北京理工大学 光电学院 颜色科学与工程国家专业实验室, 北京 100081
针对传统人脸检测中存在色偏所造成检测精度偏低, 深度学习方法中通过训练大量数据来实现人脸检测而造成硬件要求高等问题。提出了训练简单的卷积神经网络来实现人脸和非人脸的判断, 并利用白平衡算法来解决色偏的问题。将YCgCr颜色空间与K均值聚类的方法结合起来实现肤色检测, 最后在肤色检测的基础上实现人脸检测。其精度相较于传统的人脸检测方法提升3%左右, 速度比基于深度学习的人脸检测快2倍左右。
肤色 人脸检测 卷积神经网络 K均值聚类 YCgCr颜色空间 skin color face detection convolution neural network k-means clustering YCgCr color space
1 太原开放大学 计算机网络中心，山西 太原 030024
2 太原理工大学 软件学院，山西 太原 030600
3 晋中学院 信息技术与工程系，山西 晋中 030619
针对大规模姿态变化和大角度人脸平面旋转(Rotation-in-Plane, RIP)等复杂条件下，多尺度旋转人脸检测精度低的问题，提出了一种基于汇聚级联卷积神经网络(Convolutional Neural Networks, CNN)的旋转人脸检测方法。采用由粗到精的级联策略，在主网络SSD的多个特征层上汇聚级联了多个浅层的卷积神经网络，逐步完成人脸/非人脸检测、人脸边界框位置更新和人脸RIP角度估计。该方法在Rotate FDDB和Rotate Sub-WIDER FACE数据集上取得了较好的检测效果。在Rotate Sub-WIDER FACE数据集出现100次误报时的检测精度为87.1%，速度为45 FPS，证明该方法可在低时间损耗下完成精确的旋转人脸检测。
旋转人脸检测 汇聚级联 卷积神经网络 尺度变换 平面旋转 rotating face detection parallel cascade CNN scale transformation rotation-in-plane 红外与激光工程
2022, 51(12): 20220176
1 中国科学院上海技术物理研究所 传感技术国家重点实验室，上海 200083
2 中国科学院红外成像材料与器件重点实验室，上海 200083
3 上海科技大学，上海 201210
InGaAs近红外探测器广泛应用于航天航空、**与民生领域。为了实现InGaAs探测器智能化，结合人脸检测应用，提出了可部署于低功耗移动智能设备的超轻量InGaAs近红外人脸检测算法。主要针对近红外人脸样本较少与低功耗设备部署问题展开研究，采用迁移学习与二值量化方案训练网络。算法首先通过大规模可见光人脸数据集实现了基于SSD的预训练人脸检测网络。然后使用二值量化方案大幅压缩网络参数空间大小与计算量，但同时造成网络准确度下降。为进一步提升网络二值量化效果，为二值量化过程引入了特征均值信息，并以对抗卷积形式弥补了准确度损失。最后，算法通过小规模近红外人脸数据对预训练二值网络进行微调，实现最终网络。所实现的二值量化人脸检测网络在采集的近红外人脸验证集中可以获得71.18%平均准确度。
二值化 近红外人脸检测 SSD 网络压缩 InGaAs探测器 binarization NIR face detection SSD model compression InGaAs detector 红外与激光工程
2022, 51(10): 20220078
红外与激光工程
2022, 51(7): 20210586
1 浙江师范大学信息光学研究所, 浙江 金华 321004
2 浙江省光信息检测与显示技术重点实验室, 浙江 金华 321004
三维人脸表情捕获在影视、游戏、医学、社交等领域有广泛的应用。为了实现无标记自由运动中的人脸表情三维信息高精度采集, 提出了基于人脸关键点检测与匹配的条纹投影三维人脸测量方法。首先, 采用三频外差法获取待测对象准静态三维信息作为参考模型, 并利用基于深度学习的人脸关键点检测算法从调制度图中得到初始关键点及对应的三维坐标。然后, 在动态测量过程中, 仅投影两幅或三幅具有相移的条纹。利用改进的傅里叶变换轮廓术或相位测量轮廓术获得变形条纹截断相位及调制度。在调制度图中检测人脸关键点并将其与初始关键点匹配得到其与参考模型中关键点坐标对应关系。计算该时刻人脸相对于参考模型的运动参数并进一步利用参考模型计算近似相位图。最终, 利用近似相位图展开截断相位并实现三维形貌的重建, 获得该时刻人脸三维表情。利用DLP投影仪及高速摄像机搭建了三维人脸表情捕获系统, 实现了130万像素, 100 fps三维数据采集。实验结果表明, 该系统能够进行正脸偏转±45°内, 俯仰±30°内, 侧倾±45°内, 大幅度变化的无标记三维表情正确捕获。
机器视觉 三维成像 相位测量轮廓术 人脸检测 相位展开 machine vision three-dimensional imaging phase measurement profilometry face detection phase unwrapping
西安理工大学自动化与信息工程学院，陕西西安 710048
