-
公开(公告)号：CN105956572A
公开(公告)日：2016-09-21
申请号：CN201610320416.0
申请日：2016-05-15
Applicant: 北京工业大学
CPC classification number: G06K9/00228 , G06K9/00899 , G06K9/00906 , G06N3/08
Abstract: 一种基于卷积神经网络的活体人脸检测方法，涉及机器学习以及模式识别领域。本发明是面向人脸识别中的欺骗问题提出的。传统的人脸识别技术很容易被攻击，攻击者经常采用照片、视频以及3D模型等方法对合法用户的人脸进行复制。如果人脸识别系统不能有效地区分真实人脸和假冒人脸，入侵者就很容易以假冒身份通过识别系统。基于这个问题，本发明提出了一种针基于卷积神经网络的活体人脸检测方法。本发明所提出的方法中的卷积神经网络是基于cuda_convnet框架实现的，网络结构包括四个卷积层，两个max‑pooling层，以及一个全连接层和一个soft‑max层，soft‑max层包括两个神经元，用来预测真假人脸的概率分布。
-
公开(公告)号：CN103617431A
公开(公告)日：2014-03-05
申请号：CN201310539961.5
申请日：2013-11-05
Applicant: 北京工业大学
Abstract: 基于最大位平均熵的SIFT描述子二值化及相似度匹配方法涉及图像匹配领域。SIFT算子匹配能力较强，但是SIFT算子带来的数据量是巨大的。所以要对SIFT算子进行二值化，如果对所有算子进行统一二值化，势必也会导致存在数据冗余或者信息丢失。本发明通过对SIFT算子进行二值化，然后对各层二值化结果进行位平均熵的计算，来自适应的选择不同的二值化层数，提取出新的二值化描述子，然后用汉明距离代替欧式距离计算两个描述子之间的距离，将其跟设定阈值进行比较。本发明保留了原始特征的信息并大大减少了数据存储量，降低了计算的复杂度，可更好实现实时性的要求。并且可以取得等同于原始SIFT描述子的匹配结果，远优于统一二值化进行匹配的结果。
-
公开(公告)号：CN103500339A
公开(公告)日：2014-01-08
申请号：CN201310413168.0
申请日：2013-09-11
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 一种联合单尺度Retinex算法和归一化结构描述子的光照人脸识别方法，该方法可以实现对有光照变化的人脸进行识别。本发明经实验分析得出单尺度Retinex算法对于光照变化较大的人脸，处理结果存在阴影，而且处理后人脸的统计直方图与光照正常人脸的统计直方图存在很大差异，因此本发明对单尺度Retinex算法处理结果进一步进行均匀滤波以消除噪声，然后提取归一化结构描述子。最后利用归一化结构描述子得到去光照的人脸图像，处理结果的统计直方图与光照正常人脸的统计直方图差异明显减小。本发明提出的方法计算复杂度低，同时对于光照变化大的情况，识别性能要优于单尺度Retinex的方法，因此，本发明具有一定的应用价值和意义。
-
公开(公告)号：CN103295002A
公开(公告)日：2013-09-11
申请号：CN201310218047.0
申请日：2013-06-03
Applicant: 北京工业大学
Abstract: 一种基于完全二值姿态仿射尺度不变特征的全姿态人脸识别方法，该方法可以实现对全姿态变化（水平向左旋转90度~水平向右旋转90度，抬头姿态，低头姿态）的人脸进行识别。本发明经实验分析得出仿射尺度不变特征对人脸平面内旋转具有不变性，对人脸25度以内的平面外旋转具有不变性，因此本发明采集多幅特定姿态的人脸图像，并提取它们的仿射尺度不变特征，将它们的特征融合产生完全二值姿态仿射尺度不变特征以实现对全姿态旋转变化具有不变性。本发明提出的方法不需要进行模型训练，因此在计算复杂度上要远远优于基于模型的方法，同时对于姿态变化大的情况，识别性能要远远优于传统的基于特征的方法，本发明具有一定的应用价值和意义。
-
-
-
Search Results
14
records
(took 0.025 seconds)
