检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于二进制多层GELM的异质人脸识别模型

现代电子技术 2018年第23期41卷 38-43页

作者：罗丽红刘春晓柯灵重庆邮电大学移通学院重庆402247 重庆电讯职业学院计算机与传媒系重庆402247

为提高异质人脸识别模型精度,提出一种基于二进制多层Gabor极限学习机(GELM)的异质人脸识别模型方法。首先,提出一种新的基于像素加权的随机加权Gabor特征提取方案,将局部几何输入图像子块传播到隐藏节点,并将提取的Gabor特征嵌入隐藏层... 详细信息

为提高异质人脸识别模型精度,提出一种基于二进制多层Gabor极限学习机(GELM)的异质人脸识别模型方法。首先,提出一种新的基于像素加权的随机加权Gabor特征提取方案,将局部几何输入图像子块传播到隐藏节点,并将提取的Gabor特征嵌入隐藏层中,利用一组Gabor核随机加权求和,实现对传播像素的非线性激活函数的卷积运算;然后,利用类似于极限学习机方式对输出层采用线性加权方法进行估计。最后,利用BERC VIS-TIR数据库和CASIA NIR-VIS 2.0数据库对所提算法的异质人脸识别方法性能进行验证,实验结果显示该算法识别精度高、CPU计算时间短。

关键词：异质人脸识别 Gabor特征提取性能验证极限学习机识别模型 Gabor滤波

基于对抗判别域适应的近红外与可见光异质人脸识别

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

南京师大学报（自然科学版） 2020年第4期43卷 95-103页

作者：张帅谢志华牛杰一李毅江西科技师范大学江西省光电子与通信重点实验室江西南昌330031

本文从对抗判别域适应的角度出发,利用无监督学习的方法缩小双模态图像之间的模态差异,提出了一种基于对抗判别域适应的近红外与可见光异质人脸识别方法.首先,联合交叉熵和中心损失函数预训练了一个基于卷积神经网络的可见光人脸识别网... 详细信息

本文从对抗判别域适应的角度出发,利用无监督学习的方法缩小双模态图像之间的模态差异,提出了一种基于对抗判别域适应的近红外与可见光异质人脸识别方法.首先,联合交叉熵和中心损失函数预训练了一个基于卷积神经网络的可见光人脸识别网络,赋予网络强的鉴别能力.其次,利用对抗损失对抗地训练了一个网络结构一致的近红外人脸识别网络,使得两个网络提取的特征的数据分布一致,从而缩小模态之间的鸿沟.最后,利用前一个网络提供的先验知识输出另一模态图像的后验概率.实验结果显示提出的算法在不需要近红外人脸图像的标签信息和大规模的训练集的情况下,表现出了优良的性能.

关键词：异质人脸识别无监督学习对抗学习域适应

基于轻量网络的近红外光和可见光融合的异质人脸识别

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

小型微型计算机系统 2020年第4期41卷 807-811页

作者：张典汪海涛姜瑛陈星昆明理工大学信息工程与自动化学院昆明650500

针对近红外图像与人脸库里的可见光图像匹配的异质人脸识别(Heterogeneous face recognition,HFR),以及人脸识别所用到的深度卷积网络参数量和计算量大的问题,提出了用于学习近红外光图像和可见光图像之间跨光谱域不变的特征的轻量级人... 详细信息

针对近红外图像与人脸库里的可见光图像匹配的异质人脸识别(Heterogeneous face recognition,HFR),以及人脸识别所用到的深度卷积网络参数量和计算量大的问题,提出了用于学习近红外光图像和可见光图像之间跨光谱域不变的特征的轻量级人脸识别算法.首先使用大规模可见光图像数据集和改进的交叉熵损失函数,训练出一个类内紧凑、类间可分的可见光人脸识别模型,然后用改进的近红外光与可见光图像混合的三元组数据集配合的三重角度损失函数做迁移学习.相对于通用的深度学习方法,本方案对来自两种光谱域(近红外光和可见光)的人脸图像,都有很好的识别效果.同时通过研发轻量级的深度卷积网络,使算法可以在嵌入式设备中高效的运行,提高算法的工业应用价值.

