基于混合注意力机制的动态人脸表情识别

针对自然环境中存在人脸遮挡、姿势变化等复杂因素,以及卷积神经网络(CNN)中的卷积滤波器由于空间局部性无法学习大多数神经层中不同面部区域之间的长程归纳偏差的问题,提出一种用于动态人脸表情识别(DFER)的混合注意力机制模型(HA-Model),以提升DFER的鲁棒性和准确性。HA-Model由空间特征提取和时序特征处理两部分组成:空间特征提取部分通过两种注意力机制——Transformer和包含卷积块注意力模块(CBAM)的网格注意力模块,引导网络从空间角度学习含有遮挡、姿势变化的鲁棒面部特征并关注人脸局部显著特征;时序特征处理部分通过Transformer引导网络学习高层语义特征的时序联系,用于学习人脸表情特征的全局表示。实验结果表明,HA-Model在DFEW和AFEW基准上的准确率分别达到了67.27%和50.41%,验证了HA-Model可以有效提取人脸特征并提升动态人脸表情识别的精度。

基于深度学习的动态人脸识别方法

为更好地解决动态人脸识别在非受限环境下鲁棒性差的问题,提出基于深度学习的动态人脸识别方法。该方法结合迁移学习、多任务学习、增强学习和循环神经网络的优点,用预先训练好的模型提取视频每一帧的人脸图像特征,对其进行同时跟踪和识别,采用增强学习进一步提高识别效果,使用循环神经网络对一段视频进行识别。实验结果表明,该方法与当前先进方法相比,识别准确性接近最好成绩且鲁棒性有了较大提升。

动态人脸识别技术侦查应用分析

在我国犯罪侦查中,动态人脸识别技术已广泛应用,效果日益显现。动态人脸识别技术的侦查应用需要相应的理论基础、软件基础和硬件基础的支撑;动态人脸识别技术在犯罪侦查中应用范围广泛,涵盖犯罪预备阶段、犯罪实施阶段和犯罪实施完毕后阶段;在犯罪侦查实践中,侦查人员探索和总结出了不同的动态人脸识别技术应用方法,不同的侦查应用方法在犯罪侦查中发挥着不同的作用。当然,应当看到动态人脸识别技术在犯罪侦查中的应用还存在诸多障碍,必须清除这些障碍以便更好地发挥动态人脸识别技术在犯罪侦查中的作用。

动态人脸识别在公安机关中的应用探析

随着动态人脸识别技术在公安机关中的广泛应用,结合工作实际,就当前动态人脸识别技术在公安机关的实战应用场景中遇到的算法鲁棒性、误报率、建设模式等问题进行了阐述,结合应用中出现的问题,提出了规范视频监控硬件建设、建立人脸识别算法仓库和完整实战评价体系的建议,并对该技术服务公安机关的未来进行了展望。

基于时空稀疏编码的动态人脸识别

随着视频监控在生活中的普及及身份认证在安防领域的发展需求,基于动态视频序列的人脸识别需求越来越大。分析现有的主流人脸识别算法的特点,结合推广到三维立体空间的稀疏编码,提出了一种改进的人脸序列特征提取方法。该算法通过滑窗的方法将视频序列切分成固长的若干子序列,将每个子序列看成一个三维立方像素块,并将该立方块可重叠地切分成若干标准大小的小块,用K-SVD算法制作字典,求得稀疏系数作为特征。鉴于稀疏编码特征维度太高,用Pooling池化按照多种层次来整合特征,获得最终使用的特征矩阵。该特征鉴别力较高,使用传统的SVM分类器即可取得state-of-the-art的结果。实验表明,在包含40个人的数据集上,以总样本的10%作为训练集时,可获得95.6%的平均正确率。

基于联合损失和恒等映射的动态人脸识别

在视频及非约束条件下获取的动态人脸受到姿态、表情和侧脸等复杂干扰因素,使其识别难度增大。针对上述问题,提出一种基于联合损失和恒等映射的动态人脸识别算法。以Resnet34为基础网络,联合SoftMax Loss,中心损失(Center Loss)和Joint Loss扩大人脸类间距;减小人脸类内距,同时在网络中引入深度残差恒等映射模块,进一步减小侧脸的干扰。在LFW,SLFW,YTF,MegaFace等数据集上,所提算法表现出更强的性能,并且在实验平台上能完成实时视频动态人脸识别的任务。

