weixin_NineDays66

1.数据集的整理及清洗1. 线上数据40万人，2000万张图2. glint360，36万人，2000多万张图2.人脸预处理----采用自研的图像处理算法对人脸进行 "中心矫正" 较小冗余信息，增加人脸纹理识别信息。----采用自研的图像处理算法对图像 "归一化处理” ，使得算法模型可以在不同环境、不同光照、部分遮挡下正常运行。----采用传统算法 给人脸加口罩，眼镜等额外特征，提升算法对戴口罩人员的识别能力3.深度神经网络构建----采用前沿的"深度神经网络"及最新框架对人脸

我们实现了人头检测算法，通过该算法可以实现人员数量统计，人流量统计，人员拥挤分析。Python中绘制场景热力图我们在做诸如人群密集度等可视化的时候，可能会考虑使用热力图，在Python中能很方便地绘制热力图。下面以识别图片中的行人，并绘制热力图为例进行讲解。步骤1：首先识别图像中的人，得到bounding box的中心坐标。识别方法多样化，坐标也可以自己定义。步骤2：将所有中心坐标放入一个list类型的变量data中，即data = [[x1,y1] [x2,y2] …]步骤3：绘制

活体检测技术一般分为配合式活体检测和非配合式活体检测。配合式活体检测是最常见的活体检测方式，通过眨眼、张嘴、摇头、点头、甚至读出随机数字等配合式组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。如，一些金融机构的交易支付，支付宝认证等都使用配合式活体检测技术。配合式活体检测出现较早，成本低，算法更简单，但用户体验差，使用复杂。非配合式活体检测/静默活体检测技术无需用户进行额外动作，可直接甄别纸张照片、屏幕成像、人脸面具等伪造人脸攻击。一般使用双摄像头做活体检测的，都是非配

人头检测算法,人流量统计，人头计数人头检测在安防监控中是比较常用的功能，而公交车、商场或者大型场馆的拥挤人群计数的精准性也非常重要。算法思想作者称拥挤人群计数目前主要有两种实现路径：1.使用回归的算法思路，直接根据图像回归出拥挤人群密度热图，它的缺点是只能得到场景整体的一个拥挤指数，不能获知人群个体的具体位置，而且这种方法对图像分辨率很敏感。（52CV君曾经分享过：尺度不变网络提升人群计数性能（附Github地址））2.使用目标检测的方法，比如直接使用Faster RCNN检测人，检测后

目前优化了一款高速人脸检测算法，在 ARM设备的A73单核CPU(图像大小:860*540最小人脸大小：60*60)速度可以高达10-15ms每帧，真正的实时人脸检测算法，算法准确率在 FDDB数据集与MTCNN算法的准确率相当，可以应用将该算法部署在边缘设备，进行人脸识别算法进行整体算法提速。上图展示了 算法 在 A73 CPU上面的运行时间， 人脸检测部分一般在 10ms-15ms 左右 ，人脸检测+人脸特征提取 一般在 130-135ms,整体识别速度非常快速。需要改进人脸识别算法的欢..

import cv2import numpy as npclass MFaceMakeup(): """MobileFace makeup. """ def __init__(self, **kwargs): super(MobileFaceMakeup, self).__init__(**kwargs) def face_whiten(...

人脸图像亮度校正import osimport cv2import mathimport numpy as npclass FaceEnhance(): """MobileFace enhance for dark or bright face. """ def __init__(self, **kwargs): super(MobileF...

https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247492356&idx=2&sn=d05f6d583bcb31d3f1c4c5b594c7a3f4&chksm=ec1c0efddb6b87ebf3f4521eb0895847624a6cf46ca2306767c866ffcf34ed51c57bb2a...

人脸识别模型产出过程及部署1.数据集的整理及清洗----使用公司自研 "聚类算法" 整理和清洗目前最大的两个人脸数据集MegaFace 与 微软亚洲数据集 同时结合公司内部数据整理出图片共计2000万张左右。----与铁路部合作整理人证数据集 50万个身份 用以提升人证比对效果。2.人脸预处理----采用自研的图像处理算法对人脸进行 "中心矫正" 较小冗余信息，增加人脸纹理识别信息...

1. 简介计算机图形学中的应用非常广泛的变换是一种称为仿射变换的特殊变换，在仿射变换中的基本变换包括平移、旋转、缩放、剪切这几种。本文以及接下来的几篇文章重点介绍一下关于旋转的变换，包括二维旋转变换、三维旋转变换以及它的一些表达方式（旋转矩阵、四元数、欧拉角等）。2. 绕原点二维旋转首先要明确旋转在二维中是绕着某一个点进行旋转，三维中是绕着某一个轴进行旋转。二维旋转中最简单的场景是绕着...