关键词：异质人脸识别迁移学习三重损失函数轻量级深度卷积网络

基于生成对抗技术的NIR＿VIS异质人脸识别方法研究

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

基于生成对抗技术的NIR＿VIS异质人脸识别方法研究

作者：林志灿华侨大学

学位级别：硕士

红外图像可以在光线条件不好的情况下更加清晰的捕捉人脸信息,因此在实际应用场景中,红外图像的人脸识别也逐渐成为学界研究的热点之一。大量针对红外图像的识别算法被提出,并且达到了优异的性能。然而在实际应用场景中,人们发现经常会... 详细信息

红外图像可以在光线条件不好的情况下更加清晰的捕捉人脸信息,因此在实际应用场景中,红外图像的人脸识别也逐渐成为学界研究的热点之一。大量针对红外图像的识别算法被提出,并且达到了优异的性能。然而在实际应用场景中,人们发现经常会出现跨域识别的情况,即数据库中存储的是红外图像,而在特定条件下采集的人脸图像却是可见光图像,或者库中的数据为可见光图像,但采集的图像是红外图像,这种情景在安防领域经常出现。在此背景下,本文对跨域的人脸识别技术进行研究探索。针对异质人脸识别的三个方面开展课题研究,在进行理论研究的同时也为实际应用场景提供了一套可靠可持续的解决方案。本文的主要工作如下:改进了循环对抗生成网络的生成器部分,增加人脸类别鉴别分支,进而添加了人脸鉴别属性约束,使其生成的图像能够更加有效的保留人脸鉴别信息。在利用循环GAN进行人脸生成时,会出现关键部位生成质量差的情况,为此我们引入了非局部算法,使得我们的模型能够自动的关注到人脸关键部位,如五官,脸型等属性,提升跨域人脸的生成质量。通过结合度量损失和分类损失,训练得到具有更大特征空间距离的人脸特征向量表示,有效的提升了人脸识别特征的鉴别力。为了避免人脸识别算法在应用中当出现大量的新增数据时,神经网络的性能会随之下降,设计了基于小样本增量学习算法和基于增量数据的人脸识别系统,实现了在增量数据场景下,保证模型能够快速更新参数,实现模型的定期自我更新、终生学习。

关键词：异质人脸识别循环对抗生成网络人脸类别鉴别非局部增量学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多模态及异质人脸识别问题研究

多模态及异质人脸识别问题研究

作者：倪辉上海交通大学

学位级别：硕士

高效、精准的自动人脸识别技术不仅有着广泛的应用前景,而且推动着人机交互和人工智能领域的发展。大数据时代的到来对于人脸识别领域既是挑战又是机遇,如何有效利用丰富的多元多特征信息应对人脸识别实际应用中的各种难题是本文研究工... 详细信息

高效、精准的自动人脸识别技术不仅有着广泛的应用前景,而且推动着人机交互和人工智能领域的发展。大数据时代的到来对于人脸识别领域既是挑战又是机遇,如何有效利用丰富的多元多特征信息应对人脸识别实际应用中的各种难题是本文研究工作的出发点。现有的基于特征点附近像素灰度值变化的纹理特征无法有效应对光照、姿态变化等因素对于特征点定位的影响,需要挖掘纹理特征之外的有效特征提高面部特征点定位的精度。大数据时代可获取的人脸图像形式越来越丰富,可以利用多源人脸图像蕴含的信息互补提升人脸识别系统性能。当面临匹配过程中输入图像与图像库图像属于不同模态这一实际应用问题时,可以通过异质人脸转换的方法将不同模态的人脸图像转换为同一模态,引入合成图像进行后续异质人脸识别。本文从实用性和理论角度出发,分别研究了人脸特征点定位算法,多模态人脸识别算法,异质人脸转换及识别算法。具体来说,本文的工作主要包括以下几个方面:1)提出灰度几何特征提取方法并利用显示回归模型与纹理特征融合应用于人脸特征点定位任务该特征点定位算法基于LTV模型提取人脸灰度几何信息,利用非线性变化增强人脸图像中面部关键器官特征。利用级联回归模型融合灰度几何信息与原始纹理信息,使得模型具备更强的泛化能力,同时对于实际环境下光照、姿态变化等因素更为鲁棒。实验结果表明该算法具有更好的泛化能力和特征点定位精度。本文工作为如何利用信息融合提升人脸特征点定位精度提供了一种新的思路。2)提出基于复数域人脸特征融合的多模态人脸识别本文提出双模态人脸图像在复数域的特征表达形式,基于协同表达方法在特征层面融合可见光与近红外人脸图像的特征。进一步利用分块Gabor特征结合协同表达分类提升双模态人脸识别性能,并从几何性误差分析指出协同表达分类相对于稀疏表达分类的优势。大量实验结果证明了本文方法的高效性,可应用于实际人脸识别系统。3)提出一种基于稀疏多元特征融合的异质人脸转换及识别方法针对匹配过程中输入图像与图像库图像属于不同模态的情况,本文称为异质人脸识别问题,提出一种基于稀疏多元特征融合的异质人脸图像转换方法,在图片块层面基于稀疏表示模型融合多元特征,学习异质人脸特征空间映射关系。首先,对图像滤波处理后的人脸图像提取局部结构信息。然后,利用梯度信息和低频信息补偿合成照片的缺失信息。最后,利用引导滤波方法增强合成图像的细节信息。图像质量评价实验和人脸识别实验表明,本文方法合成的图像对于表情、姿势以及光照的变化具有良好的适应性。合成图像的引入一定程度上解决了异质人脸识别问题并提升了人脸识别率。

