基于语义分割的活体检测算法

为了提高人脸识别系统的安全性,防止手机、照片中的人脸图像伪装攻击,提出了一种基于语义分割的活体检测算法。首先,通过全卷积神经网络(FCN)对局部人脸区域进行语义分割,并提出了一种带方向的卷积核对网络进行优化。其次,训练了一个快速分类器对语义分割网络的结果进行分类。最后,对深度学习网络进行串联,形成一个端到端的活体识别框架。试验结果表明:本文检测算法在Casia活体数据集和私有数据集上表现突出,在实际项目中泛化能力突出。     

基于HOG-SIFT融合优化的多人脸特征提取方法

针对昏暗光线及复杂背景下人脸特征提取效果易受环境因素干扰影响的问题,在进行人脸图像预处理过程中引入双边滤波处理,进一步研究基于自商图像理论的人脸图像光照干扰抑制方法; 结合HOG特征较好的全局性以及SIFT特征对复杂背景影响较好的适应性,提出一种基于HOG-SIFT融合优化的多人脸特征提取方法. 试验结果表明,该方法可有效实现昏暗光线环境及复杂背景下多人脸特征提取功能.     

基于人脸识别技术的岗哨值勤管理系统

针对部队岗哨值勤中存在的问题和弊病,设计基于人脸识别技术的岗哨值勤管理系统。通过对系统需求和流程分析,建立岗哨值勤系统框架图,介绍系统中人脸识别、交接岗、外来人员车辆登记、查岗、叫岗、巡逻和统计报表等功能模块,并给出系统实现的方法。结果表明:该技术能有效解决值勤人员身份的识别及考勤问题,对促进部队信息化建设起到积极作用。     

几何特征法解决跨年龄段人脸匹配问题

人脸识别,作为当前AI技术的重要内容,目前正成为研究的热点.本文重点研究了基于时间维度的人脸识别技术.首先通过灰度的积分投影法确定眼睛眼角、鼻子、嘴角的位置,以便进行特征点的选取,然后根据特征信息,利用相同特征点之间的欧氏距离进行了相似度匹配,根据匹配程度来判断两者是否为同一人.该研究在违法分子探查,失踪人口找寻等领域具有重要作用.     

常见人脸识别技术及其设备应用

目前随着科技水平的日渐发展,信息技术已经越来越多的融入到我们的工作生活中来了,今天要论述的就是信息技术中一项简单的信息处理技术——人脸识别。目前,市场上比较常见的人脸识别技术有几种,相对应的设备应用的行业也是各不相同,本文就几种大家所熟悉的识别技术作以论述,希望各位同仁予以肯定。     

基于卷积神经网络结合SVM的人脸识别研究

提出了卷积神经网络与支持向量机结合的方法运用于遮挡人脸识别。通过卷积神经网络的卷积、下采样和Softmax的特征提取处理,由支持向量机完成后续的训练和识别。利用AR人脸库进行实验,并和传统的人脸识别方法进行比较分析,实验结果表明本文的方法有更高的识别率。     

智慧视频监控和人脸识别在校园中的应用研究

随着校园暴力和校外歹徒挟持学生事件的频发,对于校园的安保问题成为各阶层人士最为关注的问题。学生作为我国未来的后起之秀,我国的栋梁之才,其安全和学习是家长和学校最为关心和关注的。随着科技的发展,对于安保方面的科技研发成果也逐渐被应用于生活的方方面面。下面我们就来谈谈智慧视频监控和人脸识别在校园安保方面的应有有何优势和好处[1]。     

加权特征融合的密集连接网络人脸识别算法

在非约束条件下人脸识别常受到表情变化、视角偏差、不同程度的遮挡和曝光等各种综合因素的影响;并且深度卷积神经网络几乎都存在参数过多,训练时梯度扩散或消失等问题。针对上述问题,提出了FuseNet网络模型。该模型有效地利用了人的眼睛、鼻子、嘴巴等局部特征信息,同时又包含面部轮廓等全局特征信息,并提出了多损失函数进一步缩小类内特征差距和扩大类间特征距离,有效地增强了非约束条件下人脸识别的鲁棒性。通过使用加权密集连接卷积神经网络来提取人脸的全局特征,密集连接模块可有效地解决深层网络所引起的参数冗余以及梯度扩散等问题。不同的连接权值使得网络能够充分地利用各部分特征。实验结果表明,无论是在闭集的CASIA-WebFace数据集上,还是开集的FLW数据集、MegaFace数据集上,提出的FuseNet网络都具有较好的识别率和泛化能力。     

结构化加权稀疏低秩恢复算法在人脸识别中的应用

针对训练样本或测试样本存在污损的情况，提出一种结构化加权稀疏低秩恢复算法（structured and weighted-sparse low rank representation，SWLRR）。SWLRR对低秩表示进行加权稀疏约束和结构化约束，使得低秩表示系数更加趋近于块对角结构，进而可获得具有判别性的低秩表示。SWLRR将训练样本恢复成干净训练样本后，再根据原始训练样本和恢复后的训练样本学习到低秩投影矩阵，把测试样本投影到相应的低秩子空间，即可有效地去除测试样本中的污损部分。在几个人脸数据库上的实验结果验证了SWLRR在不同情况下的有效性和鲁棒性。