人脸图像

摘要： 为了提高人脸识别效果,针对当前人脸识别方法存在的局限性,如识别准确率低,耗时长等,提出了基于小波变换与LBP算子的人脸识别方法。首先采集待识别的人脸图像,并采用小波变换对人脸图像作多尺分解,通过对高频子图像进行处理,消除光照变化对人脸识别的干扰,然后采用LBP算子提取人脸图像纹理特征,将特征连接组合在一起产生特征向量,最后采用k近邻算法根据特征向量建立人脸识别的分类器。采用标准人脸识别数据集Yale-B与AR作为测试对象,测试结果表明,小波变换与LBP算子能够克服当前人脸识别方法的弊端,提高人脸识别的准确率,并且人脸识别效率得到了明显改善,整体人脸识别效果要优于当前其它方法,为后续人脸处理打下了良好的基础。

摘要： 现有超分辨率人脸重建方法无法有效利用不同五官的结构信息,导致重建图像五官区分性差、缺乏各自细节特征。为解决这一问题,提出了一种融合五官轮廓注意力的人脸超分模型。搭建两阶段式神经网络:第一阶段利用残差网络提取深层复杂特征并对输入图像进行初步重建;第二阶段通过注意力融合网络将注意力集中在不同的面部成分(包括五官和面部轮廓),分别重建各成分的细节特征再进行融合。通过在CASIA WebFace上的定量与定性实验,证明了该两阶段式结构能够逐步提取特征、增强图片清晰度,恢复更多的图像细节。

摘要： 目的当人脸图像受到混合噪声(典型的如加性高斯白噪声和脉冲噪声混合)污染时,生成高分辨率人脸就成了一项具有挑战性的任务。本文拟针对这一问题,提出一种基于加权保真和稀疏约束的鲁棒人脸超分辨率算法。方法在数据保真项中引入加权矩阵来准确表征重建剩余残差的分布。此外,为了稳定最优权值,引入表示系数的稀疏先验作为正则项。最后,将加权重建残差和表示系数的稀疏约束统一到变分框架中,该变分框架在抑制混合噪声干扰的同时,获取高分辨率的人脸图像。结果在公共人脸数据库FEI上进行了对比实验,结果表明,在峰值信噪比、结构相似性度量等方面本文算法均优于现有的人脸超分辨率方法。结论该算法能有效抑制图像中的混合噪声,且能恢复出足够多的细节,验证了加权与稀疏约束在混合噪声干扰下实现人脸图像超分辨率的可行性。

摘要： 针对最小二乘回归子空间聚类法没有考虑近邻样本对求解表示系数的影响这一不足,提出近邻系数协同强化子空间聚类法.该方法利用近邻样本相似导致表示系数接近的思想定义近邻系数协同强化项.通过近邻样本的系数强化表示系数,从而得到更能反映样本相似度的相似矩阵,进而提高聚类准确率.在6个人脸图像数据集上的实验表明,该方法是有效的.

摘要： 监控场景下人脸图像质量分析技术的研究具有重要意义.由于监控视频采集到人脸模糊、头部角度不正、被其他物体遮挡等的低质量图像进入识别系统会造成识别准确率下降.为了解决上述问题,通过实验,研究了监控场景下影响图像质量的两个重要因素:人脸角度、图像清晰度.设计了基于聚类的人脸图像质量分析算法,提出了人脸图像质量分数的计算公式,实验表明该技术能够有效过滤监控视频下采集到的低质量图像,进而提高人脸识别系统的准确率.

摘要： 针对单训练样本中识别干扰因素较多的问题,为了增加人脸识别效果,在考虑局部邻域多流形度量的基础上,提出一种新的单训练样本人脸识别算法。首先预处理人脸图像信息,将影响因素降到最低;划分数据集,根据划分结果对分布在流形结构内数据点计算近邻点;构建多流形距离度量矩阵和误差度量矩阵;将人脸图像经过投影降维转换为低维流形结构,完成单训练样本人脸识别。实验结果验证了所设计算法识别效率较高和平均识别率较高,所用时间较少,具有很好的优势。

摘要： 针对传统的人脸超分辨率图像重建技术,人脸特征信息提取与恢复中存在特征丢失的问题,文中提出了一种基于坐标注意力机制的IP-FSRGAN人脸图像超分辨率重建算法,以帮助生成器学习到更多的人脸特征信息并合成更真实的超分辨率人脸图像。在放大倍数为4时,采用LFW数据集测试模型性能。实验结果显示,该方法与IP-FSRGAN相比,PSNR提升0.14%,SSIM提升0.59%,Y通道PSNR提升2.43%,SSIM提升0.38%,在定量上均优于SRGAN、ESRGAN、IP-FSRGAN等人脸重建方法。实验证明,文中所提基于坐标注意力机制的IP-FSRGAN人脸图像超分辨率重建算法在人脸超分辨图像重建上具有良好的有效性。

