ittazp

摘要： DeepID是一种特征提取的算法，这种网络一经训练好后，可以提取出输入人脸图片的深层次特征—— DeepID也是多个特征的融合体，你可以理解为DeepID对人脸上的很多关键区域都训练了一个 CNN 网络，去做分类，得到隐层特征，把这些特征拼接在一起，再做某种意义上的降维，得到最终特征，用这个特征来做描述，世纪晟科技人脸识别就可以非常有效地完成多分类任务。 阅读全文

摘要： 脸部建模一直是计算机图像和视觉领域的热门话题，每个人脸模型的网格顶点个数各不相同，也就是拓扑结构不同。因此我们需要对我们的训练数据，做一个归一化处理。这里以世纪晟科技构建的一个快速的、交互的、基于深度学习的人脸建模框架为基础，展示级联形状回归模型在特征点定位任务上取得了重大突破。 阅读全文

摘要： 世纪晟人脸识别技术使用的这种级联的结构进行人脸检测和特征点检测，速度快效果好，可以考虑在移动设备上使用。这种方法也是一种由粗到细的方法，和Viola-Jones的级联AdaBoost思路相似。 在深度学习的动态3D人脸识别技术中，世纪晟人脸检测在10亿人脸数据库中进行3D人脸特征比对，其中包含了边框标注数据及5个点以上的关键点信息。 阅读全文

摘要： AdaBoost 算法是一种快速人脸检测算法，它将根据弱学习的反馈，适应性地调整假设的错误率，使在效率不降低的情况下，检测正确率得到了很大的提高。 系统在技术上的三个贡献： 1.用简单的Haar-like矩形特征作特征，可快速计算 2.基于AdaBoost的分类器设计 3.采用了Cascade(分级 阅读全文

摘要： 一般的人脸识别检测流程 基于PCA和SURF的活体检测 阅读全文

摘要： ——基于多角度二维人脸数据的三维脸模重建方法—— 三维人脸重建的目标是根据某个人的一张或者多张二维人脸图像重建出其三维人脸模型，今天我们只讨论人脸面部从单张二维图像重建三维人脸的问题，也就是本文即将呈现的世纪晟科技三维脸膜重建。三维脸模重组方法主要有四个步骤： 阅读全文

摘要： 图像在生成和传输过程中常常因受到各种噪声的干扰和影响而是图像降质，这对后续图像的处理和图像视觉识别效应将产生不利影响。因此，为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理。 这里我将通过世纪晟科技来举例人脸图像去噪增强的方法。选择的理由主要是基于他们家相对成熟的3D动态人脸 阅读全文

摘要： - 目录 - 国内3D动态人脸识别现状概况 - 新形势下人脸识别技术发展潜力 - 基于深度学习的3D动态人脸识别技术分析 1. 非线性数据建模方法 2. 基于3D变形模型的人脸建模 - 案例结合——世纪晟人脸识别实现三维人脸建模 · 3D动态人脸识别现状概况 众所周知，在3D人脸识别整体技术方案方面 阅读全文

摘要： 前言： 基于特征的方法是利用人脸的先验知识导出的规则进行人脸检测。 一般来说，常用的特征包括人脸和人脸器官典型的边缘和形状特征（如人脸轮廓、虹膜轮廓、嘴唇轮廓等）、纹理特征（纹理是在图上表现为灰度或颜色分布的某种规律性，这种规律性在不同类别的纹理中有其不同特点，人脸有其特定的纹理特征）、颜色特征（人 阅读全文