摘要：基于神经网络的活体检测算法有效防止各类欺诈攻击,但当前的活体检测算法无法兼顾检测速度、检测精度和成本。对此,在MobileNetv2的基础上提出一种多模态数据融合的活体检测算法,该算法引进跨阶段部分网络(Cross Stage Partial Network,CSPNet)和提出DDConvBlock,实现检测速度、检测精度和成本之间相平衡的设计目标。为验证该算法的有效性,先在公共数据集Msspoof和CASIA-SURF上进行实验验证。接着根据实际需求,构建私有数据集,并在该数据集上用该检测算法进行建模和实验验证。验证结果表明该方法在不同遮挡和不同攻击方式下能有效地进行活体检测,该检测模型具有可移植性强的特点,能够推广到对安全性和便利性要求较高的平台中。

摘要：针对传统人脸属性估计算法算力大、推理速度慢、精度低,难以完成算法在移动或嵌入式设备上集成应用等问题,提出一种基于嵌入式系统的多任务人脸属性估计算法。首先,采用MobileFaceNet网络中的瓶颈结构融合跨阶段融合网络(cross stage partial network,CSPNet)和空间金字塔网络(spatial pyramid pooling network,SPPNet)设计CSPSPP_bk结构作为人脸属性估计算法共享网络特征提取模块;然后,在局部属性中增加通道注意力机制,在较困难的全局属性中使用更深、性能更优的网络模型作为Teacher模型指导所设计的轻量级多任务属性网络进行知识蒸馏,采用逐层剪枝的方法对网络模型进行优化,优化后的模型量仅1.8 MB;最后,通过动态类别抑制损失函数进行损失度量,均衡样本数据分布。在公共数据集CelebA和Adience数据集上进行测试比较,性别和眼镜的平均准确率分别为98.89%、99.72%,标准差为3.01%时,年龄估计精度为60.21%,在RK3288开发板上的前传推理速度为138 fps。结果表明:所提方法可广泛应用于嵌入式设备和移动边缘设备。

摘要：为解决人脸跟踪算法光照敏感度高、复杂背景跟踪鲁棒性低等问题,本文基于SiamFC网络提出多模态余弦相似孪生网络人脸跟踪算法。首先,结合可见光图片与红外光图片信息互补的优势,设计多模态输入,借鉴PeleeNet网络、空洞卷积、可分离卷积思想设计轻量化特征提取模块进行特征提取。其次,使用余弦相似操作代替互相关操作,增大相似背景非相似域的距离,提升跟踪定位的准确度。最后,在公共数据集ChokePoin、RGBT234和自制数据集上进行该算法的性能评估。实验结果表明,该算法在跟踪效果上整体性能较高、跟踪速度流畅,推理速度为115.7 fps,能很好地应对遮挡、光线干扰、运动模糊等因素影响,具有较强的实时性和鲁棒性。