检索结果-内蒙古大学图书馆

作者：陈雨薇东华大学

学位级别：硕士

随着计算机视觉领域的飞速发展,人脸识别技术成为人工智能的一大热点。而人脸识别系统是指通过分析比对人脸的视觉特征进行人员身份鉴别的技术。该技术可被用于诸多领域,例如公安侦破系统、门禁管理系统、上班打卡系统与视频监控系统等... 详细信息

随着计算机视觉领域的飞速发展,人脸识别技术成为人工智能的一大热点。而人脸识别系统是指通过分析比对人脸的视觉特征进行人员身份鉴别的技术。该技术可被用于诸多领域,例如公安侦破系统、门禁管理系统、上班打卡系统与视频监控系统等。人脸识别系统通常由图像获取、图像预处理、人脸检测、面部关键点定位与人脸识别五个部分组成。人脸检测与面部关键点定位的表现效果直接影响人脸识别的准确性与时效性。因此,本文主要对人脸检测与面部关键点定位进行研究。人脸检测是指根据算法与网络结构,判断输入的图像中是否存在人脸,并将人脸区域框定。而面部关键点定位,则是选用左右眼、鼻尖以及左右嘴角五个关键点对待检测的人脸图像进行定位。将检测出的人脸区域裁剪并缩放成人脸识别系统所适用的尺度以便后续人脸识别环节的进行。由于存在光线、遮挡、非正脸和图像像素过低等诸多因素的影响,给人脸检测与面部关键点定位的准确率带来困难与挑战。为增强人脸检测与面部关键点定位的准确性与鲁棒性,本论文以mtcnn模型为研究基础,对人脸检测与面部关键点定位进行了深入的研究。本文的主要研究内容包括三个部分:基于多尺度多模板图像金字塔数据预处理方法的mtcnn模型;基于脑平行交互机制的面部关键点定位方法的研究;将mtcnn模型与ERT模型结合,构建了新的组合人脸检测系统。论文的主要工作如下。1)针对mtcnn模型中单一模板多尺度图像金字塔预处理环节进行改进,将多模板多尺度的数据预处理引入mtcnn模型。从而使得网络模型可以适用于更多人脸尺度的情形,并且实现数据集扩充。实验结果表明,所提出的多模板多尺度图像金字塔数据预处理方法可以提高密集多人脸的检测精度。2)将脑平行交互机制的思想引入mtcnn,针对面部五个关键点定位的O-Net子网络提出了O-Net-1和O-Net-2的两个新网络。ONet-1在其平行交互的结构中让面部关键点定位的任务单独工作,从而提高网络对于该任务的针对性。而O-Net-2则仅针对面部关键点定位任务引入平行交互的结构,与原网络的二分类任务及回归框检测任务之间独立工作。实验结果表明基于脑平行交互机制的mtcnn模型能够提高面部关键点定位的准确率。3)提出了一种基于mtcnn模型与ERT模型的混合人脸检测模型,该模型是以ERT辅助mtcnn的检测模型。将mtcnn没有检测到的图像送入ERT模型进行二次检测,解决单个网络的漏检问题。根据实际需求制作了一个由摄像头采集的复杂环境下的人脸数据集。通过在该数据集上进行对比实验,证明了所提出的混合人脸检测模型的有效性。

关键词：深度学习人脸检测面部关键点定位脑平行交互机制 mtcnn模型 ERT模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的人脸图像加密算法研究

引用

计算机测量与控制 2023年第6期31卷 217-222,230页

作者：鲁瑞张南辛君芳澳大利亚国立大学计算机与工程学院堪培拉2600 北京工商大学计算机学院北京100048

图像作为视觉传达的重要信息载体,以一种直观、形象的方式向受众传递信息;但是,图像会在不知不觉中带来个人隐私信息泄露等安全隐患;文章从保护图像中隐私安全角度出发,深度融合人脸检测、人脸对齐方法以及混合混沌序列的图像加解密算法... 详细信息

