-
题名有遮挡人脸识别方法综述
被引量：19
- 1
-
-
作者
董艳花
张树美
赵俊莉
-
机构
青岛大学数据科学与软件工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第9期1-12,共12页
-
基金
国家自然科学基金(No.61702293,No.41506198)
虚拟现实应用教育部工程研究中心开发基金课题(No.MEOBNUEVRA201601)。
-
文摘
现实人脸识别系统的图像采集过程中往往存在光照、姿态、遮挡等不确定性因素,传统的人脸识别方法识别效果不佳,有效地处理这些问题提高识别效率仍是人脸识别系统中的难点。回顾了传统的人脸识别的相关方法,重点针对人脸遮挡的处理方法,从遮挡区域如何重构地生成模型,如何检测遮挡位置的判别模型及鲁棒特征提取三个方面进行了详细的综述,比较了各自的优缺点及应用场合,总结分析了目前有遮挡人脸识别存在的问题和未来研究方向。
-
关键词
遮挡人脸识别
子空间回归
遮挡字典
鲁棒误差编码
特征提取
-
Keywords
occlusion face recognition
subspace regression
occlusion dictionary
robust error coding
feature extraction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名多尺度残差注意力网络及其表情识别算法
- 2
-
-
作者
袁德荣
张勇
唐颖军
李波燕
谢宝来
-
机构
江西财经大学软件与物联网工程学院
江西财经大学统计学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第1期30-36,共7页
-
基金
国家自然科学基金项目(61762043)资助
江西省教育厅自然科学研究项目(GJJ210507,GJJ190249,GJJ160425)资助.
-
文摘
面部表情识别已经广泛运用于人机交互、教育、自动驾驶等各种领域,针对现有表情识别方法网络结构复杂、参数多、泛化能力不足、识别率低等问题,且人脸表情在自然环境下易受到光照、姿态和局部遮挡等环境因素的影响,提出了一种多尺度残差注意力网络.以ResNet-18网络为基础,提出了一种新的多尺度残差注意力模块,通过提取不同尺度特征,增加特征多样性.引入CBAM注意力机制获取表情图像重点特征信息,有利于提升遮挡表情的识别.构建特征残差融合块,将浅层特征与深层特征进行残差融合,有利于获取丰富的人脸表情图像整体特征.实验结果表明,本文方法在CK+、JAFFE和Oulu-CASIA 3个公开表情数据集上分别达到了99.49%、98.53%和97.08%的准确率,与一些现有方法相比,本文方法表情识别率更高,证明了该方法可用于人脸表情识别.
-
关键词
人脸表情识别
多尺度特征
CBAM注意力机制
遮挡人脸识别
-
Keywords
facial expression recognition
multi-scale features
CBAM attention mechanism
occlusion face recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进人脸特征矫正网络的遮挡人脸识别方法
被引量：2
- 3
-
-
作者
陈秋雨
芦天亮
-
机构
中国人民公安大学信息网络安全学院
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第5期1535-1541,共7页
-
基金
中国人民公安大学2022年基本科研业务费项目
国家社科基金重大项目。
-
文摘
现有人脸识别模型受口罩等遮挡因素影响导致准确率无法提升。当前主流研究方法将有无遮挡场景分开训练后,整合应用于多场景。针对遮挡人脸识别模型的局限性,提出一种改进人脸特征矫正网络(FFR-Net)模型。该模型可同时用于有无遮挡人脸识别并应用于口罩与眼镜遮挡两种识别场景中。人脸特征矫正网络模型提出了一种人脸特征矫正模块,为保证充分利用无遮挡区域特征信息,在该模块中的空间分支引入involution算子扩大图像信息交互区域,增强在空间范围内面部特征信息;在通道分支引入坐标注意力机制,捕获跨通道信息以增强特征表示,利于模型准确地定位识别目标区域;将Meta-ACON作为该模块新的动态激活函数,通过动态调整线性或非线性程度以提高模型泛化能力和计算准确度。最后,利用改进的人脸特征矫正网络模型在CASIA-Webface经处理的有无口罩遮挡人脸数据集上进行训练,其在LFW经处理的有无口罩遮挡数据集、Meglass数据集上的测试结果准确率分别达到了82.50%和89.75%,优于现有算法,验证了所提方法的有效性。
-
关键词
遮挡人脸识别
involution算子
坐标注意力机制
动态激活函数
-
Keywords
occlusion face recognition
involution operator
coordinate attention
dynamic activation function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
