检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

人脸图像质量评价法

现代计算机 2007年第12期13卷 43-45,49页

作者：胡杨庆童卫青华东师范大学信息科学技术学院上海200241

在人脸识别系统中,从输入图像群中挑选出一幅质量较好的图像,对提高系统的人脸识别性能,具有重要意义。基于此提出了一种从人脸位置、图像对比度、图像清晰度、图像明亮度来综合评价人脸图像质量的算法,并通过实验验证了该算法的有效性。

关键词：人脸图像质量评价图像对比度评价图像明亮度评价图像清晰度评价

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的人脸图像质量评价

计算机应用 2019年第3期39卷 695-699页

作者：李秋珍栾朝阳汪双喜武汉数字工程研究所武汉430074 华中科技大学计算机科学与技术学院武汉430074

针对人脸识别过程中人脸图像质量较低造成的低识别率问题,提出了一种基于卷积神经网络的人脸图像质量评价模型。首先建立一个8层的卷积神经网络模型,提取人脸图像质量的深层语义信息;然后在无约束环境下收集人脸图像,并通过传统的图像... 详细信息

针对人脸识别过程中人脸图像质量较低造成的低识别率问题,提出了一种基于卷积神经网络的人脸图像质量评价模型。首先建立一个8层的卷积神经网络模型,提取人脸图像质量的深层语义信息;然后在无约束环境下收集人脸图像,并通过传统的图像处理方法以及人工筛选进行过滤,得到的数据集用以进行模型参数的训练;其次通过在图形处理器(GPU)上加速训练,得到用于拟合人脸图像到类别的映射关系;最后将输入在高质量图像类别的概率作为图像的质量得分,建立人脸图像的质量打分机制。实验结果表明,与VGG-16网络相比,所提模型准确率降低了0.21个百分点,但是参数规模减小了98%,极大地提高了模型运算效率;同时所提模型在人脸模糊、光照、姿态和遮挡方面都具有较强的判别能力。因此,可将该模型应用在实时人脸识别系统中,在不影响系统运行效率的前提下提高系统的准确性。

关键词：人脸识别卷积神经网络图像质量评价人脸图像质量评价

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于规则和数据驱动的人脸图像质量评价研究

基于规则和数据驱动的人脸图像质量评价研究

作者：李志恒南昌大学

学位级别：硕士

近些年来,人脸识别技术应用领域越来越广。但是在实际应用中,由于各种因素的影响,人脸图像的质量可能会受到很大的影响,比如光照、姿态、遮挡等。这些因素会导致人脸图像的质量下降,从而对人脸识别算法的性能产生负面影响。为了提高人... 详细信息

近些年来,人脸识别技术应用领域越来越广。但是在实际应用中,由于各种因素的影响,人脸图像的质量可能会受到很大的影响,比如光照、姿态、遮挡等。这些因素会导致人脸图像的质量下降,从而对人脸识别算法的性能产生负面影响。为了提高人脸识别系统的准确性,降低低质量人脸图像对于人脸识别模型的干扰,可以在进行识别之前对人脸图像质量进行评估,以筛选高质量人脸图像输入到人脸识别模型中进行识别,从而满足实际应用场景的需求。为了解决单一评价方法无法综合考虑多种影响因素,从而不能全面评估人脸图像质量和其对人脸识别性能的影响等问题,本文提出了一种基于规则的人脸图像质量评价方法。该方法从人脸图像的清晰度、亮度、对比度和对称性方面进行评估,并结合这些因素进行综合评价。值得注意的是,本文提出的方法具有鲁棒性和有效性,因为它允许在不同的应用场景下设置不同的权重。这一方法设计的优势在于可以全面评估人脸图像的质量和对人脸识别性能的影响,同时能够根据实际应用情况进行调整和优化。考虑无参考人脸图像质量评价可以在不借助原始参考图像计算人脸图像的质量分数,本文提出基于数据驱动的人脸图像质量评价方法,并且考虑由于数据量小的缺陷,本文结合规则型评价方法和数据驱动型评价方法,对人脸图像做综合评价。本文基于生成对抗网络生成人脸数据,并且在真实数据和生成数据上的实验验证,验证了所提出算法的有效性。

关键词：人脸图像质量评价人脸识别无参考生成对抗网络高质量图像

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的人脸图像质量评价

基于深度学习的人脸图像质量评价

作者：潘岑蕙上海交通大学

学位级别：硕士

近年来,人脸识别技术被广泛应用在各个领域。在控制和配合条件下,人脸识别系统已经达到了很高的识别率,然而在非控制和非配合条件下,人脸图像质量大幅度降低,导致人脸识别系统的性能下降。为了减少低质量人脸图像对人脸识别的影响,有效... 详细信息

