摘要：针对智能矿山井下运输设备远程操作过程中驾驶员疲劳作业的安全隐患问题,设计了一种驾驶员人脸特征的疲劳检测系统。首先规定不同行为的疲劳驾驶等级,其次对相机采集到的视频信息进行预处理,采集不同角度下驾驶员面部图像样本,采用ASM算法对人脸建模,计算驾驶员的面部特征点定位、眼睛闭合频率、打哈欠频率等面部信息,并依靠深度学习神经网络的自适应特征提取进行数据分析,判断驾驶员疲劳程度。自建人脸数据库和安徽某矿山现场测试表明,该系统能够对驾驶人员在高作业强度、多设备协同下产生的违规操作起到预警和防止的作用。

摘要：为防止人脸特征泄漏,设计基于全同态加密的人脸特征加密方案,确保网络传输和数据库中保存的是人脸特征的同态密文。该方案可通过人脸特征同态密文的计算完成人脸匹配。实现部分借助微软的开源简单加密算法函数库,并进一步探索一种批处理和近似最近邻搜索的方法,提升加密域中人脸匹配的效率。基于人脸基准数据库(LFW)的测试结果表明,基于全同态的人脸特征加密和近似最近邻的人脸搜索匹配是可行的,能够满足实际应用场景的需求。

摘要：利用人脸识别技术、活体检测技术,结合国密算法,设计了一个基于模糊承诺算法的身份认证系统。提出一种多值量化方法来提高数据相似性,并采用多样本组的特征数据清洗方式提高数据稳定性,以解决常见的生物特征认证中误识率和拒识率较高且难以平衡的问题。在注册阶段,采集多组128维人脸特征数据,清洗后获得平均值,基于一个阈值区间将每个维度的数据量化为4 b二进制数。将量化完成后的数据作为加密密钥,以BCH编码为纠错码,使用模糊承诺算法将认证服务器产生的秘密密钥加密存储在客户端。在认证阶段,实时采集的人脸特征数据经过量化后,利用BCH纠错提取出秘密密钥,将秘密密钥作为协商密钥,基于传统身份认证协议实现客户端与认证服务器之间的认证过程。通过实验证实,采用上述方法实现的身份认证系统可将误识率降低至0%,拒识率降低到1%以内。

摘要：为了实现人脸特征点跟踪系统的鲁棒性和精确性,使用光束平差法模型将基于三维人脸几何模型的跟踪方法与基于Gabor小波的特征点跟踪方法结合起来,提出基于三维模型与Gabor小波的人脸特征点跟踪方法.该方法使用基于Gabor小波的特征跟踪方法来得到每帧的初始特征点,使用基于三维人脸几何模型的整合优化跟踪方法来得到每帧的最终特征点.与3类典型人脸特征点跟踪方法的对比实验结果表明,该方法克服了以往方法基于二维图像信息来寻找特征点的局限性,可以实现鲁棒的、实时的、大角度的人脸特征点跟踪.

摘要：与传统的在人面部画上标识点的特征点跟踪方法不同 ,KLT(Kanade Lucas Tomasi)算法可以从未加标识点的正面人像视频系列中通过特征纹理信息直接获取面部某些特征点的位移 在KLT算法中加入了基于人脸统计信息的经验约束 。

摘要：为了更好地模拟素描的笔画和突显肖像素描中五官的部分,提出基于人脸特征和线积分卷积的肖像素描生成方法.首先进行人脸分割,由人脸特征点确定GrabCut算法中每个特征的初始trimap,然后根据分割结果使用线积分卷积算法绘制肖像素描.文中使用了基于分割结果的多分辨率白噪声和方向场,并提出了基于分割结果的自适应性边界提取算法.实验结果表明,该算法改善了肖像素描的生成效果.

摘要：如何选取并提取稳定可靠的人脸特征是人脸识别技术中迫切需要解决的问题 .文中在对现有特征提取方法的优缺点进行详细分析的基础上 ,提出人脸特征自适应选取算法框架 ,详细论述了如何建立并提取人脸特征自适应选取的准则 .该算法在 10

摘要：由于传统方法对于疲劳驾驶状态判别速率较慢,并且误判率较高,实际判别效果不佳,提出基于人脸特征的疲劳驾驶状态判别方法。利用AgCl电极方式采集驾驶员眼部信号,利用三轴加速度计与三轴陀螺仪采集驾驶人员头部姿态信号,利用高清相机采集驾驶员嘴部信号,采用均值算法对状态信号进行滤波处理,并对图像数据均值化处理,利用人脸特征技术提取驾驶员眼部特征、头部姿态特征和嘴部特征,利用评价矩阵计算驾驶员疲劳系数,以判别疲劳驾驶状态。经实验证明,设计方法判别速率较快,并且误判率相对较低,具有较好的可行性。

摘要：随着人脸识别系统的广泛采用,基于人脸识别的身份认证系统必须充分考虑用户人脸特征的安全性.为防止人脸特征泄漏,人脸特征不能以明文形式进行操作和存储.针对此问题,设计了基于全同态加密的人脸特征密文认证系统,该系统在加密域中进行人脸特征匹配,同时数据库中保存的是人脸特征模板的同态密文,整个系统无需解密人脸特征模板就可完成认证.系统实现部分借助了微软的开源简单加密算法函数库,并进一步探索了一种批处理和降维的方案,以权衡人脸匹配的准确性和计算复杂性.基于人脸基准数据库(LFW、IJB-A、IJB-B、CASIA)的测试结果表明,基于全同态加密的人脸特征密文认证是可行的,能够基本满足真实应用场景的需求.

摘要：为了优化在人脸表情较模糊情况下的识别效果,并更好地获取表情的表征数据,设计一种多尺度注意力机制下的人脸表情识别方法。对人脸表情图像进行缩放与扩充预处理操作,从图像中提取人脸表情解耦表征皮沟数据,通过卷积神经网络对提取到的解耦表征皮沟数据进行特征捕捉。引入了多尺度注意力机制,有选择性地关注重要的表情特征。同时,利用多通道的表情识别方法,自适应地提取人脸组件区域内的表情信息,从而识别人脸表情。实验分析结果表明,所提方法在四类不同表情标签对应的人脸表情识别召回率始终高于对照组,均达到了98%以上,识别效果优势显著。