人脸检测

摘要： 在果园人脸检测过程中,一般人脸检测方法在光斑、树木阴影等复杂背景的影响下难以进行准确的检测,或拥有一定检测精度时无法检测较远距离的人脸。深度学习方法可以实现高精度、远距离检测,但需要昂贵的设备或通过云平台实时传输拍摄信息进行检测,成本过高。通过构建MobileNet-YOLO轻量级深度学习人脸检测算法,提高检测精度与检测距离的同时适用于嵌入式设备,使设备能直接进行人脸检测,降低成本,经LBPH人脸识别处理,仅对检测到人脸的图片进行保存与上传,减轻存储传输压力。选用嵌入式设备为Jetson Nano 2G与一般嵌入式设备相比在相同成本基础上搭载GPU提高了运算能力,更具经济性。试验结果表明,人脸检测算法检测距离达8 m,相较于SSD算法,检测速度提高1.92帧/s,检测的正脸准确率为99.91%,侧脸检测准确率为96.66%,相较于YOLOv4-tiny算法,正脸检测准确率提高0.93%,侧脸检测准确率提高0.12%。

摘要： 本文针对驾驶人疲劳驾驶检测模型实时性不足、以及在复杂光照场景下检测效果较差的问题,提出了一种改进的轻量级SSD双模态疲劳驾驶检测算法。该算法用MobileNet替换SSD的主干特征提取网络VGG16以使得模型轻量化。在模型的浅层特征上加入轻量级注意力机制网络SENet提升模型对小目标的检测精度。利用软注意力机制融合可见光图像和红外图像两种模态的特征提升模型在复杂光照环境下的表现。使用空洞-深度可分离卷积替换浅层的标准卷积,以弥补下采样导致的精度的损失。最后在检测出的人脸上根据PERCLOS准则进行疲劳驾驶判定。实验结果表明,该算法在复杂光照环境下具有良好的鲁棒性,同时能够在保证疲劳驾驶检测精度不下降的前提下大量减少模型参数量,进一步满足疲劳检测实时性的要求。

摘要： 系统利用Python OpenCV进行图像分析,确定人脸位置并实现人眼定位,利用Dlib库确定人眼的坐标位置。利用脸部局部状态信息进行非接触式测量,计算眼睛纵横比,即EAR值,根据设定的疲劳度阈值比较判断值班人员是否瞌睡。当检测出值班人员瞌睡时,系统会自动报警。实验结果表明,该检测方法使用非接触式测量值班人员生理响应特性,识别精度比较好且满足实用性要求。

摘要： 学生的头部姿态在一定程度上可以反映学生的学习状态,研究智慧课堂环境下的头部姿态估计对教师提高课堂教学效果具有重要意义。为了无介入的量化估计学生上课的头部姿态,提出并设计了基于深度学习的头部姿态估计方法。创新结合MTCNN(multi-task cascaded convolutional networks)和SDM(Supervised Descent Method),获取人脸图像中的68个特征点,再根据特征点使用PnP(Perspective n Point)估计头部姿态。实验结果表明,该算法的准确率达到了预期效果,较好实现了预期目标。

摘要： 就现今人脸活体检测尚未充分利用多模态特性的问题展开研究,提出了一种多模态与多尺度融合检测算法,充分利用可见光、近红外、深度3种模态数据的互补特性逐级过滤伪造样本.待测样本首先经近红外人脸检测过滤回放攻击,然后经过深度判别网络过滤平面攻击,最后将前2层难分类的样本输入多模态融合模块综合判别得到最终分类.构建了1个近2万组的高分辨率多模态数据集,设计了多尺度输入的轻量级判别网络,进一步提高算法的适应性.对比实验证明,提出的算法检测准确率比单模态方案显著提高,总参数量仅有48万个,推理时间为8.07ms,远低于其他常见融合方式.