近年来,人脸识别技术被广泛应用在各个领域。在控制和配合条件下,人脸识别系统已经达到了很高的识别率,然而在非控制和非配合条件下,人脸图像质量大幅度降低,导致人脸识别系统的性能下降。为了减少低质量人脸图像对人脸识别的影响,有效地提升人脸识别系统的识别率,需要预先对人脸图像质量进行评价。本文立足于研究基于人脸识别的人脸图像质量评价,比较和分析了多种常见的人脸质量评价算法。针对原有人脸图像质量算法无法综合评价人脸图像质量和有效反映人脸图像质量和人脸识别性能影响等问题,提出了新的人脸图像质量评价算法。本文首先提出了一种基于人脸识别的人脸图像质量分数。根据常见的人脸识别过程,首先对人脸图像进行人脸检测,然后使用VGG Face网络模型提取人脸特征,最后通过概率线性判断分析算法比较测试人脸图像与其参考人脸图像的特征相似度来衡量人脸图像质量。通过比较分析,发现人脸遮挡和人脸姿态角度对人脸质量的影响明显高于图像亮度、对比度、清晰度等因素。试验证明,人脸图像质量分数能够综合描述单个或多个影响因素引起的人脸图像质量变化,表现人脸图像质量对人脸识别系统性能的影响和关系,并且有效解决了实验训练和测试样本缺少质量分数标记的问题。其次,提出了一种基于卷积网络的无参考图像质量评价。通过结合卷积网络和图像显著性检测,考虑人眼视觉系统对质量评价的影响,有效地预测图像主观评价质量分数,并将此算法模型在人脸图像质量评价进行试验。经过试验证明,此算法模型可以有效地预测图像主观评价的质量分数,但是不适合直接应用于人脸图像质量评价。最后,提出了一种基于深度学习的无参考人脸图像质量评价。通过微调VGG网络模型参数,实现了一种依据图像特征的端对端的无参考人脸图像质量评价算法模型。此算法模型可以有效地预测一种或多种影响因素导致的人脸图像质量变化,基于人脸识别准确分辨出质量较好或质量较差的人脸图像,有利于提升人脸识别准确率,并且有较好的鲁棒性。

关键词：人脸图像质量评价深度学习人脸识别无参考图像质量评价

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分类性能的人脸图像质量评价方法研究

基于分类性能的人脸图像质量评价方法研究

作者：王飞重庆大学

学位级别：硕士

现代社会的日益进步和信息技术的高速发展,使得人脸识别技术越来越广泛的在社会的各个领域中用于确认人员的身份。但是只有在图像质量较好的情况下,才能较好的发挥人脸识别算法的性能,因此如何从图像获取得的源头上来获取高质量的人脸图... 详细信息

现代社会的日益进步和信息技术的高速发展,使得人脸识别技术越来越广泛的在社会的各个领域中用于确认人员的身份。但是只有在图像质量较好的情况下,才能较好的发挥人脸识别算法的性能,因此如何从图像获取得的源头上来获取高质量的人脸图像,从而更好地提升人脸识别的效果成为当前研究的热点。图像客观的质量评价主要是通过设计合理的算法使计算机能够正确的评价图像质量,为图像处理系统的性能评估提供依据。依靠人眼视觉感受进行评价已经成为当前大部分图像质量评价方法的标准操作方法。然而,具有良好视觉感受的图像,并不一定是模式识别中最优的图像。因此,本文从人脸识别系统的分类性能角度出发进行评价人脸图像质量,提出了一种新的人脸图像质量评价方法,具体方法如下:1)根据人脸识别算法的识别性能,提出一种新的基于分类性能的人脸图像质量评价方法。该方法首先模拟多种人脸图像退化模型,讨论不同降质类型、降质程度的人脸图像对人脸识别算法的影响,并根据人脸识别系统分类的正确率给出降质图像的质量评分。与传统的图像质量评价方法得出的分数相比,该分数能更客观的反映出降质图像对识别算法的影响。根据所提出的人脸图像质量评价系统,以现有CMU大学的PIE数据库为基础,构建含有多种降质类型的人脸图像质量评价数据库。并在此数据库上验证了传统的图像质量评价方法的性能,选出性能较优的DIIVINE方法性能作为新算法改进的基础。2)按照基于分类性能的人脸图像质量评价准则,在DIIVINE方法特征提取的基础上,为了提升人脸图像质量评价的分类性能,通过加入面向人脸图像质量评价的局部特征,并提出了基于求解Lasso回归的特征选择和特征加权方法,构建了一种基于统计特性的无参考人脸图像质量评价方法。实验表明,较传统图像质量评价方法而言,本文提出的人脸图像质量评价方法所得到的质量评价与人脸识别算法识别性能的一致性更优。

