-
题名人脸遮挡区域检测与重建
被引量：10
- 1
-
-
作者
王志明
陶建华
-
机构
北京科技大学信息工程学院
中国科学院自动化研究所模式识别国家重点实验室
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2010年第1期16-22,共7页
-
基金
中国科学院自动化研究所开放课题基金项目
北京市重点学科建设项目(XK100080537)
-
文摘
提出一种基于模糊主分量分析技术(FPCA)的人脸遮挡检测与去除方法.首先,有遮挡人脸被投影到特征脸空间并通过特征脸的线性组合得到一个重建人脸.计算重建图与原图的差图像,加权滤波后并归一化作为被遮挡的概率,以此概率为权重由原图和重建图合成新的人脸.在后续迭代中,根据遮挡概率使用模糊主分量分析进行分析重建,并使用累积误差进行遮挡检测.实验结果表明,算法可精确定位人脸遮挡区域,得到平滑自然的重建人脸图像,优于经典的迭代PCA方法.
-
关键词
人脸遮挡检测
人脸重建
特征脸
主分量分析(PCA)
模糊主分量分析(FPCA)
-
Keywords
face occlusion detection face reconstruction eigenface principal component analysis （PCA） fuzzy principal component analysis （FPCA）
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于投影灰度差的遮挡人脸检测算法
- 2
-
-
作者
宫娜娜
武海艳
-
机构
黄河科技学院物联网传感技术及其应用郑州市重点实验室
-
出处
《科学技术与工程》
北大核心
2013年第35期10674-10678,共5页
-
基金
郑州市科技攻关项目(20120411)
河南省科技攻关项目(112102310582)资助
-
文摘
针对现有的人脸检测算法,需要样本数量大、训练与学习时间长等缺点,提出了一种基于投影曲线特征的遮挡人脸检测算法。该算法利用了人脸二值化的水平投影,确定人眼区域,减小了数据量和其他面部特征的影响;得到眼部区域二值化的垂直投影,利用投影曲线的特征,对眼部是否有遮挡进行判断。该算法思想简单,无需训练与学习,提出新的判断指标-归一化灰度差有明确的物理意义,有效地提取了眼部区域的特征。仿真结果证明了该算法的有效性,且与同类算法相比,缩短了检测时间,提高了检测率。
-
关键词
人脸遮挡检测
投影
归一化灰度差
-
Keywords
face occlusion detection projection normalized gray level difference
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名基于汇聚CNN和注意力增强网络的遮挡人脸检测方法
被引量：2
- 3
-
-
作者
项丽萍
杨红菊
-
机构
晋城职业技术学院信息工程系
山西大学计算机与信息技术学院
-
出处
《数据采集与处理》
CSCD
北大核心
2021年第1期95-102,共8页
-
基金
国家自然科学基金(61873153)资助项目。
-
文摘
针对现实场景中遮挡人脸检测精度低的问题,提出了一种基于汇聚CNN和注意力增强网络的遮挡人脸检测方法。首先,在主网络的多层原始特征图上,通过有监督学习的方法增强原始特征图中人脸可见部分的响应值。然后,将多个增强特征图组合成附加增强网络与主网络汇聚设置,以加快对多尺度遮挡人脸的检测速度。最后,将有监督信息分散到各个尺寸的特征图上进行监督学习,为不同尺寸的特征图设置了基于锚框尺寸的损失函数。在WIDER FACE和MAFA数据集上的实验结果表明,该方法的检测精度高于当前主流人脸检测方法。
-
关键词
遮挡人脸检测
卷积神经网络
注意力增强网络
有监督学习
多尺度
-
Keywords
occlusion face detection
convolutional neural network(CNN)
attention enhancement network
supervised learning
multiscale
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种改进型RetinaFace的遮挡人脸检测算法
被引量：2
- 4
-
-
作者
党宏社
狄国栋
张选德
-
机构
陕西科技大学电气与控制工程学院
-
出处
《实验技术与管理》
CAS
北大核心
2022年第10期80-85,共6页
-
基金
国家自然科学基金项目(61871206)。
-
文摘
针对遮挡人脸检测中检测模型较大,检测速度较慢的问题,提出了一种新的改进型RetinaFace人脸检测算法。在RetinaFace模型的基础上,采用卷积神经网络MobilenetV3作为特征提取网络,通过注意力机制CANet和加权双向特征金字塔加强特征提取,优化RetinaFace算法的损失函数使模型更加关注人脸位置。依据Wider-Face和MaskFace数据集建立了实验数据集,并通过实验验证了算法的有效性。