关键词：特征点定位多模态人脸融合异质人脸识别级联回归模型稀疏表达线性表达分类器

基于轻量网络和异质图像融合的实时人脸识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于轻量网络和异质图像融合的实时人脸识别算法研究

作者：张典昆明理工大学

学位级别：硕士

近年来随着边缘计算设备数量的不断增涨,人脸识别算法不再是只应用于高性能的处理器上,如何在边缘设备上高效可靠地进行人脸识别推理运算成为关注焦点。现有的高精度人脸识别模型都是建立在大型深度卷积网络模型之上的,这种模型需要大... 详细信息

近年来随着边缘计算设备数量的不断增涨,人脸识别算法不再是只应用于高性能的处理器上,如何在边缘设备上高效可靠地进行人脸识别推理运算成为关注焦点。现有的高精度人脸识别模型都是建立在大型深度卷积网络模型之上的,这种模型需要大量的计算资源,这不利于模型移植到移动和嵌入式设备中。并且在实际场景中人脸识别会受到各种光照条件的影响,而导致识别效果不佳。近红外成像技术可以有效且直接的改善了极端光照条件下的人脸识别性能。由于近红外光谱域人脸数据集的规模都比较小,使得近红外光谱域人脸识别的方法和模型对训练数据往往要求都很高。如何通过大规模地可见光人脸数据集来辅助实现近红外人脸识别,从而实现近红外与可见光匹配的异质人脸识别（Heterogeneous face recognition,HFR）,这是异质人脸识别研究中面临的一大挑战。本文对卷积神经网络的轻量化与异质人脸识别展开研究。首先针对人脸识别所用到的深度卷积网络参数量和计算量大的问题,对常见的网络在人脸识别方面的优缺点进行了分析,为了在嵌入式和移动设备上实现高精度的实时人脸识别,本文提出了一种高效的深度卷积神经网络模型Lightfacenet。在网络中结合深度可分离卷积、逐点卷积、瓶颈结构和挤压与激励结构提出了轻量化神经网络单元,使网络在保证有一定准确率的情况下有效地解决深层的神经网络带来的参数冗余和计算量大的问题。再通过改进的非线性激活函数和损失函数进一步提高网络的准确性,该神经网络在保留卷积神经网络部分优点的同时也很好地平衡了网络的缺点。针对近红外图像与人脸库里的可见光图像匹配的异质人脸识别的问题。因为近红外与可见光图像异质人脸数据集的规模比较小,本文提出一种合理的选择与构建近红外光与可见光图像混合的三元组数据集方法,配合本文设计的基于角度特征的三重角度损失函数,对Lightfacenet深度卷积神经网络模型做迁移学习,从而学习近红外光图像和可见光图像之间跨光谱域不变的特征。在同样的实验环境下,Lightfacenet网络既实现了非常高的识别精度,也在模型推理速度上达到实时的效果。在使用MS-Celeb-1M数据集训练后,该模型在LFW数据集上达到了99.50%的准确率,其效果已经可以与现在的大型卷积神经网络媲美。在使用CASIA NIR-VIS 2.0 Face数据集对其进行迁移学习后,Lightfacenet网络模型对于异质人脸图像也有了良好的识别能力。相对于通用的深度学习方法,本方案通过研究轻量级的深度卷积网络,使算法可以在嵌入式设备中高效的运行,提高算法的工业应用价值。对来自两种光谱域（近红外光和可见光）的人脸图像都有很好的识别效果。

关键词：轻量化网络单元实时非线性激活函数异质人脸识别迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无约束环境下的异质人脸图像合成与识别研究

