社区发现算法（distributed community forest model，简称DCFM算法）。首先，将网络数据集存储到分布式文件系统，将数据分块，使用分布式计算框架在每个数据分块上执行CFM算法；然后，执行社区合并；最后，汇总社区划分结果，使用真实的DBLP数据集将算法运行于Spark集群上，采用F均值和运行时间对算法进行评估。结果表明：DCFM算法的F均值稍逊于CFM算法，但其运算时间随着节点的增加接近线性下降，在牺牲小部分F均值的同时，DCFM算法具备处理大规模网络数据的能力；分割份数对计算时间的影响也很大，在com dblp.ungraph.txt数据集上，CFM算法处理数据需要192 min，而DCFM算法在将数据分成6份时，需要约91 min，分成100份后仅需要约13 min。因此，在大数据平台上采用分布式计算骨干度，进行社区划分、合并的DCFM算法是一种可行的大规模复杂网络挖掘方法，通过对网络进行分割，可以大幅加快社区划分速度，提高社区发现效率。 限于学术水平，以上文章定有可进一步完善之处，欢迎各位朋友不吝指正！ 刘滨，男，1975年出生，教授，硕士生导师，河北科技大学大数据与社会计算研究中心主任，主要研究领域包括网络新媒体、大数据、社会计算等。已发表学术论文100余篇，主持国家级科研课题2项、省级科研课题9项。     

卡口场景下人脸检测模型的自适应重训练算法

卡口场景下的人脸检测是视频智能监控的关键技术.然而,由于不同的人脸数据集的样本分布之间存在差异,在现有公开数据集上训练得到的人脸检测模型在卡口场景下难以取得令人满意的效果.为了解决上述问题,构建了一个卡口场景下的人脸数据集,并提出了一种简单且有效的模型重训练方法.该重训练方法能在模型检测人脸时,自适应地选取新的训练样本进行模型的重训练.在卡口场景测试集上的实验结果表明,该重训练方法能明显降低聚合通道特征模型的平均漏检率.     

基于手机加速度与步态不对称特征的身份识别

为解决现有步态识别准确率低的问题,通过研究人体走路左右步态不对称的特点,提出了基于左右步态特征提取的精确步态识别方法.与以往步态识别方法采用摄像头、地板传感器以及高采样率的传感器相比,通过智能手机中的加速度传感器采集数据.在低采样率状态,采集50名志愿者的正常行走加速度数据,使用小波变换方法提取加速度的特征点,对所有志愿者进行左右步态特征的相似性和差异性测试,证明了将左右步态区别提取的可行性.采用动态时间规整算法特征序列进行匹配.仿真结果表明基于左右步态特征的提取方法较好地提高了身份识别的准确率,平均错误率15.2%,为步态识别提供了一个新的思路.     

步态识别技术研究进展

步态识别是一种通过人的行走方式识别人身份的技术,是生物识别领域的重要研究课题之一.首先介绍步态识别的背景和研究意义;其次介绍在步态分割、特征提取、步态识别方面的研究现状;最后分析步态识别的研究困难和未来发展趋势.     

室外场景中标识牌文字的检测与提取技术综述

室外场景中标识牌文字的检测与提取在机器视觉、辅助驾驶员系统、眼障人士辅助系统、游客帮助系统等中有着广泛的应用.近年来,针对不同应用,研究人员研制开发出许多室外场景中文字信息提取的系统与方法.对2002年以来发表在主要英文刊物和会议论文集中的方法进行综述.提出了一个分层次的系统框架结构,并按照这一结构对文献中出现的实现各主要模块的比较有代表性的方法进行了归纳和比较,旨在对该领域的研究技术水平提供一个综述,并提出尚待解决的技术问题.     

基于多标签核判别分析的人脸身份与性别识别方法

为解决多标签线性判别分析(MLDA)方法在非线性维数约简方面的局限性,提出了一种多标签核判别分析(MKDA)方法,并将其用于人脸的身份与性别识别中.该方法的基本思想是通过非线性映射将训练样本从输入空间映射到高维核特征空间中,并在该特征空间中进行基于MLDA的数据降维.在身份和性别识别中,首先采用MKDA方法对人脸图像特征向量进行降维,获取判别特征矢量集;其次,为每幅人脸图像赋予一个表征身份和性别的多标签类别矢量;最后,采用减秩回归模型(RRR)描述判别特征矢量与多标签类别矢量之间的回归关系,并利用该模型进行未知人脸的身份和性别识别.AR人脸数据库上的实验结果表明:在人脸身份和性别识别中,MKDA方法的识别率高于传统核判别分析(KDA)方法.     

