人臉檢測(cè)
- 基于樹莓派的口罩人臉識(shí)別系統(tǒng)設(shè)計(jì)
；口罩識(shí)別；人臉檢測(cè)一、引言（一）背景及意義新冠病毒在全世界大范圍內(nèi)的迅速蔓延嚴(yán)重危害了全世界人民的生命健康安全，對(duì)社會(huì)經(jīng)濟(jì)穩(wěn)定造成了巨大的影響，由于新型冠狀病毒具有強(qiáng)烈的傳染特性，因此對(duì)新冠病毒的防范顯得尤為重要。通過(guò)日常實(shí)踐表明外出佩戴口罩、勤洗手、注意個(gè)人衛(wèi)生對(duì)防范新型冠狀病毒具有一定的作用。在疫情常態(tài)化的今天，需要將嵌入式人工智能、大數(shù)據(jù)、目標(biāo)檢測(cè)以及非接觸式測(cè)溫等技術(shù)綜合運(yùn)用來(lái)改善人臉識(shí)別精確度，即在現(xiàn)有的人臉身份識(shí)別基礎(chǔ)上配合疫防控優(yōu)化，增加口
客聯(lián) 2023年2期2023-06-18
- 基于多層卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別方法
MTCNN；人臉檢測(cè)0 引言表情作為人類重要的情感表達(dá)方式之一[1]，目前正成為新的研究熱點(diǎn)，人們希望通過(guò)研究人臉表情識(shí)別方法來(lái)實(shí)現(xiàn)計(jì)算機(jī)獲取人類表情的功能。具備表情識(shí)別功能的計(jì)算機(jī)設(shè)備能提高人機(jī)交互體驗(yàn)，高效地解決更多實(shí)際問(wèn)題并滿足更多的生活需求。例如：及時(shí)掌握駕駛員的情緒狀態(tài)，減少交通事故；監(jiān)控老人和嬰幼兒的情緒狀態(tài)，及時(shí)掌握其身體狀況，提高生活質(zhì)量；實(shí)時(shí)掌握遠(yuǎn)程教學(xué)過(guò)程中學(xué)生的上課狀態(tài)，提高教學(xué)效果等。卷積神經(jīng)網(wǎng)絡(luò)具有局部感知和權(quán)值共享的特點(diǎn)以及強(qiáng)大
電腦知識(shí)與技術(shù) 2023年9期2023-05-08
- 基于PERCLOS的列車司機(jī)疲勞檢測(cè)設(shè)計(jì)與實(shí)現(xiàn)
疲勞檢測(cè)； 人臉檢測(cè)； SVM人臉檢測(cè)器； 疲勞駕駛；中圖分類號(hào)：TP301? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2023）04-112-04Abstract： Train drivers are prone to physiological and psychological fatigue when they are in a highly concentrated and intense work state fo
計(jì)算機(jī)時(shí)代 2023年4期2023-04-13
- 教室場(chǎng)景下人臉檢測(cè)與識(shí)別
種教室場(chǎng)景下人臉檢測(cè)與識(shí)別的算法，基于RetinaFace人臉檢測(cè)框架進(jìn)行改進(jìn)，在主干網(wǎng)絡(luò)中引入可變形卷積以適應(yīng)人臉遮擋以及人臉變形，調(diào)整預(yù)設(shè)Anchor并在上下文敏感模塊中引入殘差結(jié)構(gòu)以適應(yīng)教室場(chǎng)景下尺度變化的特點(diǎn)。在公開(kāi)數(shù)據(jù)集WIDER FACE上訓(xùn)練基礎(chǔ)權(quán)重，然后在教室場(chǎng)景下自標(biāo)注的數(shù)據(jù)集中進(jìn)行遷移學(xué)習(xí)以適應(yīng)教室場(chǎng)景，最后通過(guò)ArcFace人臉識(shí)別網(wǎng)絡(luò)進(jìn)行人臉識(shí)別。本算法在公開(kāi)數(shù)據(jù)集WIDER FACE上batch size設(shè)置為16時(shí)，Easy、M
軟件工程 2022年7期2022-07-21
- 基于人臉識(shí)別技術(shù)的高校在線考試系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
能。系統(tǒng)通過(guò)人臉檢測(cè)模型和深度卷積網(wǎng)絡(luò)進(jìn)行人臉識(shí)別，并引入殘差學(xué)習(xí)，實(shí)現(xiàn)了基于人臉識(shí)別的考生在線身份驗(yàn)證和實(shí)時(shí)在線監(jiān)考，保證了考生在線考試成績(jī)的真實(shí)性和有效性。關(guān)鍵詞：在線考試系統(tǒng);在線監(jiān)考;人臉識(shí)別;深度卷積網(wǎng)絡(luò);人臉檢測(cè)中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）14-0056-021 背景利用網(wǎng)絡(luò)資源實(shí)現(xiàn)線上教學(xué)已經(jīng)成為重要的教學(xué)途徑，同時(shí)在線考試也越來(lái)越受到高校的廣泛關(guān)注。利用人臉識(shí)別監(jiān)考技術(shù)實(shí)現(xiàn)在線
電腦知識(shí)與技術(shù) 2022年14期2022-07-05
- 身份認(rèn)證服務(wù)云平臺(tái)設(shè)計(jì)與開(kāi)發(fā)
于MTCNN人臉檢測(cè)、人臉矯正、人臉動(dòng)作活體檢測(cè)、人臉特征提取、相似度計(jì)算以及用戶習(xí)慣算法，綜合一套身份認(rèn)證服務(wù)器平臺(tái)。本文通過(guò)提出活體人臉認(rèn)證與用戶行為習(xí)慣算法進(jìn)行身份認(rèn)證，防范非賬戶用戶或是欺騙行為。關(guān)鍵詞：人臉檢測(cè);深度學(xué)習(xí);MTCNN人臉檢測(cè);活體檢測(cè);用戶習(xí)慣算法中圖分類號(hào)：TP18 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）13-0091-03近年來(lái)，游戲、直播的行業(yè)不斷發(fā)展，其涉及到充值、打賞、轉(zhuǎn)賬等操作更加快速便捷，在
電腦知識(shí)與技術(shù) 2022年13期2022-06-11
- 基于Python與OpenCV的人臉識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
ke特征以及人臉檢測(cè)器模型級(jí)聯(lián)分類器對(duì)給定的人臉圖像進(jìn)行檢測(cè)訓(xùn)練分析，從而獲取匹配度最高的臉部特征數(shù)據(jù)信息，進(jìn)而實(shí)現(xiàn)人臉識(shí)別。關(guān)鍵詞：Python;OpenCV;人臉檢測(cè);人臉識(shí)別中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）10-0087-02隨著信息化時(shí)代快速發(fā)展，人們的個(gè)人信息安全面臨威脅，人們急需尋找有效的身份驗(yàn)證途徑，過(guò)去通過(guò)使用證件驗(yàn)證身份信息已不適用于現(xiàn)在高科技快速發(fā)展的時(shí)代。通過(guò)專家的不斷研究，
電腦知識(shí)與技術(shù) 2022年10期2022-05-30