图像作为视觉传达的重要信息载体,以一种直观、形象的方式向受众传递信息;但是,图像会在不知不觉中带来个人隐私信息泄露等安全隐患;文章从保护图像中隐私安全角度出发,深度融合人脸检测、人脸对齐方法以及混合混沌序列的图像加解密算法,提出了一种基于深度学习算法的人脸图像信息加密算法,即FIIE算法,用于保护图片中的面部核心部位隐私信息;FIIE算法的具体描述如下:首先,采用WLDER FACE数据集中的人脸图像对mtcnn模型展开训练,并利用训练好的模型根据人脸特征点获取图像中人脸所在的矩形框坐标;然后,通过上述人脸区域坐标生成掩膜,运用生成的掩膜使原图与Logistic混沌序列做位运算,最后,对图像中人脸特定区域的加密;通过实验表明,该算法可以准确识别图像中人脸信息特定区域,实现对图像中面部信息的有效加密,保障用户的隐私安全。

关键词：深度学习 mtcnn模型混沌加密人脸检测图像加密

来源：评论

学校读者我要写书评

暂无评论

无人机系统下基于卷积神经网络的人脸检测技术研究

无人机系统下基于卷积神经网络的人脸检测技术研究

引用

作者：朱含杉南京航空航天大学

学位级别：硕士

无人机视频监控系统灵活性强、覆盖面广、观测结果好,目前已经广泛应用于民用的社会应急事件监测、视频行为分析与处理等领域中。由于无人机高空拍摄的视频图像背景复杂、难以体现人脸的具体细节以及人工设计特征的局限性,传统目标检测... 详细信息

无人机视频监控系统灵活性强、覆盖面广、观测结果好,目前已经广泛应用于民用的社会应急事件监测、视频行为分析与处理等领域中。由于无人机高空拍摄的视频图像背景复杂、难以体现人脸的具体细节以及人工设计特征的局限性,传统目标检测方法已经无法满足无人机视频图像中的人脸检测要求。因此,本文将利用卷积神经网络,首先以人体作为检测对象,在二阶检测网络的基础上,对无人机视频图像中的人体检测算法进行改进,从而先实现人体目标的定位。然后,再以人脸为检测对象,研究人脸检测与人脸特征点定位方法,从而完成无人机系统下视频图像的人脸检测。论文主要工作反映如下:(1)无人机视频系统下的人体检测改进方法研究。针对无人机航拍视频图像场景大、变化多、小目标较多的特点,对二阶检测网络Faster R-CNN进行了改进,用于提高人体检测性能。首先,为了小目标能匹配更多的Anchor boxes从而得到充分地训练,在区域建议网络中增加了两种更小尺寸的面积。其次,利用步长为1,卷积核数目为512的1×1卷积,将特征提取网络输出的特征图通道数由2048降至512,达到降低RoI池化部分计算复杂度的目的。接着,针对目标间距离较近或目标间发生轻微重叠的情况,引入量化算法更精准的RoIAlign,解决因RoIPool引起的不匹配问题。最后,在训练过程中,采取微调策略加速训练过程,采用在线困难样本挖掘的训练方式筛选困难样本,提高检测性能。实验结果表明,本文提出的人体检测网络在WILDTRACK和自建无人机数据集中的人体检测平均精度均高于经典的通用目标检测网络,分别达到了79.77%和83.95%。(2)无人机视频系统下的人脸检测改进方法研究。针对密集人群中由于人脸间互相遮挡造成漏检的问题,改进了非极大值抑制的分数重置函数,降低了人脸的漏检率。再将改进后的非极大值抑制应用到级联的人脸检测网络mtcnn中。在训练过程中,利用目前较为困难的训练集,对检测网络进行训练学习。采用线下困难样本挖掘的训练方式,将上一级错分的样本与初始训练集一起作为下一级的训练集,以提高人脸检测性能。在WIDER FACE与FDDB数据集中的人脸检测性能对比实验结果表明,改进后的人脸检测方法不仅模型设计结构小,而且平均检测精度高,在3种不同难度的WIDER FACE验证集上的人脸平均检测精度分别达到了84.8%、82.7%和62.4%,能够较好地完成无人机视频系统下的人脸检测。

关键词：无人机卷积神经网络人体检测人脸检测 Faster R-CNN模型 mtcnn模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：