无约束环境下的异质人脸图像合成与识别研究

作者：吴柳玮合肥工业大学

学位级别：硕士

异质人脸图像包含了通过不同成像方式获得的表达形式各异的人脸图像。这些不同模态的人脸图像为目标人物的描述和分析提供了更加多元的角度。异质人脸识别正是寻找这些角度的共通性以匹配同一人物异质图像的技术。广义上来说,该技术的... 详细信息

异质人脸图像包含了通过不同成像方式获得的表达形式各异的人脸图像。这些不同模态的人脸图像为目标人物的描述和分析提供了更加多元的角度。异质人脸识别正是寻找这些角度的共通性以匹配同一人物异质图像的技术。广义上来说,该技术的研究内容也包含了以实现异质图像的相互转换为目标的异质人脸图像合成。作为该技术的一个重要分支,素描-照片人脸识别及其包括的素描-照片人脸合成技术可被广泛应用于刑侦执法和数字娱乐等领域,具有不俗的应用价值和学术意义。然而,目前相关的研究工作主要集中在有约束条件下进行,无约束环境仍然是该技术面临的一项巨大挑战。为此,本文以素描图像和可见光照片为研究对象,重点研究了年龄变化、部分遮挡场景下的异质人脸图像合成与识别。结合生成对抗网络和注意力机制,从图像转换和图像识别两个方面提出方法,分别克服无约束环境对图像合成效果和识别准确性造成的影响。图像转换方面,本文提出一种基于双重对偶生成对抗网络的跨年龄素描-照片转换方法。通过建立双重对偶生成对抗网络,分别学习源年龄域和目标年龄域之间的映射与逆映射、素描域和照片域之间的映射与逆映射,从而在年龄和风格两种属性下均实现图像的转化与重构,实现双重对偶。并借助两种属性下的重构图像建立重构身份损失和完全重构损失,以约束图像生成过程。使用年龄估算软件分别为四个公共数据集及网络抓取数据添加年龄标签,通过与相关方法对比后的实验表明,本文算法得到的转化图像可以在风格转换的同时也准确地完成年龄跨越,并有效保留身份特征,具有一定的泛化能力。图像识别方面,为了减少由部分遮挡引起的图像信息缺失对素描-照片人脸识别的影响,本文结合注意力机制提出一种基于三元差分孪生网络的遮挡鲁棒素描-照片人脸识别方法。该方法利用编码器将输入图像投影到公共子空间,在子空间中完成对遮挡区域的处理及匹配识别,以减少模态差异。所提出的三元差分孪生网络通过引入注意力机制构建了掩膜生成器,通过输入完整人脸和遮挡人脸特征之间的差分信号,学习图像遮挡区域和被破坏特征之间的对应关系,以便在识别阶段发现并丢弃这些无用特征。并引入内容损失函数和模态损失函数作为约束,促使该网络排除模态干扰,更加准确地定位因遮挡而导致偏离真实值的特征元素。利用修图软件在两个公共数据集中人为合成遮挡块,相应实验结果表明,本文算法架构可以有效识别包含部分遮挡的素描、照片人脸图像。

关键词：异质人脸识别无约束环境素描人脸识别生成对抗网络注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

照片/素描及跨年龄阶段异质人脸的识别研究

照片/素描及跨年龄阶段异质人脸的识别研究

作者：王开芳山东大学

学位级别：硕士

在机器视觉、模式识别及图像处理中,人脸识别一直是最受关注的研究之一,其应用领域很广泛,如安全验证、身份鉴别、监控系统、信用卡验证、人机交互控制、证件核对、通道控制等。近年来,异质人脸识别作为人脸识别中特殊的一类也得到了广... 详细信息