- Android平臺(tái)下基于OpenCV的人臉檢測(cè)系統(tǒng)的實(shí)現(xiàn)
杜丹摘要：人臉檢測(cè)是指把人臉從一幅靜止的圖像或者動(dòng)態(tài)視頻中檢測(cè)出來(lái)，并且指出人臉在圖像或視頻中的大小和位置?；谝苿?dòng)端的人臉檢測(cè)技術(shù)操作方便、安全有效，受到了越來(lái)越多用戶的青睞，人臉檢測(cè)的方法成為各個(gè)計(jì)算機(jī)視覺(jué)技術(shù)人員的研究熱點(diǎn)?；诖吮尘埃贏ndroid平臺(tái)下，提出一種基于OpenCV的人臉檢測(cè)系統(tǒng)，采用訓(xùn)練好的LBP（Local Binary Pattern）與HAAR（特征級(jí)聯(lián)分類）生成人臉?lè)诸惼?，?duì)預(yù)處理好的人臉圖像，利用OpenCV中的dete
電腦知識(shí)與技術(shù) 2022年30期2022-05-30
- 基于單片機(jī)與OpenCV的門禁系統(tǒng)
實(shí)現(xiàn)了實(shí)時(shí)的人臉檢測(cè)與識(shí)別功能，使用單片機(jī)開(kāi)發(fā)板模擬門鎖的運(yùn)轉(zhuǎn)。關(guān)鍵詞： OpenCV; 單片機(jī); MFC; 人臉檢測(cè); 人臉識(shí)別; 門禁系統(tǒng)中圖分類號(hào)：TP317.4? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2022）05-63-03Access control system based on MCU and OpenCVXu Jie， Li HandongAbstract： As a well-known cross-p
計(jì)算機(jī)時(shí)代 2022年5期2022-05-27
- 基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)分析
臉識(shí)別技術(shù);人臉檢測(cè);物聯(lián)網(wǎng)設(shè)備中圖分類號(hào)：TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）07-0089-03開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：
電腦知識(shí)與技術(shù) 2022年7期2022-05-09
- 基于深度學(xué)習(xí)的車載疲勞檢測(cè)研究
ERT算法;人臉檢測(cè)中圖分類號(hào)：TP391.41? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）04-0066-041 引言2020年共發(fā)生244671起交通事故，其中機(jī)動(dòng)車事故211074起，造成55950人死亡[1]。復(fù)雜交通環(huán)境與極端天氣是交通事故發(fā)生的客觀因素，駕駛員的危險(xiǎn)駕駛行為是交通事故發(fā)生的主觀因素，疲勞駕駛就屬于危險(xiǎn)駕駛行為的一種。駕駛員在連續(xù)長(zhǎng)時(shí)間行車后，由于長(zhǎng)期保持固定姿勢(shì)，血液循環(huán)不暢引起肢體疲勞，長(zhǎng)時(shí)間觀察路況，缺
電腦知識(shí)與技術(shù) 2022年4期2022-04-29
- 一種基于特征點(diǎn)的快速人臉朝向檢測(cè)算法
測(cè)。關(guān)鍵詞：人臉檢測(cè);人臉朝向;特征點(diǎn);姿態(tài)估計(jì);粒子群算法中圖分類號(hào)：TP391? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）29-0105-03Fast Face Orientation Detection Method Based on Feature PointsGAO Ling-wei， LI Zhi-yang， DENG Lei， YANG Ze-xin， ZOU Ying（College of Physical Science a
電腦知識(shí)與技術(shù) 2021年29期2021-12-24
- 基于計(jì)算機(jī)視覺(jué)的網(wǎng)約車車載智能監(jiān)控系統(tǒng)研究
;車載監(jiān)控;人臉檢測(cè)1緒論隨著網(wǎng)約車數(shù)量劇增，覆蓋時(shí)段、覆蓋區(qū)域也大大增加，乘車安全問(wèn)題逐漸涌現(xiàn)，這告訴我們，現(xiàn)有的安全措施只能“亡羊補(bǔ)牢”，真正的安全是要做到“未雨綢繆”，將傷害控制在危險(xiǎn)發(fā)生之前。然而某網(wǎng)約車軟件內(nèi)置的一鍵報(bào)警、添加緊急聯(lián)系人等防范措施在一些受限環(huán)境下并不能有效阻止傷害的發(fā)生，同時(shí)，現(xiàn)階段的車載監(jiān)控系統(tǒng)往往只起到事后查證的作用，對(duì)正在發(fā)生的危險(xiǎn)并不能進(jìn)行智能預(yù)警。因而我們亟須一種網(wǎng)約車智能安防監(jiān)控系統(tǒng)，來(lái)對(duì)車內(nèi)發(fā)生的異常行為進(jìn)行實(shí)時(shí)的智
科技風(fēng) 2021年33期2021-12-24
- 人臉活體檢測(cè)技術(shù)在校園智能安防的應(yīng)用綜述
。關(guān)鍵詞： 人臉檢測(cè); 人臉活體檢測(cè)技術(shù); 校園安全; 智能安防中圖分類號(hào)：TP3? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2021）09-14-04Abstract： Living face detection technology is a kind of biometric recognition technology of face information matching and location. It can
計(jì)算機(jī)時(shí)代 2021年9期2021-10-08
- 一種非合作的人臉智能識(shí)別系統(tǒng)
詞】? ? 人臉檢測(cè)? ? 機(jī)器學(xué)習(xí)? ? 人臉識(shí)別引言：在算法飛速發(fā)展的今天，人臉識(shí)別越來(lái)越多的普及到了我們的生活與工作中，火車站、機(jī)場(chǎng)的安檢，遍布城市的天眼監(jiān)控系統(tǒng)，都有人臉識(shí)別活躍的地方。在我們平日生活生產(chǎn)應(yīng)用的領(lǐng)域中，很多圖像中的人員并不會(huì)仔細(xì)正臉面對(duì)攝像頭，這就導(dǎo)致了人臉識(shí)別所需信息的不足。除此以外，光照、遮擋等環(huán)境因素也會(huì)導(dǎo)致無(wú)法采集到人臉識(shí)別所需要的信息。如果能通過(guò)機(jī)器學(xué)習(xí)的方法，篩除掉信息不足的人員，便能夠提升系統(tǒng)識(shí)別率，節(jié)省系統(tǒng)運(yùn)算空間。
中國(guó)新通信 2021年12期2021-08-27
- 一種改進(jìn)的多任務(wù)級(jí)聯(lián)網(wǎng)絡(luò)人臉檢測(cè)算法研究