关键词：图像质量评价特征选择人脸识别人脸图像质量评价

头部偏转和眼镜遮挡下的人脸图像质量评价研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

头部偏转和眼镜遮挡下的人脸图像质量评价研究

作者：章鹤兰州大学

学位级别：硕士

随着大数据时代的到来,人们倾向于从生物特征（人脸、虹膜、指纹等）中挖掘出可用的信息,而人脸作为最符合旅行证件签发的生物识别特征,其识别精度不断提升。但是在真实的应用场景下,人脸识别精度经常会因为头部移动、面部遮挡等原因导... 详细信息

随着大数据时代的到来,人们倾向于从生物特征（人脸、虹膜、指纹等）中挖掘出可用的信息,而人脸作为最符合旅行证件签发的生物识别特征,其识别精度不断提升。但是在真实的应用场景下,人脸识别精度经常会因为头部移动、面部遮挡等原因导致收集到的人脸图像质量大幅度降低。为提升人脸识别系统的准确率,可以对人脸图像质量进行评价,挑选出质量较好的图像用于识别。而头部姿势变化和戴眼镜是人脸识别过程中的常态,准确量化这两个因素对人脸图像质量的影响,可以预先对被拍摄者提出要求,降低识别错误率。为了实现上述目标,本文在自己训练好的人脸图像分类网络的基础上进行迁移学习,提出了人脸图像质量评价模型,并对头部偏转和眼镜遮挡这两个因素对人脸图像质量的影响给出量化评价。首先,本文从三个人脸图像数据集（LFW、BCF和Network）中选取了两万多张人脸图像,在四个图像分类模型（Resnet50、Mobilenets、Inception＿V3和Inception＿Resnet＿V2）中各分别添加两种注意力模块（SE和CBAM）,用这八个模型对300个人的人脸图像进行分类。其次,本文在精度最高的人脸图像分类模型的基础上利用近3000张人脸图像及对应的人工标注的人脸图像质量得分进行迁移学习,得到本文提出的人脸图像质量评价模型,然后将Head Pose数据集传入人脸图像质量评价模型,得到头部偏转和眼镜遮挡的人脸图像质量分数。通过与前沿的Serfiq方法和Faceqnet方法进行对比,证明此模型可以有效地预测人脸图像质量分数,且头部偏转角度的增大和戴眼镜均会损害人脸图像质量。综上所述,本文分析了头部偏转和戴眼镜两个因素对人脸图像质量的影响,证实了当头部向上下左右偏转超过30度时,人脸图像质量下降明显,当头部偏转小于30度时（除向下30度外）是可以接受的。同时,戴眼镜也会极大地降低人脸图像质量,印证了在受控条件下要求被识别者摘眼镜的规定是十分合理的。本文提出的算法模型可以准确地量化头部偏转和眼镜遮挡对人脸图像质量的影响,为有效提升人脸识别精度提供了理论支撑。

关键词：人脸图像分类迁移学习人脸图像质量评价头部姿态眼镜遮挡

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于统计学习的无参考人脸图像质量评价

基于统计学习的无参考人脸图像质量评价

作者：林海祥南昌大学

学位级别：硕士

人脸图像质量对人脸检测,人脸识别等各种与人脸图像相关的系统的执行性能具有重大的影响。人脸图像质量评价与传统的图像质量评价有很大的不同。本文针对人脸图像质量评价所做的研究工作可以归纳以下几点:(1)制定人脸图像质量标准,并请... 详细信息

人脸图像质量对人脸检测,人脸识别等各种与人脸图像相关的系统的执行性能具有重大的影响。人脸图像质量评价与传统的图像质量评价有很大的不同。本文针对人脸图像质量评价所做的研究工作可以归纳以下几点:(1)制定人脸图像质量标准,并请十位志愿者严格按照该标准对人脸图像进行质量分类,取其平均值作为最终结果;(2)对LIBSVM算法作改进和优化,并引入并行计算技术,极大地提高了训练和测试的速度;(3)提取Gabor小波特征,利用改进后的LIBSVM算法训练分类器,使用具有层次结构的决策二叉树进行多分类的人脸图像质量评价实验;(4)引入多分类器融合的方法,通过对多个较优分类器的融合,一定程度上减小了分类误差,提高了分类器的分类性能。课题研究中所实现的使用机器学习进行无参考人脸图像质量评价的方法,对于无参考图像质量评价具有很好的指导意义,为今后的进一步研究打下了良好的基础。