-
关键词
遮挡人脸检测
特征金字塔
损失函数
注意力机制
-
Keywords
occlusion face detection
feature pyramid
loss function
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名遮挡人脸检测方法研究进展
被引量：7
- 5
-
-
作者
刘淇缘
卢树华
兰凌强
-
机构
中国人民公安大学警务信息工程与网络安全学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第13期33-46,共14页
-
基金
国家重点研发计划(No.A19808)
中央高校基本科研业务经费(No.2019JKF225)。
-
文摘
近年来,随着人脸检测逐步面向现实场景应用,遮挡条件下的人脸检测成为计算机视觉领域研究的热门课题之一。遮挡所造成的特征损坏和噪声混叠,是人脸检测中亟待面对和解决的难点问题。综合分析了有遮挡人脸检测方法的研究进展,依据特征构造方法的不同将遮挡人脸检测分为基于手工设计特征的经典方法和基于深度学习的现代方法两大系列;对比分析了不同算法的基本原理,模型性能和存在的问题;探讨了未来可能的研究方向。
-
关键词
遮挡人脸检测
机器学习
深度学习
形变模型
-
Keywords
occluded face detection
machine learning
deep learning
deformation model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于层级注意力增进网络的多尺寸遮挡人脸检测
被引量：7
- 6
-
-
作者
王麟阁
蒋宝军
潘铁军
-
机构
宁波财经学院数字技术与工程学院
吉林建筑大学市政与环境工程学院
-
出处
《数据采集与处理》
CSCD
北大核心
2022年第1期73-81,共9页
-
基金
2020年度宁波市“科技创新2025”重大专项暨“246”产业集群发展支撑引领计划(2020Z008)
浙江省高等教育“十三五”第二批教学改革研究项目(jg20190514)。
-
文摘
在SSD(Single shot multibox detector)单阶段人脸检测模型的基础上,针对复杂局部遮挡下人脸检测精确性差的问题,提出了一种基于层级注意力增进网络的多尺寸遮挡人脸检测方法。首先,在SSD基础网络的多层初始特征图上,通过引入注意力增进机制提升人脸可见区域的响应值。然后为不同增强特征层设计不同尺寸的锚框,以提高对多尺寸遮挡人脸的分层识别效果。最后在训练时将注意力损失函数、分类损失函数和回归损失函数融合为多任务损失函数,共同优化网络参数。在WIDER FACE人脸数据集和MAFA遮挡人脸数据集上的实验表明,本文方法的检测精确性和时效性均优于目前主流遮挡人脸检测方法。
-
关键词
遮挡人脸检测
特征图
注意力增进
锚框
损失函数
-
Keywords
occlusion face detection
feature map
attention enhancement
anchor box
loss function
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于掩膜生成网络的遮挡人脸检测方法
被引量：5
- 7
-
-
作者
连泽宇
田景文
-
机构
北京联合大学智慧城市学院
北京联合大学工科综合实验教学示范中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第11期292-297,304,共7页
-
基金
国家自然科学基金青年科学基金项目(51404074)
北京联合大学研究生科研创新项目(YZ2020K001)。
-
文摘
针对复杂遮挡条件下人脸检测精度低的问题,提出一种基于掩膜生成网络(MGN)的遮挡人脸检测方法。对人脸训练集进行预处理,将训练人脸划分为25个子区域,并为每个子区域分别添加遮挡。将一系列添加遮挡的人脸图像和原始人脸图像作为图像对依次输入MGN进行训练,以生成对应各个遮挡子区域的遮挡掩膜字典。通过组合相关字典项生成与检测人脸遮挡区域相对应的组合特征掩膜,并将该组合特征掩膜与检测人脸深层特征图相点乘,以屏蔽由局部遮挡引起的人脸特征元素损坏。在AR和MAFA数据集上进行实验,结果表明,该方法的检测精度高于MaskNet、RPSM等方法,且检测速度较快。
-
关键词
遮挡人脸检测
卷积神经网络
掩膜生成网络
遮挡掩膜
组合特征掩膜
-
Keywords
occluded face detection
Convolutional Neural Network(CNN)
Mask Generation Network(MGN)
occluded mask
combined feature mask
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