摘 要：傳統(tǒng)人臉檢測(cè)算法在復(fù)雜環(huán)境背景下一直存在著檢測(cè)準(zhǔn)確率及效率低等問(wèn)題。近年來(lái)，得益于人臉數(shù)據(jù)集的增長(zhǎng)以及計(jì)算機(jī)硬件的極速發(fā)展，使用深度神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)算法在準(zhǔn)確度方面已有很大提升，但使用的模型結(jié)構(gòu)越來(lái)越復(fù)雜，檢測(cè)速度也相對(duì)變慢。本文提出一種改進(jìn)的多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)（Multi-task convolutional neural networks，MTCNN）算法。在制造數(shù)據(jù)集時(shí)更改IOU閾值參數(shù)，來(lái)獲取更多、更精確的人臉樣本;對(duì)與置信度損失有關(guān)的交
智能計(jì)算機(jī)與應(yīng)用 2021年3期2021-08-09
- 基于深度學(xué)習(xí)的輕量級(jí)人臉檢測(cè)模型研究
習(xí);輕量級(jí);人臉檢測(cè);人臉特征【中圖分類號(hào)】TP391.41;TP181【文獻(xiàn)標(biāo)識(shí)碼】A【文章編號(hào)】1674-0688（2021）06-0057-03隨著全球人工智能技術(shù)的高速發(fā)展，生物識(shí)別技術(shù)成為該領(lǐng)域的研究熱點(diǎn)，其主要是利用人體皮膚、人臉、指紋等特征作為技術(shù)識(shí)別的方式，其中，人臉識(shí)別為主要的識(shí)別方式，該方式具有精準(zhǔn)性、唯一性、有效性特點(diǎn)，這種特點(diǎn)是無(wú)法進(jìn)行模擬和仿制的。目前，人臉識(shí)別技術(shù)已逐步運(yùn)用于各個(gè)領(lǐng)域當(dāng)中，傳統(tǒng)的識(shí)別技術(shù)也逐步被其替代。同時(shí)，這項(xiàng)
企業(yè)科技與發(fā)展 2021年6期2021-07-28
- 基于輕量化SSD的人臉檢測(cè)模型設(shè)計(jì)
（SSD）的人臉檢測(cè)模型，兼顧檢測(cè)精度和檢測(cè)速度的需求?；趥鹘y(tǒng)模型特征圖所存在的冗余現(xiàn)象，設(shè)計(jì)了一種輕量化卷積，以線性變換代替部分卷積操作，既能保持特征圖的數(shù)量，又減少了模型參數(shù)和運(yùn)算量。同時(shí)，采用性能更好的Hard_Swish激活函數(shù)，以加快收斂速度并提高模型精度。通過(guò)FDDB人臉數(shù)據(jù)集的測(cè)試結(jié)果可以看出，綜合考慮精度、參數(shù)量、速度等指標(biāo)，輕量化模型在保持了人臉檢測(cè)精度的前提下，大大壓縮了模型體積、提高了模型的檢測(cè)速度，達(dá)到了影視實(shí)時(shí)性檢測(cè)要求。關(guān)鍵詞
計(jì)算機(jī)與網(wǎng)絡(luò) 2021年5期2021-06-01
- 基于Viola-Jones 框架人臉檢測(cè)算法的汽車疲勞駕駛檢測(cè)
勞駕駛檢測(cè);人臉檢測(cè);疲勞特征提取;PERCLOS值;Viola-Jones中圖分類號(hào)：TP391.41;U491.116? ? ? ? ?DOI：10.16375/j.cnki.cn45-1395/t.2021.01.0070? ? 引言隨著交通工具的飛速發(fā)展，交通隱患也成為威脅人類安全的殺手之一，每年全世界至少有50萬(wàn)人死于交通事故.歐美各國(guó)的研究報(bào)告指出，交通事故的起因有接近90%的因素是人為造成，其中在駕駛過(guò)程中由于疲勞引發(fā)的交通事故就有10萬(wàn)多例
廣西科技大學(xué)學(xué)報(bào) 2021年1期2021-03-15
- 基于CNN的人臉識(shí)別研究與實(shí)現(xiàn)
cenet;人臉檢測(cè);人臉匹配中圖分類號(hào)：TP391.4 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2021）13-0014-05Research and Implementation of Face Recognition Based on CNNGU Guangbing， SHEN Xiaoping， WANG Yuting（Jiaxing Vocational & Technical College， Jiaxing ?314036， C
現(xiàn)代信息科技 2021年13期2021-02-19
- 人臉識(shí)別算法在行人過(guò)街系統(tǒng)中的應(yīng)用研究
提出一種基于人臉檢測(cè)和人臉識(shí)別的行人過(guò)街系統(tǒng)。該系統(tǒng)由圖像采集模塊、人臉檢測(cè)及識(shí)別模塊、數(shù)據(jù)分析及處理模塊等部分組成，借助MTCNN、FaceNet等深度卷積神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)人臉檢測(cè)和人臉識(shí)別，同時(shí)在年齡識(shí)別模塊中調(diào)整了AlexNet模型的網(wǎng)絡(luò)參數(shù)，并對(duì)模型進(jìn)行重新訓(xùn)練。行人過(guò)街系統(tǒng)借助深度學(xué)習(xí)算法，可以實(shí)現(xiàn)無(wú)感知放行，有效提升道路通行率及行人過(guò)馬路的安全性。關(guān)鍵詞：人臉檢測(cè);人臉識(shí)別;行人過(guò)街;MTCNN中圖分類號(hào)：TN911.73;TP391.4文獻(xiàn)標(biāo)
河南科技 2020年32期2020-12-29
- 探究公安工作應(yīng)用局部人臉及高分辨率圖像場(chǎng)景的人臉檢測(cè)算法
從根本上提升人臉檢測(cè)算法，提升在高分辨率圖像及高密度人群下的適應(yīng)性。通過(guò)人臉檢測(cè)算法的研究，把控人臉采集數(shù)據(jù)源，以適應(yīng)攝像機(jī)分辨率不斷提升導(dǎo)致的圖像尺寸變化及適應(yīng)諸如三場(chǎng)一站等高密度人群、遮擋人群的人像采集，為人臉布控、人臉比對(duì)、人臉檢索以及基于人臉的分析研判提供高可用的人臉圖片數(shù)據(jù)。關(guān)鍵詞：人臉深度研判;人臉檢測(cè);尺度變化中圖分類號(hào)：TP3? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）30-0198-041 背景隨著公安立體化防控
電腦知識(shí)與技術(shù) 2020年30期2020-12-29
- 人臉識(shí)別系統(tǒng)的研究和探討
：人臉識(shí)別;人臉檢測(cè);研究分析中圖分類號(hào)：TP391.4? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1007-9416（2020）10-0000-001 研究的背景和意義人臉識(shí)別是模式識(shí)別和機(jī)器視覺(jué)中一個(gè)非常活躍的研究熱點(diǎn)。不論是國(guó)內(nèi)還是國(guó)內(nèi)，在研究所以及大型公司都對(duì)人臉識(shí)別技術(shù)投入了大量的人力物力進(jìn)行研究，因?yàn)槿四樧R(shí)別技術(shù)在理論研究中具有巨大的應(yīng)用價(jià)值，因此人們非常重視對(duì)于它的研究。與傳統(tǒng)的身份驗(yàn)證技術(shù)相比，它利用人自身具有的特點(diǎn)，可靠性高，安全性好，
數(shù)字技術(shù)與應(yīng)用 2020年10期2020-12-09
