一种支持海量人脸图片快速检索的索引结构

为了在大规模的人脸数据库中准确快速地检索到所需图像,提出一种相似人脸检索方法。提取人脸图片的局部二值模式特征,通过建立投影矩阵将特征从欧几里德空间映射到汉明空间实现降维,再采用改进的多比特编码方法对降维后的特征进行编码,并生成图片签名,以曼哈顿距离取代汉明距离衡量签名之间的相似度,根据图片签名集合构建倒排索引表,通过倒排索引表高效地查找相似图片。包含20万张人脸图片的实验数据集的结果表明,该方法在保证检索精度的前提下,检索时间控制在0.15s以内,能够满足海量人脸图片检索的准确性与实时性要求。

人脸图片伪造和鉴伪技术研究

近年来,基于人工智能技术的应用逐渐成熟落地,在为大家工作生活带来便利的同时,关于隐私和安全伦理方面的隐患逐渐凸显。相关技术带来的一系列社会问题,同时也引起了政府部门的重视。从技术角度,结合各自的算法特点,分别对现有常见人脸图片伪造以及鉴伪算法进行了比较全面的梳理,并为后续相关政策标准研究提供了参考。

基于优化卷积神经网络的人脸图片微表情识别方法研究

常规微表情识别方法,采用计算单演相位编码的方式,提取人脸图片微表情特征效果不佳,导致识别的人脸图片微表情存在严重的微表情识别混淆问题,为此提出基于优化卷积神经网络的人脸图片微表情识别方法研究。采用齐剪裁、图像序列插帧和帧数归一化3种方式,预处理人脸图片;量化单演相位值,计算单演相位、方向和幅值编码,提取人脸图片微表情特征;选择2种非线性函数激活网络,通过前向传播和反向训练,识别人脸图片微表情。实验结果表明:研究方法较此次实验选择的2组方法,JAFFE数据库微表情混淆种类分别减少9种和7种;Cohn-Kanade数据库微表情识别混淆分别减少8种和5种,减少人脸图片微表情识别出现的混淆问题种类。

基于人脸范式的P300拼写系统的参数优化

基于P300电位的脑机接口系统,因其识别准确率高、信息传输率快,经常被用于单词拼写等信息交互系统。近年来的研究表明,人脸刺激可以诱发出非常优良的事件相关电位,从而提高P300脑机接口拼写系统的性能。然而,人脸刺激在脑机接口中的呈现方式也会直接影响人脸诱发信号的可识别性。从人脸刺激在脑机接口系统中的几种基本呈现形式展开研究,对刺激间隔(130和200 ms)、界面尺寸(15.6和24英寸)和图片像素(50×69和80×110)3个参数分别展开研究,并邀请10名健康被试参与实验。实验结果表明:离线训练阶段增大这3个参数均可显著提高单个闪烁序列的分类准确率,但在线测试阶段唯有刺激时间间隔的增加可显著提高系统的分类准确率(200 ms:90%±7%,130 ms:75%±13%)。另外,这3个参数的调整对系统诱发的N200、P300、N400等信号强度的影响也不相同。在P300拼写系统的实际应用中,应综合考虑多个物理参数的优化,以提高系统性能。

基于深度神经网络的秒变妆容系统

基于深度神经网络的秒变妆容软件通过计算机算法实现人脸妆容的编辑与合成,是计算机视觉中的人脸图像分析领域。其在互动娱乐应用、图像视频编辑、辅助人脸识别等多方面有着重要作用。近几年蓬勃发展的卷积神经网络CNN和生成对抗网络GAN,在人脸图片分析方面有着重要影响。文章基于神经网络CNN和GAN生成对抗网络,在深度神经网络算法下对人脸图片进行特征点提取,根据人脸特征点,在不改变人脸特征的前提下,对人脸图片进行上妆,节约用户时间的同时还减少了不必要的资源浪费。