摘要： 针对大多数人脸超分算法的预设退化模型与真实图像的退化方式差距大,导致人脸重建的效果不理想的问题,提出了一种针对真实图像退化的人脸超分辨率重建算法。首先设计了一种混合退化模型,通过对运动模糊、高斯噪声等多种退化形式进行合成用于模拟真实图像退化空间,生成接近现实场景的低分辨率图像。然后采用基于小波域的超分辨重建网络预测得到高分辨率图像的小波系数,并经过小波逆变换得到超分辨率图像。在高清人脸数据集(FFHQ)和真实人脸数据集(RealSR)上的实验结果表明,研究提出的算法不仅能有效提升重建效果,而且适用于真实场景下的人脸超分辨率重建。

摘要： 针对当前识别系统在识别多角度人脸图像时存在正确识别率低的问题,引入概率神经网络,设计基于概率神经网络的人脸图像精准识别系统。首先,从路由器选型、摄像头装置选型两个方面进行系统硬件设计;其次,从建立识别模型、人脸图像特征提取、多角度人脸识别3个方面进行系统软件设计;最后,进行对比实验。实验结果表明,与对照组相比,该系统的识别率更高,识别精度符合预期要求。

摘要： 随着AI技术不断发展与进步,人脸识别技术日渐成熟,以此为基础技术而衍生的AI换脸技术已经开始进入人们的生活.至今为止AI换脸技术虽然已经成熟,但它的发展依旧还处于起始阶段,还有很多与之相关的法律、伦理问题没有讨论清楚,没有确定下来.需要了解它的操作基本原理,认清它所带来的现实影响及问题,但更需要注意和了解的是人们将会从这门技术中学习到如何在未来对这些问题加以防范和避免.

摘要： 提出了一种基于人脸图像特征匹配的美发设计方法.首先,根据人脸特征进行初步定位,通过面积大小判断是否为人脸目标;其次,运用像素值特征、形状特征并辅之于一定的约束条件方法进行人脸轮廓提取;最后,在发型库支持下完成对不同发型做相应的发型匹配处理.实验结果表明,所设计方法在处理拥有多张人脸且信噪比较高的图像时,对人脸目标依旧可以准确定位;在曝光条件较优的前提下,所设计的新发型与原始图片从视觉角度上看显得很自然.

摘要： 为了寻找更准确的“同源”图像间的变形路径,提出了一种基于三角形坐标系的图像描述方式,验证了基于三角形坐标系的人脸图像变形连续性问题.首先给出了三角坐标系的定义和三角纹理特征的描述方式;并推导了在三角形坐标系中当图像的结构发生变化时,三角纹理特征不变,简化图像变形路径的问题;然后三角坐标映射到笛卡尔坐标系,生成中间插值图像.最后对仿生模式识别进行改进,寻找到一条更符合人脸图像变换的核路径,从而改善仿生神经网络的有效覆盖,实验结果验证改进的仿生模式识别的有效性。

摘要： 从人脸图像中识别亲缘关系识别是计算机视觉里新颖又富有挑战性的一个方面.为了识别亲缘关系,本文定义了一种新的关联特征用以表示两个人之间的关系.借鉴自动编码器的思想,设计了一种新的深度卷积自编码神经网络,在提取输入图像特征的同时使得输入值逐渐接近目标值,由此建立输入与目标值的关联,并将网络的最后一个隐层的激活值作为所需的关联特征.在父子关系中,深度卷积自编码网络的输入与目标值分别为儿子的人脸图像和父亲的身份特征,学习了儿子逐渐变成父亲的过程,最终提取的关联特征能很好地表现父子关系.根据实验结果,关联特征能有效地表示两个个体的联接,可以根据关联特征判断一对人脸图像中的关系是否为亲缘关系.

摘要： 采用人脸图像进行情感识别的准确率较低且存在个体差异性,不能满足应急处置的需求,本文提出了一种基于图像和生理信号的多模态特征融合情感识别方法.利用SVD方法和小波分解方法分别对图像信息和生理信号进行特征提取,然后采用PCA方法对多模态特征进行降维融合,最后利用BP神经网络作为分类器,对不同情感进行识别.实验结果表明该方法能有效提高识别的正确率.

摘要： 为了解决多模生物认证中生物模板安全传输问题,该文提出把人脸图像隐藏嵌入到指纹图像中,用于多模生物特征认证,以提高生物体征识别的安全性和准确性.该文利用指纹图像归一化,中心点检测,获取嵌入区域的几何失真不变域,提出在几何失真不变域基于奇值分解(SVD)的多重嵌入算法,嵌入相应的人脸图像.检测者通过相关性优化算法,盲提取人脸图像,再结合载体指纹图像进行多模认证.实验结果表明,该算法能够抵抗旋转、缩放、平移等几何失真,也能抵抗压缩、滤波、噪声等攻击,大大提高了生物模板的传输安全性,指纹与人脸双模生物认证相比于单模认证具有更高的正确识别率.