摘要： 针对停车车辆缺乏远距离实时报警的问题,文中提出一种可以远程向手机发送车内高温、车辆移动及人员进入等报警信息的远程车辆报警系统。该系统由STM32F103ZET6芯片搭配最小系统作为主控模块,接收来自ATK-MPU6050传感器模块和树莓派人脸检测模块的数据以及高电平信号进行报警判断。通过在树莓派中嵌入OpenCV计算机视觉库调用配置Haar级联检测进行人脸检测;通过对ATK-MPU6050传感器模块中MEMS陀螺仪数据、加速度传感器数据和温度传感器数据进行数据解算、位移和温度等检测;通过GSM无线通信模块实现对手机发送移动、高温、人脸检测等警报信息的功能。最后,在实验平台进行多次测试。结果表明,文中系统能够在稳定手机信号覆盖的情况下进行车内高温、人脸检测、车辆位移等报警信号的实时传输,可有效解决车辆停车时的远距离报警问题。

摘要： 为了高效准确地对用电客户进行识别,进而为用户提供相应的服务,且使用户同时也能够全面获取自己的用电信息,进行缴费等操作,此次研究构建了基于人脸识别关键技术的电力营业厅供电服务系统。通过对人脸识别技术相关理论及系统设计方法等内容的分析,采用FABE人脸检测算法等方法进行了相关实验。结果表明,基于FABE人脸检测算法的人脸识别技术识别准确率较高,将其应用到供电服务系统中能够有效地处理各项供电及用电信息。这对未来人脸识别技术的不断优化和广泛使用均有一定的积极影响。

摘要： 当前,校园安防主要借助于专门的保安人员来对非校内人员进行甄别,这种方式不仅甄别准确性较低,并且效率也较低。为了对此问题进行解决,研究出一种以机器视觉技术为基础的校园安防智能识别系统。该系统可以对出入校门的人脸影像图进行动态采集,并根据OpenCv等算法,对这些采集到的影像图进行动态分析,然后对这些影像图的人脸特征进行检测。借助于数学算法对其进行处理,从而完成相应的人脸特征信息提取,这样就能将其与存储的信息进行对比,从而对出入人员进行动态甄别。这种方式不仅有着较高的甄别准确性,同时还具有颇高的检测效率,具有较高的推广与研究价值。

摘要： 为加快深度学习人脸检测算法MTCNN(multi-task convolu tion neural network)的推理速度,满足许多应用场合检测的实时性的要求,基于Xilinx FPGA ZCU102开发板设计针对MTCNN专门优化的卷积和全连接加速硬件。该加速硬件不仅适用于MTCNN网络,其它神经网络推理算法也可以使用。针对算法特点,硬件采用小而多的计算核心,支持动态分块、图像间混合计算、片上多核共享RAM等完全自主开发的软硬件协同技术。在100 MHZ的频率下对MTCNN应用在加速器上的加速效果进行测试并和ARM程序进行对比,可以得到加速器相对于ARM O2速度加快了6倍多。

摘要： 为了解决人脸检测中由于目标遮挡、背景复杂导致性能下降以及神经网络模型过大导致难以在低性能设备部署问题,在YOLOv4-Tiny的基础上引入SD(Self-DeConvolution)模块,提出了YOLO-SD-Tiny网络模型.在特征金字塔网络引入拥有更大感受野和更轻量级的SD模块,在部分网络层中采用Mish激活函数,损失函数采用CIOU边界框回归损失和GHM分类损失.实验结果表明:与原YOLOv4-Tiny相比,所提出的YOLO-SD-Tiny在遮挡场景下的人脸检测在准确率和实时性上有一定提升.

摘要： 本文将基于可变形部件模型(Deformable Part Models,DPM)的目标检测方法应用于人脸检测,首先提取图像的方向梯度直方图作为人脸特征,进而构建可变形部件模型并进行训练,最后进行人脸检测.利用AFLW数据库中的数据构建正样本,利用VOC2007数据库的数据构建负样本,采用隐变量线性支持向量机的方法对模型进行训练.本文共训练三个角度[0°,30°)、[30°,60°)、[60°,90°]的模型,每个模型还包括相应对称角度的模型.同时本文针对可变形部件模型的不同参数进行了大量的仿真,通过平均精度来对支持向量机的惩罚因子、非极大值抑制参数、颜色空间进行选择.

摘要： 针对光照、姿势及表情等因素降低人脸检测准确性的问题,提出一种基于B细胞算法的人脸检测方法.首先从选取的人脸库中提取人脸模板,再利用B细胞算法和模板匹配精准定位人脸的位置.实验结果表明提出的算法能够快速有效地检测出不同大小和姿势的人脸区域,具有较高的检测率和鲁棒性.