SFSR-Age:一种基于人脸强语义的年龄识别算法

针对因光照、拍摄角度及图片质量等因素导致的经典深度学习算法难以有效提取人脸特征、人物身份识别准确率难以达到理想精度的问题,提出一种基于人脸强语义的年龄识别算法.首先,通过注意力矩阵增强人脸区域的特征权重,达到提取特征区域的目的;其次,使用级联双向长短期记忆(Bi-LSTM)网络学习时序帧之间的特征依赖关系,弥补部分特征缺失对识别精度的影响.在人脸数据集IMDB-WIKI和数据集Adience上进行测试,该算法的年龄识别准确率分别达到78.34%和77.89%.实验结果表明,相比于其他基于深度学习算法的方法,该算法在基于图片数据集的人物年龄识别任务上具有更高的准确率.     

不同生理条件下步态数据的复杂性测度分析

目的研究步态从一个侧面反映出的人体健康状况和病态特征,突破步态数据具有高维性、非线性、不便于定量分析的难题。方法将非线性动力学复杂性测度引入步态数据的分析。结果步态的复杂度与年龄等生理状况密切相关。结论通过数据长度对分析结果的影响,表明复杂度具有模型独立和计算简单等特点,它在步态分析中应用的前景较为乐观。     

基于3D Max的校园场景可视化的设计与实现

基于三维GIS技术、3D Max软件平台,利用CAD底图、数码影像等数据实施学校三维景观可视化的操作,以校园办公大楼建模为例,研究基于3D Max创建虚拟校园快捷简便的多边形建模方法,具体描述建筑物三维模型创建的流程,探讨提高模型精确度的方法,为场景可视化、校园漫游、信息查询等提供技术支撑.最后,通过对校园办公大楼建模的具体实例,分析在将矢量数据导入3D Max时应注意的问题,提出利用3D Max实现校园场景建模的优化技术,如纹理技术、实例技术、摄像机技术等,可美化模型外观和提高校园场景可视化的效率,对地理空间信息的可视化等领域具有一定的借鉴作用.     

基于惯性测量器件的无线步态分析平台

步态定量测量方法应用于许多领域,如临床医学、双足机器人控制等.采用惯性测量单元结合无线传感器网络建立了一个步态分析平台,将两个无线惯性测量单元传感器节点分别绑定在左右双侧脚踝,以同时采集双脚运动过程中的加速度和角速度信号,并将其通过无线方式发送到远程终端.通过模式识别、时间序列分析、阈值检测和零速修正等多种数据融合方法计算步态参数,并通过融合双足传感器数据得到双支撑相、双脚步行周期等重要的双足步态参数,其中双支撑相参数对人体日常动作的识别有重要意义.实验结果显示该研究具有较高的计算精度.     

基于粗糙集理论的表情识别研究

包括情感计算和情感识别在内,以人为中心,对人的情感和认知的研究是目前人工智能领域的一个热点研究方向.以粗糙集理论为基础,研究了粗糙集属性约简算法,并把粗糙集属性约简算法作为一种人脸表情识别系统的特征选择方法,对人脸表情识别的重要特征进行研究,并提出了一种RS+SVM的人脸表情识别方法.仿真实验结果表明,粗糙集属性约简算法能发现人脸表情的重要特征,并基于这些特征可以得到很好的表情识别结果.     

面向公共安全的步态识别技术研究

步态识别技术是继人脸识别之后的又一具有实战应用价值的新型生物特征识别技术。技术层面，通过设计深度学习算法模型，步态识别技术提取的是视频中连续多帧的人体全身动态和静态特征，形成步态序列加以识别。步态识别适合远距离、大范围、跨角度监控场景下的目标识别追踪，相较于人脸识别，步态识别不受局部遮挡(如口罩、墨镜、围巾、帽子等)因素的影响，可以实现抗伪装识别。应用层面，步态识别技术可以利用已建前端摄像机，无需像人脸识别一样部署专门抓拍设备，因此能更广泛地激活海量视频数据，特别是在面向公共安全的场景需求中发挥重要的作用。通过搭建步态应用系统，实战化测试步态识别技术在特定区域中特定对象的轨迹刻画和快速检索效果，结果表明步态识别技术可以实现高效的目标检索，为公共安全领域的需求提供强有力的技术支撑。