-
公开(公告)号：CN111460962B
公开(公告)日：2023-05-05
申请号：CN202010227912.8
申请日：2020-03-27
Applicant: 武汉大学
IPC: G06V40/16 , G06V10/774
Abstract: 本发明公开了一种口罩人脸识别方法及系统，本发明建立基于ArcFace的面部‑眉眼多粒度识别模型，利用眉眼精细特征结构增强口罩人脸识别效果；针对当前急需口罩人脸识别数据集训练模型的现状，提出了多种口罩人脸数据集构建方法；在此基础上形成一套完整的口罩人脸识别系统，系统包括模型构建、模型训练、人脸识别等三个主要环节。本发明技术显著提升了口罩人脸识别的精度，建立的数据集有效支撑了口罩遮挡人脸应用场景的技术开发。
-
公开(公告)号：CN114093013B
公开(公告)日：2022-04-01
申请号：CN202210058591.2
申请日：2022-01-19
Applicant: 武汉大学
Abstract: 本发明公开了一种深度伪造人脸逆向溯源方法及系统，包括视频预处理、构建逆向映射网络及训练、梯度下降优化求解等。本发明考虑伪造模型未知和伪造模型已知这两种情况，分别采用基于逆向映射网络预测原始人脸、基于梯度下降优化求解原始人脸这两种方案，通过学习伪造人脸图像与原始人脸图像共享潜在空间中包含身份信息的隐码，将伪造人脸图像重构为具有原始人脸身份信息的溯源图像。本发明得到的溯源图像在视觉效果和身份特征两个方面都与原始人脸图像十分相似，具有较高的可信度，能解决实际应用场景中伪造人脸身份溯源的需求。
-
公开(公告)号：CN113869152A
公开(公告)日：2021-12-31
申请号：CN202111077702.6
申请日：2021-09-14
Applicant: 武汉大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于对抗性攻击的反人脸识别方法及系统，包括扰动位置的确定、扰动强度的约束及平滑剪切扰动图像。在扰动位置的确定过程中，将单个像素的扰动分解为强度和位置两个特征，通过联合优化连续的扰动强度和是否进行扰动的二值选择因子，确定扰动的位置。在扰动强度的约束过程中，使用感知色差替代lp范数约束扰动的强度，通过产生附加扰动增强对抗扰动的同时保证扰动的不可察觉性。最后，采用平滑剪切函数代替传统剪切函数进行扰动图像的剪切，使得生成的对抗性扰动更具平滑性。本发明通过在用户人脸图像上添加对抗性扰动，能有效保护人脸图像不被未经授权的人脸识别模型识别，且保证扰动是不可察觉的，从而保护人脸身份信息的隐私。
-
公开(公告)号：CN113705393A
公开(公告)日：2021-11-26
申请号：CN202110935424.7
申请日：2021-08-16
Applicant: 武汉大学
Abstract: 本发明公开了一种基于3D人脸模型的俯角人脸识别方法及系统，通过将人脸样本库中清晰正脸转成与待识别的俯角人脸相同的角度进行识别。首先，采集清晰正脸图片构建人脸样本库，并将样本库中正脸图片生成3D人脸模型；然后，使用人脸姿态估计算法估计待识别俯角人脸图片的角度，并将3D人脸模型转成与俯角人脸图片相同的角度；最后，将生成的俯角人脸和待识别俯角人脸一起输入到人脸识别网络中进行识别。本发明方法针对了实际的俯视监控场景下的人脸识别难题，显著改善了俯角人脸的识别精度。
-
公开(公告)号：CN111401368B
公开(公告)日：2023-04-18
申请号：CN202010211414.4
申请日：2020-03-24
Applicant: 武汉大学
IPC: G06V20/62 , G06V20/40 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的新闻视频标题提取方法，包括关键帧提取、关键帧文字检测、关键帧文字特征提取和特征聚类。在关键帧提取过程中，使用帧间差分法，将与前一帧内容变化较大的帧作为关键帧；在关键帧文字检测过程中，使用EAST网络确定关键帧的文字区域；在关键帧文字特征提取过程中，使用卷积神经网络(CNN)提取关键帧的特征，再将特征依次输入循环神经网络(RNN)，得到文字区域的特征向量；在特征聚类过程中，使用欧氏距离得到相邻关键帧之间的相似度，根据相似度对关键帧的文字进行聚类，得到新闻视频标题图像。本发明利用深度学习技术，依据关键帧的文字特征和新闻视频字幕特征产生新闻视频标题，具有提取准确、运算快的优点。
-
Patent Agency Ranking
公开(公告)号：CN114565880A
