面向识别的人脸三维信息估计

三维人脸识别相较当前流行的二维人脸识别具有识别精度高、防伪强度高的优势,代表了人脸识别的发展方向。因三维人脸的采集成本高昂,目前三维人脸识别无法像二维人脸识别方法那样直接借助海量人脸数据建立、优化识别算法。如何准确、高效地获取三维人脸的增广训练数据是推动三维人脸识别应用发展中最为迫切的问题。当前学术界的大量文献主要聚焦在如何得到更好的三维人脸重建可视化效果,而没有对后续的识别任务多加考虑,以至于用这些重建图像训练的三维人脸识别算法难以达到令人满意的效果。针对这一问题,提出一种面向识别的人脸三维信息估计方法。与一般方法不同,该方法直接在信息估计与后续识别之间建立互动桥梁:在人脸三维信息估计的训练过程中直接借助相应的识别网络来督促提高三维人脸信息的估计效果。为此,先构造一种三维人脸信息表示——深度-表面法向量图(DN图),然后通过真实三维数据集训练一个人脸CycleGAN模型,该模型用以学习一种从二维人脸到DN图的保留身份信息的映射并用U-Net网络的形式对其进行表示。在5个数据集上与其他方法进行了比较实验,其中在ND-2006数据集中的提升尤为显著,提高31.8%。此外,进行了数据增广下性能提升的对比实验,在同样条件下做数据增广,基于人脸CycleGAN的增广方法性能上的提升更加明显,在CASIA 3D数据集上的提高幅度达14.9%。

面向安防监控场景的低分辨率人脸识别算法研究

针对安防监控场景中获取的人脸图像质量不佳、细节信息丢失导致的人脸识别准确率低下的问题,提出一种基于超分辨率重建的低分辨率人脸识别算法。该算法包括超分辨率重建和人脸识别两个子网络,分别实现低分辨率人脸图像的超分辨率重建和人脸特征的提取。首先通过增加超分辨率重建子网络激活函数前的特征图数量实现广泛激活,保证信息流的有效传递,重建出包含更多细节信息的高分辨率人脸图像;然后在训练时结合图像内容损失和身份损失,在重建图像的同时保留更多身份信息,使得提取到的人脸特征具有更强的辨别性。实验结果表明,该算法提升了低分辨率人脸识别的准确率,在监控人脸数据集QMUL-SurFace上的性能优于传统算法。

论死亡赔偿所得的分配——兼谈我国死亡赔偿制度的完善

死亡赔偿所得应当在明确各赔偿项目性质的基础上公平合理地在死者的近亲属之间予以分配。其中死亡赔偿金应当界定为对死者近亲属未来供养利益和身份利益丧失的赔偿,二者应分别根据受供养人的具体财产损失和近亲属与死者之间关系的亲密程度予以分配。对可以纳入死者遗产的赔偿金的分配则应当注意与《婚姻法》的衔接。至于基于赔偿协议的一揽子死亡赔偿款,原则上应当推定其包含了所有的法定赔偿项目并予以合理分配。而我国目前的死亡赔偿制度在赔偿请求权主体、死亡赔偿金的计算等方面也应予以相应的完善。

基于生成对抗网络的唇形重建改进方法

在视觉语音识别(Visual Speech Recognition,VSR)研究领域,已有的研究表明,基于正面的视图语音识别率是非常高的。而用于视觉研究的额叶面语料库很少。一方面,研究者从非正面视图(尤其是大角度)尝试提高视觉语音的识别效率;另一方面,研究者试图找到解决在现实场景下难以获取正面视图而从非正面视图进行重构正面视图的方法。本文就是基于第二种方案,基于生成对抗网络(GAN)强大的图像生成能力,对多角度视觉库中唇部进行正面视图重建。本文模型采用了U-Net网络结构,添加身份一致性损失Lid,在重构正面唇形的同时,保留了身份特征。