OpenCV中文網站

 找回密碼
 立即注冊

QQ登錄

只需一步,快速開始

搜索
熱搜: 安裝 配置
查看: 2485|回復: 10
打印 上一主題 下一主題

联想h1508装显卡昂达hd3850: 人臉識別活體檢測技術探討

[復制鏈接]
跳轉到指定樓層
1#
發表于 2019-1-22 09:32:54 | 只看該作者 回帖獎勵 |倒序瀏覽 |閱讀模式
現在主流的活體識別算法基本可以分為兩種類型。第一個類型使用特定的某種物理特征,或多種物理特征的融合,通過深度學習方面的訓練分類器,來區分是活體,還是攻擊(或者是哪種形式的攻擊)。另一個方式是使用卷積神經網絡(CNN)的方法,直接在RGB圖像(或者轉換到其它色度空間)上使用深度神經網絡來提取特征,最后通過分類器來區分是活體還是非活體。為了提取時間上多幀而不是單幀的信息,也可以結合使用RNN的方法。CNN的方法能達到很好的效果,但通常比較耗時,不能滿足實際應用中嵌入式設備的實時識別的要求。而且,當物理特征挑選使用恰當時,第一種方法能夠達到非常好、甚至超越CNN的效果。
活體檢測中的物理特征主要分為紋理特征、顏色特征、頻譜特征、運動特征、圖像質量特征等,此外,還包括心跳特征等。其中紋理特征包括很多,但最主流的是LBP、HOG、LPQ等。顏色特征除了RGB之外,學術界發現HSV或YCbCr具有更好的區分活體非活體的性能,被廣泛用作不同的紋理特征上。頻譜特征的原理是活體、非活體在某些頻段具有不同的響應。運動特征提取目標在不同時間上的變化,是一個有效的辦法,但通常耗時較久,達不到實時的要求。圖像質量特征有很多描述方式,比如反射、散射、邊緣或形狀等。
經過多種算法的比較,我們的活體檢測選用了多種物理特征融合加上分類器的算法。我們的計算優勢體現在以下幾個方面。
1) 我們的物理特征選用了上面描述的其中幾種,涵蓋了紋理特征、顏色、頻譜特征、圖像質量特征,和可選的運動特征。
2) 我們研究了幾種融合方式:i)在特征上進行融合;ii)在自動編碼器(auto encoder)上進行融合;iii)在分類得分上融合。我們選用了準確率最高,易用性好,速度快的方法。
3) 我們使用的分類器算法超越傳統的支持向量機(SVM)算法,使用了最新深度學習方法,比如center loss。
算法經過優化之后,可以有效提取各種攝像頭上的活體和非活體的不同響應,根據我們在多個主流廠家攝像頭及手機的測試結果表明,識別準確率達到99%以上。同時,實時性能優異,能在300毫秒內快速完成識別。  
當然,泛化性能對所有活體識別來說都是一個挑戰,這需要采集海量的數據來進行訓練,涵蓋市面上主要的手機、攝像頭型號。我們希望使用我們的SDK的開發者們,可以分享你們能獲取的活體、非活體照片,以便于我們進一步優化我們算法的準確率。



分享到:  QQ好友和群QQ好友和群
收藏收藏
2#
 樓主| 發表于 2019-1-22 09:39:32 | 只看該作者
現在有一個網站可以免費下載并使用人臉識別及活體檢測SDK ,有需要的私信我,我將鏈接發給大家
3#
發表于 2019-1-23 20:41:09 | 只看該作者
mark!
4#
發表于 2019-1-30 21:07:22 | 只看該作者
您好,能分享下鏈接么
5#
 樓主| 發表于 2019-2-18 17:47:35 | 只看該作者
文章里放不了鏈接,我私發你
6#
 樓主| 發表于 2019-2-18 17:59:41 | 只看該作者
向之想 發表于 2019-1-30 21:07
您好,能分享下鏈接么

抱歉沒有權限發鏈接
7#
發表于 2019-2-20 21:39:29 | 只看該作者
您好,能分享下鏈接么?
8#
發表于 2019-2-23 10:19:36 | 只看該作者
求鏈接。。。。
9#
發表于 2019-2-27 14:50:12 | 只看該作者
同求鏈接,謝謝哦
10#
發表于 2019-2-27 21:52:12 | 只看該作者
分享一下鏈接呢。
您需要登錄后才可以回帖 登錄 | 立即注冊

本版積分規則

手機版|卡昂瘦身鞋  

GMT+8, 2019-10-19 22:49 , Processed in 0.044588 second(s), 15 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回復 卡昂瘦身鞋 返回列表