针对目前临床上监测生命体征设备的不便携带、接触人体等问题实现了一种将红外热成像仪作为信息采集设备，通过分析人体面部血管模型及鼻孔位置温差变化得到心率值和呼吸信息的方法。首先对获取的热像图序列提取前景目标以缩短在整幅图像中进行人脸检测的时间，再利用各向异性扩散滤波法增强感兴趣区域内血管位置的对比度，并利用形态学处理获得人脸血管部位的灰度均值形成初始心率信号。最终通过趋势消除、小波阈值去噪方法去除时间序列中的趋势项和随机噪声获取最终的心率波形图和动态心率、呼吸值。与医院专用设备对比试验得出该方法可控制心率误差小于 4%，平均的均值误差为d＝0.718次/min。呼吸误差在 1次/min内，具有较高的准确性和鲁棒性，能够满足实际需求。
生命体征 热成像 人脸检测 小波阈值去噪 图像处理 非接触式检测 vital signs, thermal imaging, face detection, wave
1 天津工业大学电子与信息工程学院天津市光电检测技术与系统重点实验室，天津 300387
2 大功率半导体照明应用系统教育部工程研究中心，天津 300387
3 天津工业大学控制科学与工程学院，天津 300387
针对人脸识别与年龄估计系统中的环境光照问题，提出了一种基于多任务卷积神经网络的变化光照下人脸识别与年龄估计的方法。所提方法提高了可变光照下人脸图像的识别率和年龄估计的准确率。采用YCbCr颜色空间的Retinex图像增强算法提高人脸识别和年龄估计精度，并进行了3种距离10种调光等级下的人脸识别与年龄估计实验。实验结果表明，与原图相比，利用改进后方法得到的人脸图像的识别率均有提升，年龄估计的平均绝对误差均有所下降。在调光等级为40%、距离为1，2，3 m时，人脸识别率分别提升了3个百分点、19个百分点、25个百分点，年龄估计的平均绝对误差分别下降了1.20、2.99、2.00。同时，在研究中发现，当未增加图像增强算法的人脸图像灰度均值在50.18以上时，人脸识别与年龄估计效果较好。当低于该值时，则需要增加图像增强算法来提高人脸识别与年龄估计的精度。在增加图像增强算法后，当人脸图像灰度均值在56.61以上时，人脸识别与年龄估计效果较好且视觉效果和图像质量均更好。
图像处理 人脸检测 人脸识别 年龄估计 变化光照 激光与光电子学进展
2022, 59(2): 0210019
1 内蒙古科技大学 信息工程学院 内蒙古自治区模式识别与智能图像处理重点实验室, 包头 014010
2 内蒙古工业大学 信息工程学院, 呼和浩特 010051
3 大连海事大学 信息科学技术学院, 大连116026
为了解决人脸检测存在小目标人脸携带的特征信息少且相对较为模糊, 导致检测难度较高的问题, 采用将尺度不变人脸检测器(S3FD)网络与通道和空间注意力机制相结合的网络作为主干, 在通道和空间上建立了特征之间的权重关系, 强化特征提取能力, 将原本S3FD所输出的特征图经扩大感受野后进行上采样, 使得上一层特征图的输出包含了下一层特征图的特征。结果表明,widerface数据集的3个不同等级的验证集的平均精准率分别为95.0%, 93.7%, 86.4%, 与原S3FD相比分别提高了1.3%, 1.2%, 0.5%。本文中提出的算法在人脸检测中具有较好的检测效果。
图像处理 人脸检测 小目标 注意力机制 深度学习 image processing face detection small target attention mechanism deep learning
成都工业学院 电子工程学院, 四川 成都 610031
人脸检测是人脸识别的首要环节。为快速准确地从复杂背景中定位出人脸区域, 本文提出一种基于LVQ神经网络的人脸检测算法。通过分析肤色特征, 将图像分别转换到YCbCr空间和HSI空间, 提取Cb、Cr、H、S颜色分量用来描述人脸图像特征。构建结构为4-20-2的LVQ神经网络模型, 选取100幅图像作为LVQ神经网络的训练样本, 20幅图像作为测试样本, 迭代次数为150次, 误差为0.001。经过训练, 得到了有效的权值。利用训练后的神经网络, 分别在LFW、AFW和Faces数据集上进行了性能测试, 在3个数据集的正检率分别为76.82%, 84.42%, 100%, 误检率分别为17.34%, 12.34%, 0, 漏检率分别为21.55%, 15.63%, 0。实验结果表明,相对于传统的基于肤色特征的人脸检测方法, 本方法在正检率、误检率及漏检率方面均表现出良好的优越性。
人脸检测 肤色特征 face detection LVQ LVQ skin feature
安徽大学电气工程与自动化学院, 安徽 合肥 230601
提出一个新的基于轻量级注意力机制的网络框架。在YOLOv3主干网络的基础上,使用深度卷积和点卷积代替标准卷积设计特征提取网络,加快模型的训练,提高检测的速度,然后引入注意力机制模块进行模型速度和精度的权衡,最后通过增加多尺度提取更多网络层的特征信息,同时使用K-means++ 聚类算法进一步优化网络参数。实验结果表明,该方法可以显著提高人脸检测模型的性能,在Wider Face数据集上可以达到94.08%的准确率和83.97%的召回率,且平均检测时间只需0.022 s,相比原始YOLOv3算法提高了4.45倍。
图像处理 人脸检测 深度学习 轻量级网络 注意力机制 K-means++ 激光与光电子学进展
2021, 58(2): 0210010