- 新媒體技術(shù)的戶外廣告互動(dòng)性優(yōu)化系統(tǒng)
硬件結(jié)構(gòu); 人臉檢測(cè); 互動(dòng)性中圖分類號(hào)： TN99?34; TP391.9? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）21?0160?05Interactive optimization system for outdoor advertising based on new media technologyWU Ning， MEI Yuhan（School of
現(xiàn)代電子技術(shù) 2020年21期2020-12-07
- 基于OpenCV的人臉檢測(cè)系統(tǒng)開(kāi)發(fā)與實(shí)現(xiàn)
顏兵摘要：人臉檢測(cè)是人臉識(shí)別的重要環(huán)節(jié)，人臉檢測(cè)已經(jīng)成為一個(gè)獨(dú)立的研究課題。本文通過(guò)分析基于OpenCV提供的Haar分類器算法，設(shè)計(jì)開(kāi)發(fā)了一個(gè)人臉檢測(cè)系統(tǒng)。該系統(tǒng)成功實(shí)現(xiàn)了對(duì)目標(biāo)圖像的人臉定位。關(guān)鍵詞：人臉識(shí)別? ;人臉檢測(cè) ; OpenCV? ;? Haar分類器 ; AdaBoost算法中圖分類號(hào)：TP391.41?? 文獻(xiàn)標(biāo)識(shí)碼：A?? 文章編號(hào)：1672-9129（2020）12-0050-011 人臉檢測(cè)概述及檢測(cè)過(guò)程人臉檢測(cè)是自動(dòng)人臉識(shí)別系
數(shù)碼設(shè)計(jì) 2020年12期2020-12-02
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)算法研究
的迅猛發(fā)展，人臉檢測(cè)算法準(zhǔn)確度已有很大提升。模型越復(fù)雜，檢測(cè)速度越慢，設(shè)計(jì)一種準(zhǔn)確度與速度兼顧的人臉檢測(cè)模型尤為必要?；贔aceBoxes人臉檢測(cè)算法框架，提出一種基于深層卷積主干網(wǎng)絡(luò)的改進(jìn)方法，并在人臉檢測(cè)基準(zhǔn)數(shù)據(jù)集中進(jìn)行測(cè)試實(shí)驗(yàn)。其在FDDB數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示，檢測(cè)正確率達(dá)95%，比傳統(tǒng)方法提高1.67%。該算法在保證實(shí)時(shí)性的同時(shí)提升了檢測(cè)準(zhǔn)確率，可應(yīng)用于追求更高準(zhǔn)確率的人臉檢測(cè)系統(tǒng)。關(guān)鍵詞：人臉檢測(cè); 深度學(xué)習(xí); 卷積神經(jīng)網(wǎng)絡(luò)DOI：10. 1
軟件導(dǎo)刊 2020年10期2020-12-01
- 基于膚色與Haar-like擴(kuò)展集的駕駛員人臉檢測(cè)算法
駛預(yù)警系統(tǒng)中人臉檢測(cè)準(zhǔn)確率低、誤檢率高的問(wèn)題，提出一種基于膚色與Haar-like擴(kuò)展集的駕駛員人臉檢測(cè)算法。首先根據(jù)駕駛員人臉膚色在YCbCr色彩空間的聚類性、臉部特征及駕駛環(huán)境，篩選人臉膚色作為候選區(qū);然后在傳統(tǒng)基于Haar-like特征的AdaBoost算法中，加入兩組新的符合人臉特征分布的Haar-like特征進(jìn)行駕駛員人臉檢測(cè)。以MIT人臉庫(kù)和拍攝的駕駛員人臉圖像作為訓(xùn)練與檢測(cè)樣本，與傳統(tǒng)AdaBoost算法進(jìn)行對(duì)比實(shí)驗(yàn)。結(jié)果表明，該算法對(duì)正面人
軟件導(dǎo)刊 2020年8期2020-09-02
- 一種基于視頻的人臉檢測(cè)及識(shí)別方法
：基于視頻的人臉檢測(cè)及識(shí)別是一個(gè)比較熱門的研究方向。本文使用了一種方法對(duì)視頻中的人臉進(jìn)行檢測(cè)。在收集檢測(cè)后的人臉模型后，本研究訓(xùn)練了一個(gè)輕型的深度神經(jīng)網(wǎng)絡(luò)模型，并使用該模型來(lái)進(jìn)行人臉識(shí)別。試驗(yàn)結(jié)果表明，該模型可以較為高效地檢測(cè)出人臉。關(guān)鍵詞：視頻監(jiān)控;人臉檢測(cè);人臉識(shí)別;CNN中圖分類號(hào)：TP389.1文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）20-0027-03Abstract： Face detection and recognition
河南科技 2020年20期2020-08-25
- 兒童安全智能門窗的防護(hù)系統(tǒng)研發(fā)
系統(tǒng)，擬采用人臉檢測(cè)、年齡段識(shí)別、單目深度估計(jì)等人工智能技術(shù)檢測(cè)兒童靠近窗戶并自動(dòng)關(guān)閉來(lái)規(guī)避危險(xiǎn)事件的發(fā)生，提升智能家居安全水平。關(guān)鍵詞：兒童安全;人臉檢測(cè);深度學(xué)習(xí);年齡段識(shí)別;單目測(cè)距中圖分類號(hào)：TP399 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）19-0065-02開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：1 引言近年來(lái)，兒童在居住場(chǎng)所意外墜樓事故頻頻發(fā)生，除了大人疏于看護(hù)等主觀原因，高層住戶窗戶缺乏防護(hù)欄等安全設(shè)施也是一個(gè)重要的因素。為
電腦知識(shí)與技術(shù) 2020年19期2020-08-19
- 高斯噪聲下的人臉檢測(cè)算法研究
方法，提高了人臉檢測(cè)的準(zhǔn)確度。關(guān)鍵詞：高斯濾波;Adaboo st;Haar特征;人臉檢測(cè)中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2020）05-0125-020引言在當(dāng)今社會(huì)，實(shí)時(shí)人臉檢測(cè)已在我國(guó)各方面全面發(fā)展，已經(jīng)成為我們?nèi)粘Ｉ钪兄匾沫h(huán)節(jié)，面對(duì)如此龐大的數(shù)據(jù)，人臉檢測(cè)也面臨著巨大的挑戰(zhàn)。主要難點(diǎn)在于人臉的角度、表情、膚色等。在實(shí)際情況下，由于光照條件、面部遮擋，人臉角度的原因，人臉檢測(cè)的穩(wěn)定性和準(zhǔn)確性必然會(huì)受到影響。本
數(shù)字技術(shù)與應(yīng)用 2020年5期2020-08-04
- 基于眨眼檢測(cè)的駕駛員疲勞檢測(cè)技術(shù)的研究與實(shí)現(xiàn)
：疲勞駕駛;人臉檢測(cè);眼睛狀態(tài);模板匹配;眨眼頻率1? ? 國(guó)內(nèi)外研究現(xiàn)狀隨著社會(huì)經(jīng)濟(jì)的發(fā)展，汽車已成為人們?nèi)粘Ｉ钪胁豢苫蛉钡慕煌üぞ撸善囈鸬慕煌ㄊ鹿室仓饾u增多。根據(jù)世界衛(wèi)生組織（WTO）2014年發(fā)布的《世界預(yù)防道路交通安全傷害報(bào)告》相關(guān)數(shù)據(jù)顯示，疲勞駕駛在十大“影響交通事故發(fā)生的危險(xiǎn)因素”中高居第3位。在我國(guó)，依據(jù)公安部交通管理局提供的數(shù)據(jù)，每年約有9 000人死于疲勞駕駛。疲勞駕駛被列為繼超速行駛、酒后駕車之后引發(fā)道路交通事故的又一主要原因[