摘要： 提出了一种特征加权的人脸识别算法,首先采用小波变换把人脸图像分解成高低频分量,然后对各分量进行主成分分析(PCA)提取特征图像,再根据各分量的重要性使用AHP算法进行加权,最后采用支持向量机(SVM)进行分类识别.该算法差别化地考虑了人脸高低频分量,在经典人脸库上进行实验验证,识别率可达到93％,有效地提高了人脸识别能力.

摘要： 人脸作为最重要的人体生物特征之一,具有较强的自身稳定性和个体差异性,比起采用其他生物识别技术,人脸识别技术具有非接触、方便采集、操作简单和易被接受等优点,在身份识别、自动监控、访问控制、视频会议和人机交互等方面占有很大的应用市场.但随着应用的日益广泛,现有的人脸识别系统也暴露出了很多安全问题,本文介绍了典型的人脸识别工作流程,并对人脸特征识别技术的安全性进行了论述.

摘要： 人脸作为最重要的人体生物特征之一,具有较强的自身稳定性和个体差异性,比起采用其他生物识别技术,人脸识别技术具有非接触、方便采集、操作简单和易被接受等优点,在身份识别、自动监控、访问控制、视频会议和人机交互等方面占有很大的应用市场.但随着应用的日益广泛,现有的人脸识别系统也暴露出了很多安全问题,本文介绍了典型的人脸识别工作流程,并对人脸特征识别技术的安全性进行了论述.

摘要： 人脸作为最重要的人体生物特征之一,具有较强的自身稳定性和个体差异性,比起采用其他生物识别技术,人脸识别技术具有非接触、方便采集、操作简单和易被接受等优点,在身份识别、自动监控、访问控制、视频会议和人机交互等方面占有很大的应用市场.但随着应用的日益广泛,现有的人脸识别系统也暴露出了很多安全问题,本文介绍了典型的人脸识别工作流程,并对人脸特征识别技术的安全性进行了论述.

摘要： 人脸作为最重要的人体生物特征之一,具有较强的自身稳定性和个体差异性,比起采用其他生物识别技术,人脸识别技术具有非接触、方便采集、操作简单和易被接受等优点,在身份识别、自动监控、访问控制、视频会议和人机交互等方面占有很大的应用市场.但随着应用的日益广泛,现有的人脸识别系统也暴露出了很多安全问题,本文介绍了典型的人脸识别工作流程,并对人脸特征识别技术的安全性进行了论述.

摘要： 本发明适用于图像检测技术领域，提供了一种人脸图像检测方法、人脸图像检测装置及终端设备，所述人脸图像检测方法，包括：获取待检测图像中人脸的目标特征点信息；根据所述目标特征点信息，获得目标参数，其中，所述目标参数与所述目标特征点信息中的目标特征点相关联；获取预设参数，其中，所述预设参数与所述目标参数相对应；根据所述目标参数和所述预设参数，获得所述待检测图像中的人脸在三维空间中的转动信息。通过本发明，可以以较小的计算量获取到更可靠、更准确的人脸特征数据。

摘要： 一种人脸图像数据采集方法及人脸图像数据采集装置。该人脸图像数据采集方法包括：获取用于表示真实采集场景的虚拟采集场景；获取至少一个虚拟头部模型数据；将至少一个虚拟头部模型数据分别放入虚拟采集场景中进行渲染，以获得至少一个人脸图像数据。该人脸图像数据采集方法使得采集工作不再受限于被采集者的物理位置，从而可以降低采集工作所消耗的资源以及时间，进而可以节约成本。

摘要： 公开了人脸图像分类方法、人脸图像分类装置和存储介质。人脸图像分类方法包括以下步骤：接收第一图像集，第一图像集与第一人对应但不具有对图像进行标记的标签；提取第一图像集中的每个图像的特征；基于所提取的特征，计算第一图像集中的每个图像对之间的相似度；基于所计算的相似度，构建图；基于所提取的特征以及所构建的图，通过使用图卷积网络来确定每个节点的概率值，该概率值指示出节点表示第一人的人脸图像的概率，其中，图卷积网络是通过使用第一图像集和第二图像集两者而被训练的，第二图像集具有将图像标记为是否表示第二人的人脸图像的标签；以及基于所确定的概率值，将节点分类为信号节点和噪音节点。

