基于Face++课堂人脸搜索系统的设计与实现

目前的课堂考勤存在着耗时耗力、无法真实有效地反映学生上课情况等问题,基于此,文章设计并实现了基于Face++课堂人脸搜索系统,该系统利用建立学生信息库和课程信息库,在现有的面部中找到一个或多个与目标面部最相似的面部,并返回该阈值并返回该阈值和相应的置信度分数。经反复实验下,该系统具有准确率高、检测速度快的特点。

基于分类外形搜索的人脸特征点定位

针对传统由粗糙到精准的人脸外形搜索方法,其每一次外形搜索需要在整个外形搜索空间进行,提出一种基于分类的外形搜索方法。该方法始于一个包含不同人脸形状的外形搜索空间,首先利用基于相关性的特征选择方法对随机森林分类器进行优化,利用训练的随机森林分类器将外形搜索空间分为若干个外形搜索子空间;然后根据输入样本和随机森林分类器确定与当前外形最接近的外形搜索子空间,并计算对应子空间的中心和对应样本的后验概率分布,方便后续阶段更好地进行外形搜索;最后采用级联回归进行人脸特征点定位。在300-W数据集上的实验结果表明,该方法不仅有效降低了外形搜索的时间,同时在无约束环境中具有良好的鲁棒性。

基于深度学习算法的人脸识别管理系统

针对学生管理中人脸认证智能安防的需求,文中首先基于深度学习理论对人脸识别的相关算法进行了研究,在卷积神经网络的基础上,以提高人脸识别的准确率为目的,重新设计了包含11个卷积层和4个池化层的网络结构。网络使用标准人脸数据集CASIA-WebFace进行训练,在LTW库上的人脸识别准确率可以达到97.8%以上。基于该深度学习网络,设计人脸识别管理系统,系统实现了1∶1的人脸认证和1∶N的人脸识别。由于深度学习算法的引入,人脸搜索系统的搜索时间小于0.7s,大幅提高人脸识别技术的效率和实用性。

基于人脸认知模式的相似脸搜索

目的人类对人脸认知模式的探索由来已久,并且已经成功应用于美容整形等研究领域。然而,目前在计算机视觉和模式识别领域,计算人脸相似度的方法没有考虑人对人脸的认知模式,使得现有方法的计算结果从人的认知习惯角度来讲并非最佳。为克服以上缺陷,提出一种基于人脸认知模式的相似脸搜索算法。方法依据人脸认知模式,选取特征点,并计算特征量,构造各面部器官(眼睛、鼻子、嘴巴、脸型)分类模型,即面部器官形状相似性度量模型,并采用圆形LBP算子,计算两幅人脸对应器官的纹理相似度,二者综合作为相似脸搜索的依据。结果分别用本文方法和代表相似脸搜索最高水平的Face++的方法对80幅正面、中性表情、平视角度拍摄的人脸图像进行测试。本文方法的整体准确率高于Face++方法,其中,TOP1、TOP2最相似搜索结果准确率优势明显,均高出Face++方法 12%以上。结论实验结果表明,本文方法的搜索结果更加符合人脸认知模式,可应用于正面、中性表情、平视角度拍摄的人脸图像的相似脸搜索。此外,还可以将此类基于认知模式的图像搜索思路推广应用于商业领域,如基于图像的相似网购商品搜索等。

“刷脸”治理的应用场景与风险防范

人脸识别是“刷脸”时代相关领域高效运转的核心驱动力,在革新私人领域生产、消费和生活方式的同时,也助推着公共领域的治理效能变革。根据匹配量级的不同,人脸识别可分为人脸认证(1∶1)、人脸辨认(1∶N)和人脸搜索(N∶N)三种模式,分别用于智能政务效率变革、智慧社区效能提升和“平安城市”场景布控。人脸识别在释放治理红利的同时,也产生了不可忽视的技术风险、伦理风险、规制风险和社会风险。为了防范风险,在对人脸识别技术应用的治理中,应当从工具理性向价值理性和技术理性转变,从应对型治理向预见性治理、敏捷治理转变,核心主体与辅助主体协同共治,技术监管和技术创新叠加发力。

基于实例的电视图像检索技术研究

本文主要介绍了应用在广播电视编目检索中基于实例的电视图像检索技术,分析了近相似图像搜索技术、徽标搜索技术、人脸搜索技术,对其优势与缺陷进行了比较。