科學(xué)大眾 2020年6期2020-07-23
- 基于機(jī)器學(xué)習(xí)的人臉檢測(cè)系統(tǒng)的設(shè)計(jì)與現(xiàn)實(shí)
求越來(lái)越高，人臉檢測(cè)在近年開(kāi)始被廣泛應(yīng)用，使人們的生活購(gòu)物、信息保障等方面都得到了質(zhì)的提升，所以人臉檢測(cè)的研究實(shí)現(xiàn)是非常有必要的。文章設(shè)計(jì)了一個(gè)基于機(jī)器學(xué)習(xí)的人臉檢測(cè)系統(tǒng)。主要方法使用了MTCNN模型框架進(jìn)行人臉候選框以及人臉特征點(diǎn)的預(yù)測(cè)，通過(guò)多個(gè)階段的預(yù)測(cè)與篩選，最后得出準(zhǔn)確的人臉框以及5個(gè)人臉特征點(diǎn)。關(guān)鍵詞：人臉檢測(cè);機(jī)器學(xué)習(xí);MTCNN中圖分類號(hào)：TP391.41? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2020）03-0094-03
現(xiàn)代信息科技 2020年3期2020-07-04
- 基于特征綁定的ASM人臉檢測(cè)研究
要：近年來(lái)，人臉檢測(cè)識(shí)別方法得到飛速發(fā)展，基于ASM特征的識(shí)別方法因具有定位精度高而得到廣泛應(yīng)用。然而，當(dāng)相鄰兩個(gè)特征點(diǎn)位于不同器官時(shí)，使用該方法時(shí)特征點(diǎn)間會(huì)產(chǎn)生連帶效應(yīng)。本文提出基于特征綁定的ASM人臉檢測(cè)算法，克服了傳統(tǒng)ASM方法存在的連帶效應(yīng)。由于使用該方法不需要直接檢測(cè)完整的人臉，因此其對(duì)人臉偏轉(zhuǎn)、部分人臉遮擋、用戶佩戴眼鏡等情況有較高的準(zhǔn)確性和魯棒性。關(guān)鍵詞：特征綁定;人臉檢測(cè);ASM中圖分類號(hào)：TP391141文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-
河南科技 2020年7期2020-05-19
- 基于深度學(xué)習(xí)的疲勞檢測(cè)算法
MTCNN）人臉檢測(cè)及多特征融合的疲勞檢測(cè)方法。算法利用改進(jìn)的MTCNN進(jìn)行人臉檢測(cè)和面部9個(gè)特征點(diǎn)定位；基于特征點(diǎn)確定出嘴巴、眼睛區(qū)域輸入多尺度深度可分離卷積神經(jīng)網(wǎng)絡(luò)（Multi-Scale Depth Separable Networks，MSDS-Net），以識(shí)別嘴巴和眼睛的狀態(tài)。算法融合眼睛閉合率（ECR）、嘴巴張合率（MCR）和頭部非正臉率（NFR）三個(gè)特征參數(shù)并進(jìn)行疲勞狀態(tài)判定，在YawDD數(shù)據(jù)集和課題組自制數(shù)據(jù)集上查準(zhǔn)率和查全率分別為96.2
計(jì)算機(jī)與網(wǎng)絡(luò) 2020年8期2020-05-15
- 基于多元數(shù)據(jù)融合的課堂表現(xiàn)智能檢測(cè)系統(tǒng)設(shè)計(jì)
評(píng)估?？紤]到人臉檢測(cè)的定位準(zhǔn)確度問(wèn)題，以及學(xué)生低頭的動(dòng)作不一定是使用手機(jī)，文章同時(shí)引入了無(wú)線信號(hào)偵測(cè)技術(shù)，捕獲并檢測(cè)當(dāng)前教室里由于學(xué)生使用手機(jī)造成信號(hào)頻繁收發(fā)的終端位置，與人臉檢測(cè)的定位相結(jié)合，交叉定位，從而獲得更精準(zhǔn)的定位效果。關(guān)鍵詞：人臉檢測(cè);頭部姿態(tài)估計(jì);無(wú)線信號(hào)偵測(cè)本項(xiàng)目考慮到課堂使用情景，因此擬將使用便捷、功能齊全的Jetson TX2開(kāi)發(fā)板作為主要開(kāi)發(fā)平臺(tái)。人臉檢測(cè)方面，為了提高識(shí)別效率與準(zhǔn)確率，使用Dlib庫(kù)的機(jī)器學(xué)習(xí)算法與庫(kù)，實(shí)現(xiàn)基于深度學(xué)
無(wú)線互聯(lián)科技 2020年6期2020-04-30
- 基于卷積神經(jīng)網(wǎng)絡(luò)的視頻監(jiān)控人臉識(shí)別方法
算法主要包含人臉檢測(cè)、預(yù)處理、特征提取和特征匹配（人臉識(shí)別）4個(gè)部分，其中最重要的是人臉檢測(cè)和特征匹配。視頻監(jiān)控圖像中的人臉可能有多姿態(tài)、多尺度和局部遮擋等問(wèn)題，對(duì)人臉的提取和識(shí)別有較大影響。采用基于Haar特征的AdaBoost算法實(shí)時(shí)檢測(cè)出視頻中的人臉區(qū)域，獲取人臉圖像，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)（CNN）訓(xùn)練得到人臉圖像的深層特征，進(jìn)而進(jìn)行人臉識(shí)別。實(shí)驗(yàn)結(jié)果表明：該方法可以滿足識(shí)別準(zhǔn)確率和實(shí)時(shí)檢測(cè)的要求，對(duì)視頻圖像中光照變化、姿態(tài)變化、尺度變化和局部遮擋等問(wèn)題
成都工業(yè)學(xué)院學(xué)報(bào) 2020年1期2020-04-20
- 人臉表情識(shí)別算法研究
紹。關(guān)鍵詞：人臉檢測(cè);人臉表情識(shí)別;特征提取;特征分類情感影響著人們生活的方方面面，例如：健康、人際關(guān)系，還影響著如何學(xué)習(xí)、做決定、做生意等各個(gè)方面。1971年，Ekman與Friesen最早提出人類有7種基本情感：自然、憤怒、高興、悲傷、驚訝、厭惡和恐懼[1]。隨著科技的進(jìn)步與發(fā)展，計(jì)算機(jī)的發(fā)展也是日益迅速，人機(jī)交互快速崛起，人們幾乎每天都要用到計(jì)算機(jī)和網(wǎng)絡(luò)，甚至和計(jì)算機(jī)打交道要比與現(xiàn)實(shí)生活中其他人打交道還多。盡管如此，電腦也無(wú)法識(shí)別人類的情緒，畢竟很多
無(wú)線互聯(lián)科技 2020年2期2020-04-09
- 一種改進(jìn)的PCA+LDA人臉識(shí)別算法
率。關(guān)鍵詞：人臉檢測(cè);人臉識(shí)別;PCA;LDA中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）03-0221-021 概述目前，人臉識(shí)別在國(guó)內(nèi)的應(yīng)用已經(jīng)涉及公安、金融、網(wǎng)絡(luò)身份驗(yàn)證、門禁以及考勤打卡等領(lǐng)域[1-2]。以下幾方面原因使人臉識(shí)別發(fā)展得如此迅速：1）人臉識(shí)別具有非接觸性和隱蔽性。只需要人完成攝像的影像采集，具有快速、準(zhǔn)確、直觀等優(yōu)點(diǎn)，還具有比較智能的監(jiān)控功能，可以自動(dòng)跟蹤、實(shí)時(shí)監(jiān)控和報(bào)警。2）人臉識(shí)別是計(jì)算機(jī)視覺(jué)研究
