基于嵌入式系统的多任务人脸属性估计算法

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...     

基于径向对称变换的眼睛睁闭状态检测

为实现干扰条件下的眼睛睁闭状态检测,提出了一种新的基于径向对称变换的眼睛状态检测方法.该算法充分利用了睁眼状态下瞳孔的灰度特性及其径向对称特性,有效地解决了光线变化、不均匀光斑、睫毛和镜框等因素的干扰.大量的实验结果表明,该算法具有较好的检测效果,对各种干扰情况有较强的鲁棒性,并且检测速度快,能够达到实时要求,而且能在眼睛状态检测的同时实现瞳孔定位.     

非均匀光照下的人脸表情多状态检测与分类

提出了一个用改进的不易受光照影响的ASM(Illum ination Insensitive-Active Shape Model,简称I2-ASM方法)进行眼睛和嘴巴轮廓检测以及用组合方法进行眼睛和嘴巴状态分类的算法。对有丰富表情的人脸图像进行实验,结果表明,提出的算法即使在非均匀光照下也能取得较好的轮廓检测和状态分类结果。     

基于多任务压缩激发网络的行人属性识别

自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,本文提出基于多任务压缩激发(Squeeze-and-Excitation, SE)网络的行人属性识别方法,通过多任务卷积神经网络、联合压缩激发模块与残差模块、焦点损失函数三方面改进,研究了自然场景下行人属性识别效果提升的不同方式。结果表明,本文的方法相比基线模型在Market-1501数据集和DukeMTMC-reID数据集上的准确率和效率均有提升。可见,本文的方法具有普遍有效性。     

基于多任务深度卷积神经网络的人脸/面瘫表情识别方法

由于人类个体面部形态各种各样,使得不同人在表达同一感情时有可能产生较大的视觉差异,为了减弱这种内类视觉差异性对人脸表情识别产生的影响,该文提出一种分层多任务学习的人脸表情识别方法,该方法以现有深度卷积神经网络模型为基础,构造双层树分类器以替换输出层的平面softmax分类器,构建深度多任务学习框架,通过利用人脸表情标签和人脸标签共同学习更具辨识力的深度特征,将知识从相关人脸识别任务中迁移过来,从而减弱面部形态对表情识别的影响,提高表情识别性能。实验结果表明,相较于VGGnet,Googlenet和Resnet深度模型,文中提出的方法均提高了人脸表情识别率,且成功推广到面瘫表情识别问题中。     

基于Kinect的人脸眼部状态实时检测

利用Kinect获取人脸红外图像数据及人脸网格信息,通过眼部区域的Haar-like特征值进行眼睛状态识别,研究不同Haar-like特征对人眼状态的敏感度,以及头部旋转时眼睛区域的选取范围进行分析。实验共采集39名测试者的765个眼睛状态作为训练集和测试集,通过实验列出不同特征和组合特征的识别结果,实验结果表明构建的系统可以检测眼睛的不同状态,达到实时检测人眼状态的要求。     

基于MTCNN的人眼状态检测与判断

针对线上课堂学生听课状态的监督,设计了基于MTCNN的人眼状态检测与判断系统.首先,基于多任务卷积神经网络(MTCNN)算法检测视频中的人脸和人脸特征点,利用人脸和人脸特征点的检测信息定位人眼,然后使用灰度二值化图像处理方法提纯人眼图像,将提纯的人眼图像进行灰度二值化处理,统计虹膜区域像素点的个数和坐标,计算平均坐标,...     

基于多任务联合学习的入侵检测方法

针对目前大多数的网络入侵检测方法存在模型泛化能力较弱以及训练数据集类别不平衡等问题,考虑到网络流量同时具有时间性与空间性的特点,提出了一种基于多任务联合学习的入侵检测方法.首先对数据流量进行预处理,并将数据通过注意力层初始化其权重分布;然后通过胶囊网络(CapsuleNet)与简单循环单元(SRU)分别提取流量数据的空...     

基于肤色模型的人脸检测与人眼定位

针对光照变化对人脸检测及人眼定位的影响, 提出一种基于肤色模型的人脸检测与人眼定位方法. 先对图像进行预处理, 减少图像中的噪声; 再将RGB颜色空间转化到具有良好肤色聚类特性的YCbCr色彩空间, 利用Gauss模型进行肤色建模; 最后检测出人脸区域并确定人眼位置.     

基于CNN的心冲击信号阵发性房颤自动检测方法

阵发性房颤具有发作突然且时间短的特点,而目前其临床诊断方法——心电信号,不适于日常监护,因此,提出一种基于心冲击信号(ballistocardiogram,BCG)的非接触式房颤自动检测方法.研究不同输入数据长度与不同网络深度的匹配关系,获取应用一维卷积神经网络(convolutional neural network,CNN)检测阵发性房颤的最优组合.通过2000组数据的测试,所提模型的最佳性能为:测试准确性94.8%、敏感性97.2%、特异性92.7%,为基于BCG信号的心律失常检测与远程日常家庭监护提供了可能性.