期刊文献+
共找到16篇文章
< 1 >
每页显示 20 50 100
利用场景光照识别优化的双目活体检测方法 认领
1
作者 林峰 杨忠程 +2 位作者 冯英 颜水成 魏子昆 《智能系统学报》 CSCD 北大核心 2020年第1期160-165,共6页
人脸识别是生物特征识别技术中应用最广的技术之一。其中,能判断人脸图像是否是真实人脸的活体检测模块,是系统安全运行的重要保障。目前从安全度和经济性两方面综合考虑,最常用的活体检测方法是双目活体检测。但由于不同场景下光线亮... 人脸识别是生物特征识别技术中应用最广的技术之一。其中,能判断人脸图像是否是真实人脸的活体检测模块,是系统安全运行的重要保障。目前从安全度和经济性两方面综合考虑,最常用的活体检测方法是双目活体检测。但由于不同场景下光线亮度和角度变化很大,拍摄的人脸图片质量参差不齐,严重影响了活体检测的质量。针对这一问题,提出了通过对场景光照识别进行优化从而提升检测准确度的双目活体识别算法。算法通过串级PID算法对摄像头的感光度和补光灯进行控制,并利用人脸识别算法定位优化测光区域,从而对不同的光线强度和角度采取不同的策略。经过实验验证:本方法将活体检测在复杂场景下的准确率提升约30%,保证了算法在室内外不同光照场景下的有效性。 展开更多
关键词 人脸活体检测 人脸防伪 展示攻击检测 身份识别 生物识别安全 深度学习 卷积神经网络 PID控制
在线阅读 下载PDF
文章速递智能社区门禁系统的设计与实现 认领
2
作者 李智慧 刘明亮 +1 位作者 王伟 刘峻伯 《黑龙江大学工程学报》 2020年第3期56-62,共7页
随着社会的进步与信息技术的发展,居民对于社区门禁系统的要求越来越高。智能社区门禁系统采用NVIDIA的Jetson Nano平台通过TCP/IP网络协议连接本地服务平台,使用Qt Designer搭建管理员系统界面,管理员可在管理界面实时监控门禁视频,并... 随着社会的进步与信息技术的发展,居民对于社区门禁系统的要求越来越高。智能社区门禁系统采用NVIDIA的Jetson Nano平台通过TCP/IP网络协议连接本地服务平台,使用Qt Designer搭建管理员系统界面,管理员可在管理界面实时监控门禁视频,并可随时通过PC端管理数据库中存储的用户信息。为保障系统识别的准确性,使用深度学习YOLOv3算法及卷积神经网络进行目标图像的检测与识别。在不同的外界光线环境下进行门禁系统测试,测试结果表明,设计实现的智能社区门禁系统的功能可以满足门禁系统的安全性与实时性需求,有较好的实际应用价值与发展前景。 展开更多
关键词 人脸识别门禁系统 卷积神经网络 人脸活体检测 智能社区
在线阅读 下载PDF
基于图像扩散速度模型和纹理信息的人脸活体检测 认领
3
作者 李新豆 高陈强 +2 位作者 周风顺 韩慧 汤林 《计算机科学》 CSCD 北大核心 2020年第2期112-117,共6页
为了解决人脸身份认证中的欺诈问题,提出了一种基于图像扩散速度模型和纹理信息的人脸活体检测算法。真实人脸和虚假人脸图像的空间结构不同,为了提取这种差异特征,该方法使用各向异性扩散增强图像的边缘信息。然后,将原始图像与扩散后... 为了解决人脸身份认证中的欺诈问题,提出了一种基于图像扩散速度模型和纹理信息的人脸活体检测算法。真实人脸和虚假人脸图像的空间结构不同,为了提取这种差异特征,该方法使用各向异性扩散增强图像的边缘信息。然后,将原始图像与扩散后图像的差值作为图像的扩散速度,并构建扩散速度模型。接着使用局部二值算法提取图像扩散速度特征并训练分类器。真实人脸图像和虚假人脸图像之间存在很多差异特征,为了进一步提高人脸活体检测算法的泛化能力,该方法同时提取人脸图像的模糊程度特征和色彩纹理特征,通过特征矩阵级联的方法将两种特征进行融合,并训练另一个分类器。最后根据分类器输出概率加权融合的结果做出判决。实验结果表明,该算法能够快速有效地检测出虚假的人脸图像。 展开更多
关键词 活体检测 各向异性扩散 局部区域二值 人脸识别
在线阅读 免费下载
基于近红外与可见光双目视觉的活体人脸检测方法 认领
4
作者 邓茜文 冯子亮 邱晨鹏 《计算机应用》 CSCD 北大核心 2020年第7期2096-2103,共8页
针对人脸识别系统易受伪造攻击的问题,提出了一种基于近红外与可见光双目视觉的活体人脸检测方法。首先,采用近红外与可见光双目装置同步获取人脸图像,提取两图像的人脸特征点,利用双目关系实现特征点的匹配并获取其深度信息,再利用深... 针对人脸识别系统易受伪造攻击的问题,提出了一种基于近红外与可见光双目视觉的活体人脸检测方法。首先,采用近红外与可见光双目装置同步获取人脸图像,提取两图像的人脸特征点,利用双目关系实现特征点的匹配并获取其深度信息,再利用深度信息进行三维点云重建;然后,将全部人脸特征点划分为四个区域,计算各区域内人脸特征点在深度方向的平均方差;接着,选取人脸关键特征点,以鼻尖点为参照点,计算鼻尖点到人脸关键特征点之间的空间距离;最后,利用人脸特征点的深度值方差和空间距离来构造特征向