電腦知識(shí)與技術(shù) 2020年3期2020-04-08
- 基于Hadoop的客車超載監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
、圖像識(shí)別和人臉檢測(cè)等技術(shù)對(duì)車載人員數(shù)量進(jìn)行遠(yuǎn)程核查，從而避免超載現(xiàn)象的發(fā)生。文章介紹了系統(tǒng)的設(shè)計(jì)與架構(gòu)，著重闡述了如何在Hadoop集群下解決“視頻關(guān)鍵幀提取”、“Spark Streaming與Opencv結(jié)合實(shí)現(xiàn)人臉檢測(cè)”、“MapFile實(shí)現(xiàn)小文件合并”等問(wèn)題，最后通過(guò)實(shí)驗(yàn)對(duì)比證明了系統(tǒng)具有良好的效率及可擴(kuò)展性。關(guān)鍵詞： Hadoop; Spark Streaming; 人臉檢測(cè); 分布式系統(tǒng)中圖分類號(hào)：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A
計(jì)算機(jī)時(shí)代 2020年2期2020-04-05
- 道路監(jiān)控視頻低清人臉重建與識(shí)別方法研究
人臉識(shí)別; 人臉檢測(cè)中圖分類號(hào)：TP391 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：1006-8228（2020）01-26-04Abstract： In recent years， video surveillance plays an increasingly prominent role in the field of national defense and urban management. Taking the low resolut
計(jì)算機(jī)時(shí)代 2020年1期2020-02-14
- 一種基于人臉識(shí)別的課堂教學(xué)監(jiān)控系統(tǒng)
penCV的人臉檢測(cè)方法，以提高人臉檢測(cè)召回率;然后使用百度AI開(kāi)放平臺(tái)的在線接口識(shí)別人臉表情信息，并將信息插入數(shù)據(jù)庫(kù);最后根據(jù)學(xué)生表情信息分析低頭率、活躍度等課堂情況。實(shí)際部署測(cè)試后分析了系統(tǒng)的運(yùn)行效果及時(shí)間消耗，結(jié)果表明該系統(tǒng)可有效監(jiān)控課堂教學(xué)情況。關(guān)鍵詞：教學(xué)監(jiān)控;人臉檢測(cè);人臉識(shí)別;情緒識(shí)別中圖分類號(hào)：TP399 ? ? 文獻(xiàn)標(biāo)識(shí)碼：AAbstract：A classroom teaching monitoring system is design
軟件工程 2020年1期2020-02-14
- 基于Adaboost的人臉圖像檢測(cè)系統(tǒng)
永國(guó)摘 要：人臉檢測(cè)是汽車駕駛輔助系統(tǒng)的關(guān)鍵技術(shù)，本文提取了目標(biāo)圖像的Haar特征，并利用Adaboost算法檢測(cè)目標(biāo)圖像中的可能存在的人臉區(qū)域，結(jié)合OpenCV計(jì)算機(jī)視覺(jué)開(kāi)源庫(kù)實(shí)現(xiàn)了人臉檢測(cè)系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，采用Haar特征和Adaboost算法可以較好地從目標(biāo)圖像中檢測(cè)人臉區(qū)域，且系統(tǒng)檢測(cè)速度快，具有較好的穩(wěn)定性。關(guān)鍵詞： 人臉檢測(cè);Adaboost算法;Haar特征;OpenCV【Abstract】 Face detection is the ke
智能計(jì)算機(jī)與應(yīng)用 2019年5期2019-12-05
- 一種改進(jìn)型Adaboost算法的人臉檢測(cè)
ost算法的人臉檢測(cè)算法。采用膚色區(qū)域分割排除復(fù)雜背景及光源的影響，將權(quán)重更新與正負(fù)樣本誤檢率相結(jié)合，抑制人臉相似區(qū)域的權(quán)重過(guò)擬合現(xiàn)象，同時(shí)引入符合人臉的Haar-Like特征進(jìn)一步提高檢測(cè)率。通過(guò)實(shí)驗(yàn)證明，本文提出的算法在人臉檢測(cè)中提高了檢測(cè)率，降低了誤檢率和檢測(cè)所需時(shí)間。關(guān)鍵詞： Haar-Like特征;Adaboost;膚色分割;人臉檢測(cè)【Abstract】 The original Adaboost algorithm is prone to fa
智能計(jì)算機(jī)與應(yīng)用 2019年5期2019-12-05
- 基于OpenCV的人臉檢測(cè)
的不斷發(fā)展，人臉檢測(cè)技術(shù)應(yīng)用于越來(lái)越多的領(lǐng)域，極大的豐富和方便了人們的生活，具有很大的商業(yè)價(jià)值和研究意義。文章研究了AdaBoost人臉檢測(cè)算法的原理和性能，通過(guò)使用OpenCV和VS2012實(shí)現(xiàn)了圖像及視頻中人臉檢測(cè)的目的，檢測(cè)結(jié)果表明AdaBoost算法具有良好的實(shí)時(shí)檢測(cè)性能和較強(qiáng)的準(zhǔn)確性。關(guān)鍵詞：OpenCV;人臉圖像預(yù)處理;AdaBoost算法;人臉檢測(cè)中圖分類號(hào)：TP181? ? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2095-29
科技創(chuàng)新與應(yīng)用 2019年31期2019-11-28
- 基于人臉識(shí)別技術(shù)的智能視頻監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
核心算法——人臉檢測(cè)和人臉識(shí)別，做出了有針對(duì)性的優(yōu)化設(shè)計(jì);闡述了系統(tǒng)的實(shí)現(xiàn)方案。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)在人臉檢測(cè)、人臉識(shí)別等的各類指標(biāo)上均具有很強(qiáng)的競(jìng)爭(zhēng)力，能滿足具有前后門的會(huì)堂、劇院、倉(cāng)庫(kù)等大型場(chǎng)所的安防需求。關(guān)鍵詞： 視頻監(jiān)控; 人臉檢測(cè); 人臉識(shí)別; 人臉屬性中圖分類號(hào)：TP391.4 ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? 文章編號(hào)：1006-8228（2019）11-62-05Abstract： The intelligent video sur
計(jì)算機(jī)時(shí)代 2019年11期2019-11-28
- 基于多尺度核特征卷積神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)人臉表情識(shí)別