关键词：人脸图像质量评价人脸图像质量标准支持向量机 Gabor小波特征分类器融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向识别的人脸图像增强和质量评价

面向识别的人脸图像增强和质量评价

作者：宋宝宁西安科技大学

学位级别：硕士

人脸作为个体最显著的特征,人脸识别在身份识别方面具有重要的意义,是现代重要的身份认证方式。近几年,随着科学技术和视觉技术的开发与应用,人脸识别技术已经存在于日常生活与工作的任何角落。特别在安防监控方面,人脸识别技术作为重... 详细信息

人脸作为个体最显著的特征,人脸识别在身份识别方面具有重要的意义,是现代重要的身份认证方式。近几年,随着科学技术和视觉技术的开发与应用,人脸识别技术已经存在于日常生活与工作的任何角落。特别在安防监控方面,人脸识别技术作为重要的保障手段,保护着人们的安全。然而,在实际应用中,由于人脸识别系统搭载的环境多种多样且情况多变,比如受到传输方式、环境条件、设备配置和人为因素等方面的影响,所采集的人脸图像往往会出现光照不均、噪声较多、清晰度较低和人脸不完整等现象,这极大影响了后续的人脸识别环节。因此在监控领域从改变或提升输入图像的质量提出解决方案,可以有效提升人脸识别和身份认证的准确率。在监控系统中人脸识别算法准确性主要受三个方面影响:所采集图像亮度较暗或亮度不均、清晰度较低和人脸姿态不端正。并且由于实际场景中自然光照的不可控,采集图像出现亮度较暗或亮度不均的情况较为常见。在亮度较暗的图像中,人脸通常会丢失大量的信息,特征不明显,不利于身份认证和识别。因此本文从人脸图像质量评价和人脸低照度图像增强两个方向进行研究,为提高监控系统下人脸识别算法的精度提出新的解决方案。（1）基于TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）算法的人脸图像质量评价方法。为了对监控所采集的人脸图像进行筛选,从中选出最适合人脸识别的图像,本文从人脸姿态、图像亮度和图像清晰度三个方面进行综合评估。首先根据面部纹理和比例与偏转角度的关系,设计人脸姿态评估算法。从俯仰角、偏航角和翻滚角三个方向进行评估。再使用Tenengrad算法对图像清晰度进行评估。并将原有的RGB图像转换到YIQ色彩空间中,对其亮度进行评估。最后使用TOPSIS算法进行整体的综合评估,从中选择出最佳图像进行人脸识别。实验结果表明,该方法所得到的结果与主观评价结果基本一致,并且基于TOPSIS算法的人脸图像质量评价不仅考虑到人脸姿态、图像清晰度和亮度,在面向不同环境时,可以对各个影响因子的权重做出调整。本文首次将TOPSIS算法用来研究图像质量评价问题,这在人脸图像质量评价中也是有意义的尝试,能够给之后人脸图像质量评价问题提供新思路。（2）针对监控采集图像亮度不均,噪声较多和分辨率较低问题,本文提出针对于人脸图像的低照度增强算法和超分辨重建算法。针对现实场景中光照较弱或者光照不均条件下采集的人脸图像,本文提出了一个低照度图像增强模型,该模型可以实现端到端的训练。该模型生成器网络参考U-Net网络,在相对称的网络层之间添加跳跃连接,并提取亮度分量作为注意力图,将其添加至跳跃连接中。U型网络中上采样层均使用深度可分离卷积。该模型采用了全局-局部双判别器结构,监督生成网络,两者相互博弈,最终实现人脸低照度图像的增强。该网络不需要成对的低照度数据集进行训练,解决了传统深度学习网络对成对数据集的依赖,并且模型的大小比一般模型小,能够更好的部署到端侧,应用到实际场景中。实验结果表明,该模型可以很好的增强低照度图像,并且避免了局部过曝或者低曝的情况,运行速度也较经典模型有所提高。人脸图像超分辨重建主要参考Dense Net和Res Net理论设计,结合生成对抗网络,添加了降噪模块,使用多融合损失函数,构造了人脸图像超分辨重建网络。该网络不仅可以对输入图像进行降噪处理,还可以对监控系统中低分辨的人脸图像进行超分辨重建。实验结果表明,本文算法重建后的人脸图像与原参考图像更为接近,图像细节纹理较经典算法都更为清晰。