脸由音生:语音驱动的静动态人脸生成方法

语音驱动人脸生成旨在挖掘语音片段和人脸之间的静动态关联性,进而由给定的语音片段生成对应的人脸图像。然而已有的研究方法大多只考虑其中的一种关联性,且对静态人脸生成的研究严格依赖于时序对齐的音视频数据,在一定程度上限制了静态模型的使用范围。提出了一种基于条件生成对抗网络的语音驱动静动态人脸生成模型(SDVF-GAN)。该模型基于自注意力机制构建语音编码器网络以获得更为准确的听觉特征表达,并将其作为静态生成网络和动态生成网络的输入;静态生成网络利用基于投影层的图像判别器合成出属性一致(年龄、性别)且高质量的静态人脸图像,动态生成网络利用基于注意力思想的嘴唇判别器和图像判别器合成出嘴唇同步的动态人脸序列。实验利用所构建的属性对齐的Voice-Face数据集和公共的LRW数据集分别训练静态人脸生成网络和动态人脸生成网络。结果表明,该模型综合研究了语音和人脸之间的属性对应和嘴唇同步关系,实现了质量更高且关联性和同步性更强的人脸图像生成。

基于预筛动态人脸数据库的城市轨道交通人脸识别过闸系统性能优化方案

针对城市轨道交通人脸识别过闸系统存在的性能不足问题,提出了一种基于预筛动态人脸数据库的性能优化方案。该方案通过人脸数据预筛,建立预筛动态人脸数据库,从而缩短人脸识别过闸系统中人脸比对+搜索的耗时,进而实现系统性能优化的目标。经试验,此优化方案能使人脸识别过闸系统性能得到较大提升,具有较高的可行性。

基于动态人脸识别的管理系统在学生课堂的应用

逃课缺席,上课玩手机睡觉是每所高校都存在的课堂问题。本文针对逃课缺席和课堂效率低,设计了动态人脸识别的课堂管理系统,通过动态人脸识别筛查学生逃课缺勤及上课玩手机、睡觉的情况,进一步提高学生的学习质量和学校的教学效果。

基于多方向特征融合的动态人脸微表情识别方法

由于当前已有方法未考虑多方向融合动态人脸特征,导致人脸微表情识别效果较差,识别精度较低,识别耗时较长。为此,提出基于多方向特征融合的动态人脸微表情识别方法。估计噪声动态人脸图像,分块处理噪声动态人脸图像,并求解动态人脸图像块系数,对动态人脸图像完成重构。增强去噪后动态人脸图像,通过AAM模型提取动态人脸图像中距离特征信息,对全部特征进行多方向融合,实现动态人脸微表情识别。实验结果表明,所提方法的人脸微表情识别效果较好,能够精准完成动态人脸微表情识别,减小识别耗时。

基于WebSocket的动态人脸识别系统构建

传统人脸识别系统的客户端与服务端交互基本上采用HTTP轮询或者定时任务触发方式,该方式不能满足动态人脸识别的实时性需求。为进一步提高识别精度和时效性,采用MTCNN多任务学习算法,构建了基于WebSocket的动态人脸识别系统。测试表明:该系统提高了人像识别率,支持浏览器与Web服务器的双向通信,能将识别出的人像信息及预警结果经服务端主动推送至客户端实时显示和告警,有效降低数据传输量,提高数据传输的稳定性和及时性。

融合三维人脸动态信息和光流信息的人脸表情识别

人脸表情识别在静态图像上取得了卓越的成效,但这些方法应用于视频或图像序列时,准确度和鲁棒性往往会受到影响。传统的方法通常无法基于空间信息和光流信息进行人脸表情的识别,然而这些辅助识别信息都是二维信息,没有考虑到人脸的表情变化是一种三维的变化过程。为充分挖掘人脸表情识别的深层语义信息,提出了一种基于三维人脸动态信息和光流信息相结合的融合表情识别方法。该方法构建基于人脸深度图像、光流图像和RGB图像的多流卷积神经网络,通过融合3种模态的信息进行人脸表情识别。所提方法在CAER,RAVDESS数据集上进行了充分验证,实验结果表明,其在表情识别性能上优于目前的主流方法,证明了其有效性。

面向视频的动态人脸识别研究进展

人脸识别作为生物特征识别的典型应用,在国防、金融、司法、商业等领域有着广阔的前景,受到了社会的密切关注与认可。基于现实复杂视频监控环境的动态人脸识别技术利用监控环境下的低质量人脸图像与数据库中的高清原像进行比对识别,进而确定人员的身份是面向安全防控的典型应用。本文对动态人脸识别技术的主要特点和关键问题作系统分析,总结现有方法的优劣,并简要介绍常用的视频数据库和实验结果,最后展望动态人脸识别未来的发展和趋势。