SD）輕量化人臉檢測(cè)網(wǎng)絡(luò)，并利用核相關(guān)濾波（KCF）模型對(duì)檢測(cè)到的人臉坐標(biāo)信息進(jìn)行跟蹤來(lái)提高檢測(cè)速度和穩(wěn)定性;然后，使用三種不同尺度卷積核的線性瓶頸層構(gòu)成三條支路，用通道合并的特征融合方式形成多尺度核卷積單元，利用其多樣性特征來(lái)提高表情識(shí)別的精度;最后，為了提升模型泛化能力和防止過(guò)擬合，采用不同的線性變換方式進(jìn)行數(shù)據(jù)增強(qiáng)來(lái)擴(kuò)充數(shù)據(jù)集，并將FER-2013人臉表情數(shù)據(jù)集上訓(xùn)練得到的模型遷移到小樣本CK+數(shù)據(jù)集上進(jìn)行再訓(xùn)練。實(shí)驗(yàn)結(jié)果表明，所提方法在FER-20
計(jì)算機(jī)應(yīng)用 2019年9期2019-10-31
- 基于OpenCV的駕駛員狀態(tài)檢測(cè)系統(tǒng)
.xml進(jìn)行人臉檢測(cè)和識(shí)別眼睛，自動(dòng)判斷當(dāng)前駕駛員是否處于疲勞駕駛。關(guān)鍵詞：人臉檢測(cè);疲勞駕駛;Haar特征訓(xùn)練;自動(dòng)判斷目前，我國(guó)道路交通事故年死亡人數(shù)高居世界第二位。交通事故導(dǎo)致的人員死傷和財(cái)產(chǎn)損失數(shù)不勝數(shù)，其中與疲勞有關(guān)的交通事故占事故總數(shù)的20%左右，占特大交通事故的40%以上人在疲勞駕駛時(shí)往往就是在高速公路，速度比平時(shí)的道路更快，只要精神稍微不集中，反應(yīng)一遲鈍，就會(huì)發(fā)生重大交通事故。相對(duì)來(lái)講，那些長(zhǎng)途客車和貨運(yùn)車的司機(jī)因其工作原因必須長(zhǎng)時(shí)間開(kāi)車，
汽車世界·車輛工程技術(shù)（下） 2019年6期2019-10-21
- 基于面部特征的疲勞駕駛檢測(cè)系統(tǒng)的設(shè)計(jì)
：臉部特征；人臉檢測(cè)；疲勞檢測(cè)；EAR；MAR高速駕車時(shí)，駕駛?cè)司窬o張，長(zhǎng)時(shí)間緊張就容易產(chǎn)生疲勞感，疲勞后繼續(xù)駕駛車輛，會(huì)感到疲倦瞌睡、四肢無(wú)力、注意力不集中、判斷力下降等，此時(shí)危險(xiǎn)系數(shù)會(huì)急劇增大，導(dǎo)致意外的發(fā)生。疲勞檢測(cè)系統(tǒng)通過(guò)計(jì)算判斷長(zhǎng)時(shí)間閉眼、打哈欠等臉部特征來(lái)判斷疲勞的程度，從而提醒駕駛?cè)诉M(jìn)行休息、停車等。一、系統(tǒng)整體設(shè)計(jì)（一）特征點(diǎn)確定二、閾值確定整個(gè)系統(tǒng)中，需要兩組閾值的確定，分別是用來(lái)確定長(zhǎng)時(shí)間閉眼的一組閾值以及判斷打哈欠的閾值。兩組閾值的
科技風(fēng) 2019年1期2019-10-14
- 基于膚色特征的人臉檢測(cè)方法研究
前國(guó)內(nèi)外主流人臉檢測(cè)的算法進(jìn)行比較研究，探討如何提高人臉識(shí)別算法的精確度和檢測(cè)速度，為國(guó)內(nèi)開(kāi)發(fā)各類人臉識(shí)別系統(tǒng)提供參考，主要是通過(guò)分析以膚色特征為主的人臉檢測(cè)法，了解其計(jì)算過(guò)程和原理，對(duì)其擁有的色彩空間、預(yù)處理人臉圖像檢測(cè)技術(shù)以及依據(jù)人臉特點(diǎn)建立相應(yīng)的膚色模型等算法、檢測(cè)技術(shù)進(jìn)行深度分析。通過(guò)研究，筆者認(rèn)為在社會(huì)經(jīng)濟(jì)發(fā)展中，人臉檢測(cè)應(yīng)用比較廣泛，相較之其他識(shí)別人體生物的系統(tǒng)，人臉識(shí)別方式更加直接與友好，已成為未來(lái)識(shí)別認(rèn)證身份的一種重要發(fā)展趨勢(shì)。以膚色特征為
電腦知識(shí)與技術(shù) 2019年19期2019-09-24
- 人臉區(qū)域檢測(cè)與分割
備。關(guān)鍵詞：人臉檢測(cè);分割;膚色中圖分類號(hào)： TP18? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）19-0191-03Abstract： With the rapid development of modern society， the demand for accuracy and efficiency of security testing is getting higher and higher， and the secur
電腦知識(shí)與技術(shù) 2019年19期2019-09-24
- 數(shù)據(jù)驅(qū)動(dòng)下人臉識(shí)別的技術(shù)預(yù)測(cè)研究
;人臉識(shí)別;人臉檢測(cè);技術(shù)預(yù)測(cè)中圖分類號(hào)：TP391.41? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）23-0076-03Research on Data-driven Face Recognition Technology PredictionQI Xiaoying1，CHEN Xin2（1.School of Management，Hebei University，Baoding? 071002，China;2.College
現(xiàn)代信息科技 2019年23期2019-09-10
- 基于ZigBee和人臉檢測(cè)的燈光控制系統(tǒng)
igBee、人臉檢測(cè)等技術(shù)，可以對(duì)室內(nèi)的燈光進(jìn)行分區(qū)域控制，從而達(dá)到節(jié)約用電的效果。關(guān)鍵詞：燈光控制;ZigBee;人臉檢測(cè);分區(qū)檢測(cè)中圖分類號(hào)：TP272 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2019）01-0043-03Lighting Control System Based on ZigBee and Face DetectionZHENG Wenkai，TAN Baihong，LIN Xiaohong，JIANG Zihong，YANG
現(xiàn)代信息科技 2019年1期2019-09-10
- 基于膚色與臉部特征提取的人臉檢測(cè)
林摘 ?要：人臉檢測(cè)與識(shí)別技術(shù)屬于生物特征驗(yàn)證手段的一種，可應(yīng)用于視覺(jué)監(jiān)測(cè)、安全訪問(wèn)控制與智能用戶接口等多個(gè)領(lǐng)域。而人臉檢測(cè)在人臉識(shí)別中占據(jù)重要地位。在膚色模型和小波變換有效結(jié)合的基礎(chǔ)上，即可對(duì)人臉進(jìn)行確定，特別是眼睛位置。經(jīng)過(guò)小波變換處理，結(jié)合幾何位置展開(kāi)檢測(cè)，并使用Fisher分類器即可對(duì)嘴巴的位置進(jìn)行檢測(cè)。在全新的技術(shù)支持下，可以在短時(shí)間內(nèi)準(zhǔn)確檢測(cè)人臉，精準(zhǔn)度較高?；诖耍恼聦⒛w色和臉部特征提取作為重要基礎(chǔ)，重點(diǎn)闡述人臉檢測(cè)的實(shí)現(xiàn)路徑，希望對(duì)人臉檢