1.运动模糊 【图片增强】2.大角度问题 【图片增强】3.背光问题 【图像处理】4.图片清晰度问题 【camera , 增强】

Caffe versionmtcnn.h#ifndef _MTCNN_H_#define _MTCNN_H_#include <caffe/caffe.hpp>#include <opencv2/opencv.hpp>#include <vector>#ifdef _OPENMP#include <omp.h>#endif...

Verification 人脸验证人脸识别一般分为Indentification和Verification（人脸验证），当进行人脸验证时，一般考虑以下两个指标：1.误识率(False Accept Rate,，FAR)：将其他人误作指定人员的概率。2.拒识率(False Reject Rate，FRR)：将指定人员误作其它人员的概率。3.等错误率 (EER-Equal Error R...

One folder should contains images of one person. Clustering on every folder is proposed through features extracted from a deep neural network. The number of clustering center of every folder is set to...

1.网络情况介绍， 与mobilenet 相似2.准确率对比   

人脸识别数据集  https://www.msceleb.org/download/croppedMS-Celeb-1M  将近10万人https://github.com/deepinsight/insightface/wiki/Dataset-Zoo 人脸属性分析 数据集 活体检测：...

简介the Crystal loss gains a significant improvement in the performance. It achieves new state-of-the-art results on IJB-A, IJB-B, IJB-C and LFW datasets, and competitive results on YouTube Face datas...

CK+ 数据标注：之前在做人脸表情识别时想以 CK+ 做为数据集，但是发现 该数据集存在的标签太少，总共只有329个，后面就根据这些标签和文件结构 对 人脸的标注进行了扩展。一下是扩展后的标签数据集。有1799张，可以拿来做简单的训练和测试了。C:\WorkSpace\Word\emotion_reconginzed\data_ck\face_img\S132_002_00000018.p...

目录MTCNN解读 2数据与处理： 2第一阶段， 2第二阶段， 3第三阶段， 3基于caffe的mtcnn训练实现 5一、训练 5（1）样本问题： 6（2）网络问题 7二、训练步骤 8三、使用阶段 8视频车牌定位—mtcnn 9颜色定位和形态学定位改进后的mtcnn车牌定位算法 10MTCNN解读解读论文为《Joint Face D...

1.图像 blur 【gauss, mediablur, motion_blur, gamma矫正】2.图像resize 【resize成小图，再resize回正常大小， resize成大图，再resize 回正常大小】3.roll小角度偏移【-10， 10】 ，图像对齐后4.增加噪声，例如：高斯噪声， 椒盐噪声5.随机擦除法6.增加运动模糊7.亮度调节、G...

人脸对齐（Face Alignment）基本概念及原理文章名称：One Millisecond Face Alignment with an Ensemble of Regression Trees人脸对齐中的几个关键词： 形状（shape）：形状就是人脸上的有特征的位置，如下图所示，每张图中所有黄点构成的图形就是该人脸的形状。特征点（landmark）：形状由特征点组成，图中的每一个黄点就是一个...

https://mp.weixin.qq.com/s?__biz=MzIwMTE1NjQxMQ==&mid=2247487588&idx=1&sn=069dcd37a3182b039c7ff658e413fc40&chksm=96f36230a184eb2659d4a94eec6c41d4250ff8a1bcc2be909a16584d2fdece984060b15...

一篇速度还可以的多尺度人脸检测文章。方法和SSD大同小异。文章链接：《FaceBoxes: A CPU Real-time Face Detector with High Accuracy》1. 方法介绍如上图，输入单张图片，在三个网络分支检测人脸。2. 要点介绍（1）Rapidly Digested Convolutional Layers(RDCL)在网络前期...

https://www.zhihu.com/question/324123433/answer/681365180https://www.zhihu.com/question/324123433/answer/681365180https://www.zhihu.com/question/324123433/answer/681365180人脸是人体最重要的生物特征之一，而...

作者：枫枫链接：https://www.zhihu.com/question/324123433/answer/681365180来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。人脸是人体最重要的生物特征之一，而人脸研究主要集中在人脸识别方面，人脸的表达模型分为2D人脸和3D人脸。2D人脸识别研究的时间相对较长，方法流程也相对成熟，在多个领域都有使用，但...

转自：https://mp.weixin.qq.com/s?__biz=MzU4NTkwMDM1NA==&mid=2247484418&idx=1&sn=6823b56e308ccab39daf3223fcfcd580&chksm=fd82cc2fcaf54539a2fabb12a346fe34c358532e9913e7a3275bd675890d39a542...

3DMM 介绍https://blog.youkuaiyun.com/likewind1993/article/details/81455882https://blog.youkuaiyun.com/jcjx0315/article/details/78671670代码：https://github.com/YadiraF/face3dCNN相关方法介绍VRN(基于三维登高平面回归的网络)...