摘要： 提出了一种基于椭圆肤色模型与可控风险敏感型Adaboost(CCS-Adaboost)算法的多视角人脸检测方法.在人脸检测的离线训练部分,该方法使用Haar-like特征和CCS-Adaboost算法训练样本.CCS-Adaboost在最小化分类错误率的同时能够最小化样本的误分类风险,从而它能够提高分类准确性.在实时检测部分,首先通过使用YCbCr颜色空间的椭圆模型快速检测出可能的人脸区域,然后通过基于CCS-Adaboost的多视角人脸检测器检测人脸.多视角人脸检测器中级联分类器的前四层构成姿态预估部分,如果样本未通过级联检测器的前四层,那么该样本被确定为一个非人脸样本.实验证明该检测器可以有效和准确地检测多视角人脸.

摘要： 目前大型商场、营业厅等公众场合都会摆放广告,广告商及厂商也希望能够统计和分析有多少顾客对广告感兴趣.通过为Android嵌入式设备安装外置摄像头,并采用人脸检测技术完成对公共场合客流的统计恰恰满足了商家的这一需求.为此,基于人脸LBP (local binary pattern,局部二值模式)特征进行人脸检测,并根据人脸检测结果提取关键人脸特征,进行人脸匹配,实现客流人数统计,并将统计的数据定时上报到服务器.详细介绍了系统的设计实现并方法,并进行了测试评估,提供了优化改进的解决方案.

摘要： 本文研究了一种人脸检测方法.采用局部梯度模式(Local Gradient Patterns(LGP))提取人脸特征,用AdaBoost学习算法进行了层级分类器的训练.提出了应用面积重叠合并的识别方法(Square Overlap Merge Method (SOMM)),可以降低检测错误的正检测误差,同时克服了训练样本少的情况下分类器可靠性差的缺点.实验中采用MIT的人脸数据库进行分类器的训练,并在训练好的分类器的基础上,又进一步采集了6000多张人脸图片,进行分类器的再训练,以求分类器准确可靠.实验证明该方法能够快速有效的检测人脸,并且能很好的克服光照、姿态、背景、遮挡物等对人脸检测的影响。

摘要： Viola-Jones人脸检测算法的GPU实现版本,存在线程间负载不均衡的非规则特性.如果仅使用传统优化方法,人脸检测算法难以在GPU计算平台上达到较高性能.本文通过kernel合并、粗粒度并行、Persistent Thread、线程与任务动态映射、本地队列等优化方法的应用,突破了负载不均衡非规则特性导致的性能瓶颈,大幅提高了人脸检测算法在GPU计算平台上的性能.实验结果表明,与OpenCV2.4中高度优化的CPU版本在Intel Xeon X5550 CPU上的性能相比,优化后的算法在AMD HD7970和NVIDIA GTX680两个GPU计算平台上分别达到了11.24～20.27和9.24～17.62倍的加速比,实现了在不同GPU计算平台间的性能移植.

摘要： 本文针对经典的Viola-Jones人脸检测方法在复杂环境中检测精度不足以及可变形部件模型(DPM)方法检测速度过慢的问题,提出了一种基于深度卷积神经网络的人脸检测方法.近年来,基于深度卷积神经网络的Faster R-CNN方法在各种目标检测基准上展示了令人印象深刻的结果,其检测精度和速度都得到了大幅度提升.通过在AFLW人脸数据集上训练Faster R-CNN模型,在测试集上可以获得98％以上的检测精度(AP),检测速率可以达到20fps.而监控视频的帧率通常在10～25fps,因此该方法在监控系统中可以实现实时人脸检测.

摘要： 如今汽车已成为人们出行的首选工具之一,疲劳驾驶便成了一项重大安全隐患.提出基于眼、嘴、头等多种面部特征相结合的疲劳驾驶检测方法.该方法使用CCD摄像头采集图像信息,进行图像预处理,通过基于adaboost算法的人脸检测方法,采用灰度积分投影定位眼、嘴区域,来监测局部状态.改进的D-S信息融合算法形成综合疲劳判断指标,当指标达疲劳值时基于IPv6的预警平台会及时发出预警.将多种信号特征相融合保证了系统的可靠性与高效性.