現(xiàn)代信息科技 2019年17期2019-09-10
- 一種基于膚色分割的人臉檢測(cè)方法研究
本文通過(guò)分析人臉檢測(cè)的算法，并根據(jù)手機(jī)系統(tǒng)的特點(diǎn)，提出了基于膚色分割與AdabOOSt相結(jié)合的檢測(cè)方法。首先，利用膚色分割算法分割膚色區(qū)域，并對(duì)原始圖像進(jìn)行預(yù)處理。然后，再通過(guò)AdabOOSt算法，利用Haar特征，對(duì)預(yù)處理后的圖像中是否存在人臉進(jìn)行精檢。關(guān)鍵詞：人臉檢測(cè) 膚色分割 Adaboost算法 Haar特征一、引言人臉檢測(cè)是對(duì)給定的靜止或動(dòng)態(tài)圖像，檢測(cè)里面是否包含人臉，人臉檢測(cè)的方法分成兩類：一種是借助人臉特征進(jìn)行分析的方法，一種是根據(jù)統(tǒng)計(jì)理論進(jìn)
消費(fèi)導(dǎo)刊 2019年8期2019-08-27
- 融合全卷積和級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)方法
、逐級(jí)篩選的人臉檢測(cè)和定位。實(shí)驗(yàn)證明，與傳統(tǒng)方法相比，本文的方法無(wú)論在準(zhǔn)確率還是速度上都具有一定的優(yōu)勢(shì)?！娟P(guān)鍵詞】全卷積神經(jīng)網(wǎng)絡(luò);級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò);圖像金字塔;人臉檢測(cè)1? ?引言在復(fù)雜環(huán)境下，人臉檢測(cè)會(huì)受到很多外界因素的干擾，如人臉姿態(tài)、光照條件、遮擋以及小目標(biāo)檢測(cè)。隨著近幾年人臉檢測(cè)技術(shù)的快速發(fā)展，特別是深度學(xué)習(xí)的飛速發(fā)展，大量的人臉識(shí)別檢測(cè)技術(shù)如雨后春筍般涌現(xiàn)出來(lái)。卷積神經(jīng)網(wǎng)絡(luò)[1-2]（Convolutional Neural Network，CNN）
移動(dòng)通信 2019年6期2019-07-31
- 聚集人群人臉檢測(cè)研究
網(wǎng)絡(luò)模型提取人臉檢測(cè)框，并通過(guò)非極大值抑制去除冗余的、保留最好的人臉檢測(cè)框。實(shí)驗(yàn)結(jié)果表明，該算法平均誤檢率為0.022 6，與Hu算法相比，在不損失精度的同時(shí)，提高檢測(cè)的平均速度為2.953 3s。關(guān)鍵詞：人臉檢測(cè);上下文信息;深度殘差網(wǎng)絡(luò);雙三次插值DOI：10. 11907/rjdk. 182777中圖分類號(hào)：TP306文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2019）004-0021-030 引言聚集人群的人臉檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)重要研究方向
軟件導(dǎo)刊 2019年4期2019-06-09
- 人臉識(shí)別技術(shù)發(fā)展與應(yīng)用綜述
：人臉識(shí)別;人臉檢測(cè);人臉識(shí)別方法;應(yīng)用趨勢(shì)中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）23-0043-02隨著社會(huì)信息化、智能化、網(wǎng)絡(luò)化的迅猛發(fā)展，個(gè)人信息泄露問(wèn)題愈發(fā)嚴(yán)重，越來(lái)越多人開(kāi)始關(guān)注個(gè)人身份信息的安全保障。作為生物識(shí)別技術(shù)之一的人臉識(shí)別技術(shù)在身份識(shí)別、公安刑偵、電子商務(wù)、金融服務(wù)、家庭生活等各領(lǐng)域中被廣泛運(yùn)用并發(fā)揮了重要作用，為個(gè)人身份信息安全提供了重要保障，對(duì)提高生活服務(wù)效率、防止社會(huì)犯罪具有重要意義
中國(guó)科技縱橫 2019年23期2019-02-14
- 一種改進(jìn)的MTCNN人臉檢測(cè)算法
陳時(shí)欽摘要：人臉檢測(cè)主要運(yùn)用于機(jī)場(chǎng)、火車站等人口密集場(chǎng)所。目前常用的人臉檢測(cè)算法有MTCNN、YOLOV3、faster-RCNN、SSD等，但已有算法難以兼顧檢測(cè)速度和檢測(cè)準(zhǔn)確性。通過(guò)改進(jìn)多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（MTCNN）人臉檢測(cè)算法，將MTCNN、YOLOV3、faster-RCNN等3個(gè)模型進(jìn)行整合，減少內(nèi)存與顯存之間的數(shù)據(jù)搬運(yùn);然后動(dòng)態(tài)修改Minsize值，減少圖像金字塔中圖片生成數(shù)量，并根據(jù)圖像相似度對(duì)輸入圖片進(jìn)行不同處理以提高效率。改進(jìn)后的M
軟件導(dǎo)刊 2019年12期2019-02-07
- 人臉識(shí)別關(guān)鍵技術(shù)綜述
術(shù)為主題，從人臉檢測(cè)、特征提取、底庫(kù)構(gòu)建、特征對(duì)比等方面著手，淺析人臉識(shí)別技術(shù)及其應(yīng)用。關(guān)鍵詞：人臉識(shí)別;人臉檢測(cè);特征提取;底庫(kù)構(gòu)建;特征比對(duì)1 引言隨著社會(huì)的發(fā)展和科技的進(jìn)步，人們對(duì)信息安全性和隱蔽性日益重視，身份識(shí)別和認(rèn)證技術(shù)快速發(fā)展。在各種身份識(shí)別方法中，人臉識(shí)別因其獨(dú)特性、唯一性，具有直接友好的特點(diǎn)脫穎而出。目前人臉識(shí)別技術(shù)已經(jīng)成為人工智能領(lǐng)域的一個(gè)重要發(fā)展方向。近年來(lái)隨著人臉識(shí)別技術(shù)在手機(jī)等日常場(chǎng)景中的廣泛應(yīng)用，對(duì)其安全性提出了更高要求，它必須
科技創(chuàng)新與品牌 2019年12期2019-02-06
- 考工動(dòng)態(tài)人臉識(shí)別系統(tǒng)的設(shè)計(jì)與研究
法研究。運(yùn)用人臉檢測(cè)與識(shí)別技術(shù)，通過(guò)EmguCV對(duì)監(jiān)控視頻來(lái)完成動(dòng)態(tài)人臉檢測(cè)與捕捉，調(diào)用百度人臉識(shí)別接口，研究開(kāi)發(fā)適用于安全級(jí)別較高的實(shí)訓(xùn)考工場(chǎng)所的人臉檢測(cè)識(shí)別系統(tǒng)，用以提升教師監(jiān)考實(shí)操類考試的管理效率。關(guān)鍵詞：考工;人臉檢測(cè);人臉識(shí)別;智能監(jiān)控中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）33-0179-021背景考工是高職院校對(duì)實(shí)訓(xùn)學(xué)生進(jìn)行技能工種認(rèn)證能力的專業(yè)化考試，同時(shí)也是企業(yè)進(jìn)行技能型人才選拔的重要參考依據(jù)，無(wú)論對(duì)
電腦知識(shí)與技術(shù) 2019年33期2019-01-08