构建CNN网络需要注意问题数据预处理（均值，方差， 人脸归一化。。。）， 数据增强【放射变换、运动模糊、高斯滤波模糊类，增加噪声类， 色彩/饱和度/亮度调整类、 Flip类，Crop类】 这些都是根据实际的应用场景选择。1.参数多少问题 [卷积核大小，通道数，卷积方式:conv / depthwiseconv / 空洞卷积 激活函数 PRelu]2.Flops计算量问题 【参数...

使用三角剖分 实现人脸替换，三角剖分可以尽量让 人脸上面所在的三角形在同一个平面上，这样再进行 放射变换的 时候投影变换带来的误差才比较小。所以关键点检测越多，效果会越细。#include <dlib/image_processing/frontal_face_detector.h>#include <dlib/image_processing/rende...

face_attribute.prototxtshuffle_net 10-20msname: "FaceAttribution"layer { name: "data" type: "Data" top: "data" include { phase: TRAIN } transform_param { mean_value: 104 m...

                                     而ArcFac中的loss与其他loss不同之处在于下图： 与CosFace的解释相同，只是ArcFace相比CosFace的不同体现在度量的维度上面。论文中还做了其他很多的贡献，具体的请详见论文。 1、Large Marge Softmax Loss ICML2016提出的Large Mar...

  攻击手段：（1）纸片翻拍，通过打印用户的照片进行攻击； （2）屏幕翻拍，一些3D建模技术可以驱动用户的单张照片或视频做出系统要求的摇头、张嘴、眨眼等动作；（央视报道的案例，采用的正是此原理）（3）用户戴面具。面对上述攻击手段，腾讯优图如何有效防范？针对以上攻击手段，腾讯优图依托多年的技术积累和实际业务运营经验，对人脸识别技术手段进行过多次安全升级...

Done:使用 整理的新数据重新训练 3second-15fps+CNN 网络，测试时发现，目前的模型 对attack检测较好，但可能会把真实人脸识别为 attack. 尝试新方法 Multi-Scale Frame + CNN ，使用一帧图片的多个尺度做为输入，可以有效的学习 人脸周围的纹理信息，目前效果来看，对已知的attack场景还行。关于目前论文实现情况的整理1...

相信做机器学习或深度学习的同学们回家总会有这样一个烦恼：亲朋好友询问你从事什么工作的时候，如何通俗地解释能避免尴尬？我尝试过很多名词来形容自己的工作：机器学习，深度学习，算法工程师/研究员，搞计算机的，程序员…这些词要么自己觉得不满意，要么对方听不懂。经历无数次失败沟通，最后总结了一个简单实用的答案：“做人脸识别的”。为什么这个答案管用，因为人脸识别在深度学习相关领域的课题中属于商业落地情景多，被...

论文地址为：https://arxiv.org/abs/1511.02683代码地址：https://github.com/AlfredXiangWu/face_verification_experiment正如前面《人脸验证：DeepID》博客所说，人脸验证任务中需要关心两个问题：一个是人脸特征提取，另一个就是如何判断是不是同一个人。特征提取的方法有LBP等传统方法，也有DeepID这样的深度学...

深度卷积神经网络 (CNN) 已经推动人脸识别实现了革命性的进展。人脸识别的核心任务包括人脸验证和人脸辨识。然而，在传统意义上的深度卷积神经网络的 softmax 代价函数的监督下，所学习的模型通常缺乏足够的判别性。为了解决这一问题，近期一系列损失函数被提出来，如 Center Loss、L-Softmax、A-Softmax。所有这些改进算法都基于一个核心思想： 增强类间差异并且减小类内差异。腾...

人脸关键点检测是人脸识别和分析领域中的关键一步，它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口。近些年来，深度学习方法由于其自动学习及持续学习能力，已被成功应用到了图像识别与分析、语音识别和自然语言处理等很多领域，且在这些方面都带来了很显著的改善。因此，本文针对深度学习方法进行了人脸关键点检测的研究。关键词： 人脸关键点；人脸特征点；人脸对齐；卷积神经网络目...

代码：void landmark(Mat face_img){ string modelfile = "C:\\WorkSpace\\SoftWare\\dlib-19.10\\models\\shape_predictor_68_face_landmarks.dat"; // Load face detection and pose estimation models. fron...

最近（2017/2018）人脸识别的相关论文人脸识别的Loss函数改进的论文比较多, 如:[2017] L2-constrained Softmax Loss for Discriminative Face Verification[2017 ACM MM] NormFace_ L2 Hypersphere Embedding for Face Verification[2017 CVPR] Sp...