摘要： 提出了一种适用于基于视觉的手势识别系统的肤色区域图像后处理方法.针对手势识别系统中人脸与人手经常同时在图像帧中出现的问题,对基于Haar-like模板的AdaBoost人脸检测器的训练流程和组合方案进行了研究,并提出了一种融合肤色信息的人脸区域快速剔除方法.针对肤色区域图像中的噪声干扰问题,提出了椒盐噪声抑制和类肤色区域剔除方法.测试结果表明,上述方法能够在基本保持检测率不变的前提下大幅度提升人脸检测速度,且能够使后续手姿识别步骤的识别正确率得到显著的提升.

摘要： 发型轮廓提取在数字娱乐仿真中具有重要应用.提出了一种复杂背景下发型轮廓的自动提取方法框架.对图像进行前景图像进行分割,从而去除背景图像对发型提取结果的干扰;通过人脸识别技术进行发型定位,进一步结合头发检测技术以实现发型的自动识别;为提高轮廓抽取的准确度,通过自适应皮肤检测以去除人脸对于发型轮廓提取的于扰.将本文方法应用于大量实例,实验结果表明:该方法不仅可以有效的自动提取发型轮廓,而且对于复杂背景下的发型轮廓提取也有具有良好效果.

摘要： 一种人脸检测方法及人脸检测装置、存储介质。第一方面，人脸检测方法中采用选择机制，通过前一次的检测结果从人脸识别处理和人脸跟踪处理中选择一种较优的处理方法，利于增强该人脸检测方法的实用效果；第二方面，由于在人脸识别处理过程中引入了人脸识别的轻量级深度神经网络，可对人脸区域进行有效的识别和定位，利于提高检测准确度；第三方面，引入了人脸置信度，利于解决人脸跟踪阶段所产生的漂移问题，修正跟踪偏差，提高人脸区域的输出精确度；第四方面，在轻量级深度神经网络构建的基础之上加入了感兴趣区域ROI的预测方法，可避免对整张图像进行人脸识别所引起的耗时较长的情形，利于提高人脸识别处理的执行速度，减小系统的开销。

摘要： 本发明公开了一种基于多特征融合的低光照人脸检测方法及低光照人脸检测网络。本方法为：1)对于一待处理的低光照图片x，使用提亮分支的编码器来对其进行降采样操作，提取不同尺度卷积层的输出作为该图片x的多尺度特征Fx'，再使用提亮分支的解码器利用多尺度特征Fx'重建出一张提亮后的图片2)使用特征提取网络提取该图片的多尺度特征3)使用空洞卷积层分别对所述多尺度特征Fx'和多尺度特征进行增强，分别得到Fx和并将Fx和融合得到特征Fc，根据特征Fc预测得到图片x中的人脸区域包围框和对应置信度。本发明大大优化了低光照领域的人脸检测结果。

摘要： 本公开提供了一种人脸检测方法及人脸检测系统，其中，该人脸检测方法包括：获取多个依次设置的图像采集装置在各自视场内采集的初始图像；获取所述初始图像中人脸图像，确定所述人脸图像中人脸特征点的第一坐标，其中所述第一坐标为采集到所述人脸图像的所述图像采集装置的相机坐标系下的坐标；将所述第一坐标转换为第二坐标，其中所述第二坐标为所述人脸特征点在预定的所述图像采集装置的相机坐标系下的坐标。该人脸检测方法基于多个依次设置的图像采集装置进行人脸检测，可检测的视场范围较大，多个依次设置的图像采集装置的布置方式更加灵活，且人脸检测的准确度较高。

摘要： 本申请涉及伪造人脸检测的技术领域，尤其是涉及一种人脸检测模型生成方法，该方法针对每层残差卷积块分别建立引导约束损失函数，从而将后一个残差卷积块的分类结果作为前一个残差卷积块的标签，将引导约束损失函数与主干网络损失函数合并获得框架损失函数，利用深层的卷积块分类预测来作为浅层的卷积块的标签，逐渐引导浅层网络的训练以及参数更新。本申请还提出了一种伪造人脸检测方法，伪造人脸检测方法中使用的人脸检测模型预先基于人脸检测模型生成方法训练得到，使用该人脸检测模型去检测真假人脸的准确率较高。