基于Haar分类器人脸动态检测模块的算法研究

本文主要是分析基于Haar分类器一个具有可用性的动态人脸识别算法研究,采用较为成熟的Haar分类器算法,该算法把AdaBoost算法训练出的强分类器进行了级联,这个算法应当具有高的人脸识别率和低的误识别率,并且具有较好的实时性。

一种复杂环境下的动态多人脸自动检测与实时跟踪方法

针对复杂环境下,基于肤色信息的Cam Shift（continuously adaptive Mean-Shift）算法跟踪运动人脸的实时性欠佳,且同一时刻只能跟踪一个人脸的问题,提出了一种适于复杂环境下多人脸目标的自动检测与实时跟踪的方法。该方法利用Ada Boost（adaptive boosting）算法进行背景消除,提取可能包含活动人脸的区域进行人脸验证,采用多线程的Cam Shift算法,即MT-Cam Shift跟踪算法,实现人脸相互交错及人脸数目发生变化时的多人脸跟踪,从而实现动态多人脸的自动检测与实时跟踪。在任意复杂环境下,该方法的正确检测率可达89.86%,误检率可降至2.78%;其检测跟踪周期为35.88-42.84 ms,有效地达到了25 fps的实时刷屏要求。实验结果表明,该方法可实时稳健地在复杂环境下实现多人脸的自动检测与实时跟踪。

动态跟踪双目人脸识别系统在学生宿舍考勤管理中的应用

文章通过实证分析方法,首先介绍了动态跟踪双目人脸识别技术,再针对学生宿舍考勤管理中利用动态跟踪双目人脸识别系统的需求及可行性分析,设计动态跟踪双目人脸识别系统,提出动态跟踪双目人脸识别系统在学生宿舍考勤管理中的应用,要注意系统功能模块设计,再论述动态跟踪双目人脸识别学生宿舍管理系统的实现。

人脸识别技术的研究

人脸自动识别问题近年来受到了各国研究人员的普遍关注。在总结前人研究成果的基础上,本文分类论述了人脸自动识别课题中的常用方法,并分析了它们的优缺点。根据被识别图象的来源,人脸识别技术可分为2类:静态人脸识别和动态人脸识别。本文首先介绍了静态人脸识别中所用到的算法,然后对动态人脸识别系统进行了初步的探讨。

基于视频的多分类器融合的实时人脸检测与识别

动态人脸识别具有更大的难度,如视频输出的图象质量较差、背景更复杂等,而现有的动态人脸识别算法还存在着识别速度慢,鲁棒性差等缺点。课题就是在研究现有的识别方法和识别系统的基础上,构建一个基于视频的多分类器融合的实时人脸检测与识别的实验系统,重点研究检测技术的改进及多种识别方法的有效融合,以保证系统能在视频下快速识别出人脸,提高人脸识别的效率和鲁棒性,降低拒识率和误识率。

探索四维人脸识别技术及应用场景

传统的人脸识别技术已经取得了长足的进步,并且被广泛应用在金融、安防、教育、医疗、交通等领域。然而,由于传统的人脸识别存在易伪装、易被动识别等弊端,使人脸识别技术在解锁、支付等应用场景中存在一定的风险,而当前主流的人脸识别技术并没有解决这一问题。人脸识别技术需要通过四维人脸识别技术读懂人脸表情信息,从而提供更加安全的解决方案,支持多样化的应用场景。基于此,论文对四维人脸识别技术及其应用场景进行了分析。

承包商许可作业智能管控系统的应用

传统的承包商管控手段,在单位数量多、人员流动性大、能力参差不齐的情况下,导致在办理作业票证时存在“一人多票”“人票不符”等问题。增大了承包商现场作业人员和证件信息管理难度,给现场生产带来了极大的安全隐患。本文主要探讨承包商许可作业智能管控系统的应用,利用三维动态人脸识别技术,智能视频分析技术以及大数据分析技术,实现了承包商管控的信息化。系统包含四大功能模块(子系统),即承包商作业资源管理子系统、承包商作业监督子系统、许可作业票管理子系统、承包商HSE业绩考核子系统,分别对承包商单位、操作人员及设备、许可作业证、HES考核进行分级管控。