在机器视觉、模式识别及图像处理中,人脸识别一直是最受关注的研究之一,其应用领域很广泛,如安全验证、身份鉴别、监控系统、信用卡验证、人机交互控制、证件核对、通道控制等。近年来,异质人脸识别作为人脸识别中特殊的一类也得到了广泛关注,其研究主要涉及照片与素描图像、近／热红外与可见光图像、照片与视频图像,以及不同年龄下的人脸图像等方面。本文主要对异质人脸识别中的照片与素描,以及不同年龄下的人脸图像进行了研究。照片与素描人脸识别主要运用在案件侦破、安全保卫中,尤其是在案件侦破中可以帮助调查者定位或者缩小嫌疑人的范围。不同年龄下的人脸图像研究主要应用在公安刑侦、失踪人口调查等方面。在照片与素描的异质人脸识别中,本文研究了两种识别方法。一种是照片与素描转换之后再进行识别;首先基于主特征提取的方法把照片转化为伪素描,然后再运用传统的方法对素描与伪素描进行识别。该算法将照片图像变换为素描图像时,更加合理的利用了照片的有效特征,减少了素描和照片图像之间的差别,改善了匹配效果,并且减少了识别时间。另一种是不进行转换而是直接对照片和素描进行识别;本算法首先使用方向梯度直方图(Histogram of Oriented Gradient, HOG)特征描述符来表示素描和照片人脸,然后对特征进行分块后再使用零线性判别空间(Null Space-based LDA, NLDA)降维的方法得到判别空间,最后在此空间中进行素描的识别验证。HOG特征描述符能够消除素描和照片之间的类内变化,同时又能够保留足够的类内可识别信息。在不同年龄下(即跨年龄)的异质人脸识别中,该方向的研究主要有三个方面：人脸年龄模拟,人脸年龄估计及人脸验证。本文主要研究跨年龄的人脸验证,其算法为：首先提取在老化过程中比较稳定的HOG特征,然后将图像对的特征向量进行差空间运算得到类内差和类间差,进而把类内差作为正样本和类间差作为负样本,然后把样本送入支持向量机(Support Vector Machine, SVM)分类器中进行分类,进而判断出该对人脸是否属于同一个人。本文的主要工作是在现有的照片／素描及跨年龄的异质人脸算法基础上进行了一些探索和尝试。实验结果表明,本文的算法有较优的稳定性和准确性。

关键词：异质人脸识别素描与照片转换零判别空间差空间支持向量机

基于NIR与VIS图像合成的人脸识别技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于NIR与VIS图像合成的人脸识别技术研究

作者：林美嘉厦门大学

学位级别：硕士

随着深度学习的蓬勃发展,人脸识别技术已经应用到人们日常生活中的方方面面。常用的在可见光领域的人脸识别技术已经超越人类,发展到了一个饱和期。然而,这并不能说明人脸识别的技术问题已经被全部解决。在人们的日常生活中,人脸识别技... 详细信息

随着深度学习的蓬勃发展,人脸识别技术已经应用到人们日常生活中的方方面面。常用的在可见光领域的人脸识别技术已经超越人类,发展到了一个饱和期。然而,这并不能说明人脸识别的技术问题已经被全部解决。在人们的日常生活中,人脸识别技术仍然面对许多挑战,例如在光线不理想的区域,大部分设备采用近红外摄像头进行人脸图像的采集,但同时现存的人脸库基本都为可见光领域的图像。因此,引入了 NIR-VIS跨模态人脸识别的问题,这就要求算法不仅要能处理好表情、光照、遮挡和姿态等问题,还要能克服NIR和VIS域图像的差异。在这种背景下,本文从人脸检测、图像合成和人脸识别三个方面进行研究,设计并实现了基于NIR-VIS图像的跨模态人脸识别系统。本文主要工作有以下几点:1.针对MTCNN人脸检测算法对人脸进行裁剪时会造成人脸形变的问题,提出新的裁剪方式,测试结果表明,可以有效裁剪出与原图长宽比一致的人脸;2.针对NIR-VIS图像合成效果不佳的问题,提出CycleGAN算法进行图像合成,实现NIR和VIS域图像的相互转换,测试结果表明,经CycleGAN算法转换出的NIR人脸图像fakeIR与数据库中realIR人脸图像相似度较高;3.针对NIR域人脸识别效果不佳的问题,提出Insightface算法进行fakeIR图像和realIR图像人脸识别,在CASIA NIR-VIS 2.0数据集上准确率达到99.35%,测试结果表明,本文的方法在准确率上要优于主流的NIR-VIS人脸识别算法。综上所述,本文的研究工作取得了一定的成果,但是这并不能说明NIR-VIS跨模态人脸识别的问题已经被完全解决。第一,目前研究人员普遍使用的CASIA NIR-VIS 2.0数据库的规模较小,并不包含多种NIR-VIS跨模态人脸识别的情形。第二,算法系统应用的真实场景远比实验数据复杂。因此,NIR-VIS跨模态人脸识别还有继续研究的空间和必要。

关键词：异质人脸识别近红外-可见光图像人脸检测卷积神经网络