摘要： 本公开提供了人脸检测、人脸检测模型训练方法、装置、设备和介质，涉及图像处理领域，具体为深度学习和计算机视觉技术领域。具体实现方案为：将图像输入到预先训练的敏感人脸检测模型中；将图像输入到预先训练的敏感人脸检测模型中；通过所述敏感人脸检测模型提取至少一个特征尺寸的人脸特征；通过所述敏感人脸检测模型根据各所述特征尺寸对应的数量的先验框，在各所述特征尺寸的人脸特征中识别备选人脸区域；通过所述敏感人脸检测模型对所述备选人脸区域进行筛选，在所述图像确定目标人脸区域。本公开实施例可以加快人脸检测的速度。

摘要： 本公开涉及计算机技术领域，具体公开了一种人脸检测方法和人脸检测模型的训练方法及装置。该方法包括：获取待检测视频的多个视频帧，将每个视频帧划分为多个图像块，所述视频帧为包含人脸信息的图像；针对每个视频帧，将多个图像块输入至预训练的人脸检测模型，预训练的人脸检测模型包括第一自注意力模型和第二自注意力模型，通过第一自注意力模型对多个图像块进行预测运算，得到每个视频帧的第一预测信息；将各视频帧的第一预测信息输入至第二自注意力模型进行预测运算，得到第二预测信息；融合各视频帧的第一预测信息与第二预测信息，生成融合预测信息，以用于表征待检测视频是否存在人脸伪造图像的情况。本公开能提高人脸检测的准确度。

摘要： 本发明的实施例提供了一种人脸检测模型训练方法、人脸检测方法及相关装置，方法包括：在待训练样本集中，基于人脸框的面积确定多个阶段的训练样本集；依次按照第一阶段训练样本集、第二阶段训练样本集以及第三阶段训练样本集对人脸检测模型进行训练，得到第一人脸检测模型；基于待训练样本集对第一人脸检测模型进行训练，得到目标人脸检测模型。将第一人脸检测模型按照从简单到复杂的方式进行训练，并且将第一人脸模型检测模型无法识别的较小的人脸进行识别训练，使得轻量级的第一人脸检测模型具备重量级模型的能力，使得忽略的小脸也能够进入训练过程中，有效提升了轻量级模型预测小脸的能力，从而提升轻量级模型的检测精度。

摘要： 本发明公开了一种人脸检测模型训练方法、设备、计算机可读存储介质及人脸检测方法，该人脸检测模型训练方法包括：从待训练图片中提取特征以获取至少两种分辨率的初始特征图；融合所述初始特征图以得到第一检测特征图和第二检测特征图；通过第一检测器在所述第一检测特征图上进行第一尺度脸型检测，通过第二检测器在所述第二检测特征图上进行第二尺度脸型检测；基于目标损失函数训练人脸检测模型。本申请的人脸检测模型训练方法，具有提高各个尺寸人脸检出率的优点。

摘要： 本说明书提供一种人脸检测神经网络，所述神经网络包括：编码网络、第一解码网络、第二解码网络和预测网络；所述编码网络用于获取人脸图像的样本，并将输出结果分发给所述第一解码网络、所述第二解码网络和预测网络；所述第一解码网络用于根据所述编码网络的输出结果，提取出样本关键点的预测坐标；所述第二解码网络用于根据所述编码网络的输出结果，获取所述样本关键点的预测坐标的人脸姿态变化参数；预测网络用于将所述编码网络的输出结果以及所获取的预测坐标和人脸姿态变化参数作为输入进行训练，输出包含所述样本关键点的三维坐标的人脸模型。

摘要： 本发明公开了一种基于多特征融合的低光照人脸检测方法及低光照人脸检测网络。本方法为：1)对于一待处理的低光照图片x，使用提亮分支的编码器来对其进行降采样操作，提取不同尺度卷积层的输出作为该图片x的多尺度特征Fx'，再使用提亮分支的解码器利用多尺度特征Fx'重建出一张提亮后的图片2)使用特征提取网络提取该图片的多尺度特征3)使用空洞卷积层分别对所述多尺度特征Fx'和多尺度特征进行增强，分别得到Fx和并将Fx和融合得到特征Fc，根据特征Fc预测得到图片x中的人脸区域包围框和对应置信度。本发明大大优化了低光照领域的人脸检测结果。