公开(公告)日：2022-05-31
申请号：CN202210455467.X
申请日：2022-04-28
Applicant: 武汉大学
IPC: G06V20/40 , G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于光流追踪的伪造视频检验方法、系统及设备，首先对待检测视频数据集提取人脸，得到帧图像；然后构建并训练光流追踪神经网络，利用光流追踪神经网络，输入人脸视频，进行光流追踪；最后基于检测卷积神经网络，利用光流追踪数据对伪造视频进行检验。本发明通过光流追踪分析视频的运动与光线特征，从而发现伪造视频过程中产生的不一致性，得到更精准的伪造视频检验结果。本发明利用了物理学原理而非人的生理属性，而且由于光照线索不单存在于人脸视频，因此，本发明方法具有更好的普适性。
-
公开(公告)号：CN114360034A
公开(公告)日：2022-04-15
申请号：CN202210269883.0
申请日：2022-03-18
Applicant: 武汉大学
Abstract: 本发明公开了一种基于三胞胎网络的深度伪造人脸检测方法、系统及设备，首先将待检测的伪造人脸图像预处理成299×299×3的大小并输入到三胞胎网络的主干特征提取网络中，得到人脸图像的深度特征Net(I)，Net(I)是一个2048维的特征向量；然后利用分类网络对Net(I)进行分类，对于输入的2048维特征向量，分类网络输出一个2维特征，通过Softmax处理将2维特征的数值转化为概率，用来表示图片真伪的相对概率，概率大于预设值的图片为伪造人脸图片。本发明的三胞胎网络可以提取更有效的真伪人脸鉴别特征，具有更准确的深度伪造人脸检测效果。
-
公开(公告)号：CN114360033A
公开(公告)日：2022-04-15
申请号：CN202210266866.1
申请日：2022-03-18
Applicant: 武汉大学
Abstract: 本发明公开了一种基于图卷积融合网络的口罩人脸识别方法、系统及设备，首先利用改进ResNet‑50网络对输入的口罩人脸图像进行特征表示，同时利用人脸关键点检测技术得到输入人脸的眉眼RoI信息；然后将人脸特征图和眉眼RoI信息输入到眉眼区域池化模块得到眉眼局部特征以及全局特征，再通过图卷积融合网络得出最终的人脸判别特征；最后，使用ArcFace损失函数优化CNN骨架和图卷积融合网络的参数，使得最终产生更具判别性的口罩人脸识别特征。本发明方法有效克服了现有人脸识别方法在口罩遮挡情况下精度低的问题。
-
公开(公告)号：CN116778564B
公开(公告)日：2023-11-17
申请号：CN202311069966.6
申请日：2023-08-24
Applicant: 武汉大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种身份保持的人脸匿名化方法、系统及设备，首先使用特征提取模块转换图像到卷积特征图。然后，利用身份‑外观耦合的双分支网络模块分别学习外观和身份特征。这样从提取的人脸身份特征中剔除了身份无关的外观特征，而且补充了缺失的身份信息。进而，通过重建层预测外观和身份图像，其中的身份图像作为身份保持的匿名化结果。为了方便模型训练，本发明采用一个重聚模块合并外观和身份图像来重现原来的人脸，从而可以采用自监督的方式训练模型。本发明能产生本质身份信息保持、外观信息移除的匿名化人脸图像，实现匿名化的同时保有数据的可用性。
-
公开(公告)号：CN116778564A
公开(公告)日：2023-09-19
申请号：CN202311069966.6
申请日：2023-08-24
Applicant: 武汉大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种身份保持的人脸匿名化方法、系统及设备，首先使用特征提取模块转换图像到卷积特征图。然后，利用身份‑外观耦合的双分支网络模块分别学习外观和身份特征。这样从提取的人脸身份特征中剔除了身份无关的外观特征，而且补充了缺失的身份信息。进而，通过重建层预测外观和身份图像，其中的身份图像作为身份保持的匿名化结果。为了方便模型训练，本发明采用一个重聚模块合并外观和身份图像来重现原来的人脸，从而可以采用自监督的方式训练模型。本发明能产生本质身份信息保持、外观信息移除的匿名化人脸图像，实现匿名化的同时保有数据的可用性。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.017 seconds)