摘要： 本公开涉及一种人脸图像检测模型训练方法、人脸图像检测方法及装置。训练方法包括：获取清晰人脸区域数据集；根据预设的模糊化信息，为清晰人脸区域数据集中的人脸区域图片分配模糊化评分，并根据模糊化评分调用模糊化方法对人脸区域图片进行模糊化处理，获得模糊化图片；通过模糊化图片，训练人脸图像检测模型。检测方法包括：获取待检测人脸图像；根据待检测人脸图像，获取人脸区域数据；将人脸区域数据输入人脸图像检测模型，获得检测结果。通过本公开的方案，可以获得多样化的模糊化图片，并且通过在线获得的模糊化图片对人脸图像检测模型进行训练，可以训练出能够对人脸图像进行更准确且更全面地模糊度检测的人脸图像检测模型。

摘要： 本公开涉及一种人脸图像检测模型训练方法、人脸图像检测方法及装置。该训练方法包括：获取人脸区域数据集；针对人脸区域图片，提取人脸关键点、平均分成多个第一子区域并且根据人脸五官分成多个第二子区域；针对人脸关键点、第一子区域和第二子区域，选择亮度特征和灰度特征中的一种或两种进行提取；根据人脸关键点，对提取的亮度特征和灰度特征进行重组，形成重组特征；利用重组特征对人脸图像检测模型进行训练。通过本公开的方案，可以在少量数据中获得多样化的亮度特征和灰度特征，并且通过对这些特征进行重组来对人脸图像检测模型进行训练，可以训练出能够对人脸图像进行更准确且更全面地阴阳脸检测的人脸图像检测模型。

摘要： 本申请涉及网络直播及图像处理技术领域，提供一种人脸图像数据集分析方法、直播人脸图像处理方法、装置、设备和介质。本申请能够兼顾人脸图像数据集分析的准确性及效率。方法包括：获取待分析的人脸图像数据集，根据数据集中每张人脸图像上各人脸关键点的第一位置得到各人脸关键点的平均位置，基于该平均位置对第一位置进行相似变换得到每张人脸图像上各人脸关键点的第二位置，根据该每张人脸图像上各人脸关键点的第二位置进行主成分分析得到主成分集合，然后用每张人脸图像上各人脸关键点的第二位置拟合该主成分集合，得到每张人脸图像在各主成分对应的拟合系数，根据每张人脸图像在各主成分对应的拟合系数分析数据集在形态变化维度的分布情况。

摘要： 本申请公开一种人脸图像质量评分方法，该方法包括：获取包含多张人脸图像的样本库A；计算样本库A中的每一人脸图像的人脸在X轴方向上的偏转分数Sax、在Y轴方向上的偏转分数Say和人脸关键点的遮挡分数Sm；计算同类别样本相似度分布和计算不同类别样本相似度分布；依据同类别样本相似度分布和不同类别样本相似度分布计算样本库A中每一人脸图像的关于类别样本的质量分数Sn；综合Sax、Say、Sm和Sn获得每一人脸图像的人脸质量评分值S。本申请还提供一种人脸图像质量评估模型获取方法。

摘要： 公开了人脸图像分类方法、人脸图像分类装置和存储介质。人脸图像分类方法包括以下步骤：接收图像集，该图像集中的图像被标记为与同一目标人对应；提取图像集中的每个图像的特征；基于所提取的特征，计算图像集中的每个图像对之间的相似度；基于所计算的相似度，构建图，在该图中，图像集中的每个图像由一个节点表示，连接节点的边表示节点之间的相似度关系；基于所提取的特征以及所构建的图，通过使用第一图卷积网络来确定每个节点的概率值，该概率值指示出节点表示目标人的人脸图像的概率；以及基于所确定的概率值，将节点分类为表示目标人的人脸图像的节点和表示噪音图像的节点，从而得到图的节点分类结果。

摘要： 本公开提供一种人脸图像去模糊方法、人脸图像去模糊装置、计算机可读存储介质与电子设备，涉及图像处理技术领域。所述人脸图像去模糊方法包括：获取待处理人脸图像；对所述待处理人脸图像的纹理进行第一处理，得到第一中间特征，所述第一处理为对所述待处理人脸图像的纹理进行初步去模糊的处理；对所述待处理人脸图像进行第二处理，得到第二中间特征，所述第二处理为对所述待处理人脸图像进行初步去模糊的处理；对所述第一中间特征与所述第二中间特征进行第三处理，得到所述待处理人脸图像对应的去模糊图像。本公开能够对待处理的人脸图像进行有效、准确的去模糊处理。

摘要： 本申请实施方式公开了一种用于人脸图像处理的神经网络训练、人脸图像处理方法及装置，其中的方法主要包括：获取样本图像集；所述样本图像集中包括多个样本图像；确定所述样本图像中人脸的各器官的曲线控制点，并根据所述曲线控制点，生成各器官对应的控制曲线；采用插值方式在所述控制曲线中插入多个点，得到关键点标注数据；基于各样本图像中的各器官的关键点标注数据，训练各器官类型分别对应的第一神经网络；所述第一神经网络用于提取对应器官的关键点信息。