题名 基于活体检测和身份认证的人脸识别安防系统
被引量：14
1
作者
陈放 刘晓瑞 杨明业
机构
青岛大学自动化学院 青岛大学未来研究院 电子科技大学机器人研究中心
出处
《计算机应用》
CSCD
北大核心
2020年第12期3666-3672,共7页
基金
国家自然科学基金资助项目(U181320052)。
文摘
人脸识别由于其便捷性和实用性而被广泛应用于各种门禁等场合,但容易受到多种形式的欺骗攻击(如照片攻击和视频攻击)。基于深度卷积神经网络(CNN)的活体检测虽然能够解决以上问题,但是却存在计算量大、对用户不友好以及难以部署于嵌入式系统等缺点,因此提出了一种实时的轻量级的人脸识别安全分类方法。通过将基于色彩纹理分析的人脸活体检测算法与人脸认证算法相融合,提出了一种在无需用户配合的单目摄像头场景下进行人脸活体检测和人脸验证的人脸识别算法。该算法支持实时人脸识别,具有更高的活体检测识别率与鲁棒性。为了验证该算法的性能,以CASIA-FASD和Replay-Attack作为实验的基准数据集,结果表明在活体检测中该算法的半错误率(HTER)为9.7%,等错误率(EER)为5.5%,而且在整个流程中处理1帧图像所需时间为0.12 s,验证了该算法的可行性和有效性。
关键词
人脸识别 活体检测 轻量级神经网络 实时检测 安防系统 多任务卷积神经网络 色彩纹理分析 FaceNet
Keywords
face recognition liveness detection lightweight neural network real-time detection security system multi -task convolutional neural network (mtcnn )color and texture analysis FaceNet
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于边缘计算的疲劳驾驶检测方法
被引量：12
2
作者
娄平 杨欣 胡辑伟 萧筝 严俊伟
机构
武汉理工大学信息工程学院 宽带无线通信和传感器网络湖北省重点实验室 武汉理工大学机电工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第7期13-20,29,共9页
基金
国家自然科学基金面上项目(52075404) 国家自然科学基金青年项目(51905397) 武汉市科技局应用基础前沿专项(2020010601012176)。
文摘
现有疲劳驾驶检测方法通常将驾驶过程中采集的数据传输至云端进行分析,然而在车辆移动过程中网络覆盖范围、响应速度等因素会造成检测实时性差。为在车载嵌入式设备上对驾驶人疲劳状态进行准确预警,提出一种基于边缘计算的疲劳驾驶检测方法。通过改进的多任务卷积神经网络确定人脸区域,根据人脸的面部比例关系定位驾驶人的眼部与嘴部区域,利用基于Ghost模块的轻量化AlexNet分类检测眼部与嘴部的开闭状态,并结合PERCLOS和PMOT指标值实现疲劳检测。在NHTU-DDD数据集上的实验结果表明,该方法在树莓派4B开发板上的检测准确率达到93.5%且单帧平均检测时间为180 ms,在保障检测准确率的同时大幅降低了计算量,能较好地满足疲劳驾驶的实时检测需求。
关键词
疲劳驾驶检测 边缘计算 多任务卷积神经网络 轻量化 AlexNet结构
Keywords
fatigue driving detection edge computing multi -task convolutional neural network (mtcnn )lightweight AlexNet structure
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 应用于人脸识别的多任务卷积神经网络性能优化
3
作者
叶惠仙
机构
福建农业职业技术学院信息工程学院
出处
《中原工学院学报》
CAS
2024年第1期8-13,共6页
文摘
对一种多任务卷积神经网络的人脸识别性能进行研究与优化。该神经网络采用3个独立的任务网络分别进行人脸检测、关键点定位和人脸识别。让3个任务网络在训练过程中共享底层卷积层的特征表示,使得模型能针对多个任务同时进行学习,进而提高其泛化能力和识别精度。为了增强模型对图像的学习能力,采用一种数据增强和迁移学习技术,使人脸识别系统的准确性、鲁棒性和可靠性均得到了显著提升。研究结果为发展人脸识别技术提供了新的思路,尤其在处理复杂场景和多样化人脸图像方面具有一定的应用前景。
关键词
多任务学习 多任务卷积神经网络(mtcnn ) 人脸识别 网络性能优化
Keywords
multi -task learningmulti -task convolutional neural network (mtcnn )face recognition network performance optimization
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
题名 基于计算机视觉的考勤系统设计与实现
被引量：1
4
作者
周怡宁
机构
山东农业大学信息科学与工程学院
出处
《信息与电脑》
2023年第9期252-256,共5页
基金
山东省大学生创新训练项目计划(项目编号:S202210434047)。
文摘
针对传统课堂考勤中耗时长、效率低等问题,提出了一种基于计算机视觉的考勤系统,利用深度学习进行人脸识别与手机入袋检测,记录学生的到课情况与手机上交情况。为将考勤信息可视化,设计了3种登录模式的综合考勤系统。实验结果表明,该系统不仅能在毫秒级的时间内完成检测,而且平均准确率(mean Average Precision,mAP)0.5达到0.990,保证了精确率和召回率。
关键词
计算机视觉 多任务卷积神经网络(mtcnn ) FaceNet YOLOv5 光学字符识别(OCR)
Keywords
computer vision multi -task convolutional neural network (mtcnn )FaceNet YOLOv5 Optical Character Recognition(OCR)
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于深度学习的轻量级和多姿态人脸识别方法
被引量：26
5
作者
龚锐 丁胜 章超华 苏浩
机构
武汉科技大学计算机科学与技术学院 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 福建省大数据管理新技术与知识工程重点实验室(泉州师范大学)
出处
《计算机应用》
CSCD
北大核心
2020年第3期704-709,共6页
基金
福建省大数据管理新技术与知识工程重点实验室开放课题(BD201805)~~
文摘
目前基于深度学习的人脸识别方法存在识别模型参数量大、特征提取速度慢的问题,而且现有人脸数据集姿态单一,在实际人脸识别任务中无法取得好的识别效果。针对这一问题建立了一种多姿态人脸数据集,并提出了一种轻量级的多姿态人脸识别方法。首先,使用多任务级联卷积神经网络(MTCNN)算法进行人脸检测,并且使用MTCNN最后包含的高层特征做人脸跟踪;然后,根据检测到的人脸关键点位置来判断人脸姿态,通过损失函数为ArcFace的神经网络提取当前人脸特征,并将当前人脸特征与相应姿态的人脸数据库中的人脸特征比对得到人脸识别结果。实验结果表明,提出方法在多姿态人脸数据集上准确率为96.25%,相较于单一姿态的人脸数据集,准确率提升了2.67%,所提方法能够有效提高识别准确率。
关键词
深度学习 人脸识别 多姿态 轻量级 多任务级联卷积神经网络 ArcFace
Keywords
deep learning face recognition multi -poselightweight multi -task cascaded convolutional neural network (mtcnn )ArcFace
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