关键词：人脸识别人脸图像质量评价 TOPSIS算法低照度图像增强超分辨重建生成对抗网络

人脸图像的光照和清晰度质量无参考评价及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人脸图像的光照和清晰度质量无参考评价及应用

作者：尹渺源重庆大学

学位级别：硕士

人脸图像在拍摄、压缩和传输过程中往往会存在不同程度的降质。通过人脸图像质量评价,可有效限制低质量的人脸图像输入到人脸识别算法或系统中,从而有效提高人脸识别的性能。由于在人脸识别实际应用中,一般无法得到高质量的人脸参考图像... 详细信息

人脸图像在拍摄、压缩和传输过程中往往会存在不同程度的降质。通过人脸图像质量评价,可有效限制低质量的人脸图像输入到人脸识别算法或系统中,从而有效提高人脸识别的性能。由于在人脸识别实际应用中,一般无法得到高质量的人脸参考图像,因此,对人脸图像质量的评价需采用无参考评价。很显然人脸图像质量的无参考评价研究难度较大,故而它也是图像质量评价领域的热点研究问题。光照和清晰度失真对人脸识别性能的影响较大。现有的人脸图像光照质量评价方法对光照失真如光照对称性和光照强度缺乏整体的考虑。另外,在人脸图像清晰度质量的评价方面,基于人类视觉系统相关特性的评价方法更符合人眼主观评价机制,使之成为图像清晰度质量评价颇具特色的研究方向。基于此,本文展开对人脸图像的无参考光照质量评价和清晰度质量评价的相关研究。本文的主要研究内容如下:①在调研了人脸图像质量评价方法的国内外发展现状的基础上,本文分析和研究了人脸图像的主客观质量评价方法。在介绍国际标准组织已通过并公布的人脸图像质量标准后,从光照质量和清晰度质量两个角度开展了人脸图像的无参考质量评价研究。②研究了人脸图像的无参考光照质量评价方法。首先分析人脸图像的光照失真。然后,基于人脸对称性对通用图像质量指标进行改进,提出一种相关性加权的光照对称性评价方法。然而,光照对称评价无法反映光照强度的特性。进而,通过对光照变化图像的灰度直方图分析,提出一种计算人脸图像全局光照强度的方式。最后,本文提出以乘积的方式融合光照对称性与全局光照强度,从整体上实现了无参考人脸图像光照质量评价。在相关人脸图像库的实验验证了,本文提出方法与主观评价结果有较好的一致性。③研究了人脸图像清晰度质量的无参考评价方法。在明确人脸图像清晰度和模糊度概念的异同并分析清晰度质量评价方法的性能评价指标后,基于人类视觉系统特性和边缘检测研究了一种人脸图像清晰度质量无参考评价方法。该方法首先根据人类视觉系统相关特性对人脸图像进行亮度掩盖和空间复杂度掩盖;然后通过小波变换提取不同分辨率下的人脸图像的边缘轮廓图,并使用心理函数和恰可感知模糊模型求取不同分辨率下的感知边缘图;最后,统计每一级感知边缘图的感知边缘像素总数和在每一级分辨率水平下的感知模糊像素总数,将二者的比例作为感知模糊质量因子,求取感知模糊质量因子在每一级分辨率下的权值,用平均加权方式得到清晰度质量分数。通过相关人脸图像库的实验表明,本文的方法在评价具有高斯模糊和散焦模糊的人脸图像的清晰度时性能较好。④人脸图像的无参考光照质量和清晰度质量评价方法在人脸识别中的应用。首先,使用本文提出的无参考光照质量和清晰度质量评价计算人脸图像光照质量分数和清晰度质量分数,根据实验设定质量分数阈值,剔除掉部分质量差的人脸图像。然后,将质量较好的人脸图像作为人脸识别算法或系统的输入图像。通过对有无质量评价的人脸识别效果的比较,得出本文提出的人脸图像质量评价方法是有效的。本文在Extended Yale B人脸库和CMU PIE人脸库上开展基于人脸图像光照质量无参考评价的识别实验。在***公安局提供的人脸图像库上进行人脸图像清晰度质量无参考评价及识别实验。实验结果表明,人脸识别引入本文提出的人脸图像质量无参考评价方法后,可以有效提高识别的性能。

关键词：人脸图像质量评价光照质量评价清晰度质量评价人脸识别