展开

关键词

新算法可干扰脸部识别系统

加拿大多伦多大学(University of Toronto)的研究人员宣布开发出了人工智能驱动的程序,可干扰脸部识别系统。 该程序设计用于在像素水平精细地改变图像,干扰数字化脸部识别技术,让算法不能区分人眼看上去很相似的面孔。而且,效果很不错。 实际上,这对神经网络相互训练,处理包含了600张脸孔的数据库,生成脸部识别-干扰算法。 其目标似乎是阻碍在线脸部识别系统,例如给脸谱网带来了法律问题的相片标记程序。 研究人员希望开发出一种应用程序或者网站,让用户给他们的在线图像添加一种隐形屏障,干扰脸部识别系统对这些图像的扫描。 这并不能有效地干扰越来越多的警察机构所采用的实时脸部识别系统。 要干扰这种脸部识别,您需要一些夸张的头饰。但该程序能够有利于保护日常应用程序的用户在线隐私,至少,在目前的人工智能军备竞赛创造出能击败这种程序的脸部识别系统之前,它能有效发挥保护作用。

24410

深度卷积网络迁移学习的脸部表情识别

这次看的这篇paper主要提出一个基于深度卷积网络迁移学习的有效脸部表情识别模型。 在MSRA-CFW数据库中通过1580类脸部识别的任务训练深度卷积网络(ConvNets),且从训练的深度模型迁移高层特征去识别脸部表情。 与基于SVM Gabor特征的50.65%识别率和基于SVM Distance特征的78.84%识别率相比较,本文达到平均80.49%的识别率。 深度ConvNets已通过面部识别任务在MSRA-CFW数据库训练,相比于基于Distance特征的78.84%识别率和基于Gabor特征的50.65%识别率,本文在自建人脸表情数据库的表情识别达到80.49% 的识别率。

1.3K90
  • 广告
    关闭

    腾讯云精选爆品盛惠抢购

    腾讯云精选爆款云服务器限时体验20元起,还有更多热门云产品满足您的上云需求

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    谷歌计划为安卓支付增加脸部识别功能

    谷歌正在测试一款基于面部识别技术的安卓支付系统。该公司最近正在为其新的Hands Free计划召集参与者,这项计划将与一些选定的商家合作开展,包括麦当劳和Papa John’s等。 Hands Free实验的另一个手段是通过店内摄像头使用面部识别来确认用户交易,以便于更快地完成结账过程。 这种做法提供了一个对抗潜在隐私问题的切实保障,就像最近因为使用面部特征识别而招来诉讼的脸谱公司和Shutterfly(图片分享网站)一样。

    38440

    Facebook研究出接近人类水平的脸部识别技术

    不过Facebook正在尝试让计算机赶上人的能力,据其名为DeepFace项目的结果,Facebook人脸识别技术的识别率已经达到了97.25%,而人在进行相同测试时的成绩为97.5%,可以说已经相差无几 Facebook进行此项研究的项目叫做DeepFace,项目利用了计算机视觉、人工智能及机器学习技术,通过革新的3D人脸建模勾勒出脸部特征,然后通过颜色过滤做出一个刻画特定脸部元素的平面模型。 该技术利用了9层的神经网络来获得脸部表征,该神经网络处理的参数高达1.2亿。据论文称,这套系统将人脸识别的错误率降低了25%,已经接近人类的识别水平。 ? 据MIT报道,Facebook将会在本年6月举行的IEEE计算机视觉与模式识别大会之前发布该项目以便获得专业人士的反馈。 有了更强的人脸识别能力,Facebook才更加名符其实。 摘自:technologyreview.com, 36kr

    50490

    脸部打码

    cv2.bitwise_xor(lena,key)#使用密钥key对原始图像lena加密 encryptFace=cv2.bitwise_and(lenaXorKey,mask*255)#获取加密图像的脸部信息 encryptFace noFace1=cv2.bitwise_and(lena,(1-mask)*255)#将图像lena内的脸部设置为0,得到noFace1 maskFace=encryptFace +noFace1#得到打码的lena图像 #步骤2:将打码脸解码 extractOriginal=cv2.bitwise_xor(maskFace,key)#将脸部打码的lena与密钥key进行异或运算 ,得到脸部的原始信息 extractFace=cv2.bitwise_and(extractOriginal,mask*255)#将解码的脸部信息extractOriginal提取出来,得到extractFace noFace2=cv2.bitwise_and(maskFace,(1-mask)*255)#从脸部打码的lena内提取没有脸部的lena图像,得到noFace2 extractLena=noFace2

    6720

    基于opencv的摄像头脸部识别抓取及格式储存(python)

    opencv作为优秀的视觉处理在动态图像处理上也是很不错的,本次主要基于Opencv抓取视频,然后保存为avi,同时进行脸部识别作业 ---- 刚接触opencv,参照opencv的sample例子做了一个视频头像抓取的小代码 然后是脸部识别,opencv自带了很多特征库有脸部,眼睛的还有很多,原理都一样,只是眼睛的库识别率视乎并不高,直接上代码: #coding=utf-8 import cv2 import cv2.cv  , 2) #转换为灰度图 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #直方图均衡处理 gray = cv2.equalizeHist(gray) #脸部特征分类地址

    45020

    瑞士企业发布支持Windows 10脸部识别功能的眼部追踪平台

    瑞士公司Tobii宣布,其开发的眼部追踪平台支持Windows Hello的脸部识别功能,为计算机和外围设备提供了Windows 10生物特征身份验证与眼部追踪功能,所有这些功能均可通过同一传感器实现。 Windows Hello的生物特征身份验证功能依赖于Tobii传感器提供的图像,并结合了微软公司研发的人脸识别算法。

    56890

    研究报告称脸部识别技术准确率已大幅提升

    据美国国家标准与技术研究院(NIST)研究报告称,在过去5年内,脸部识别技术的准确率已大幅提升。 事实上,这项技术已经经历了一场“工业革命”,使得某些算法在搜索数据库和查找匹配项方面比其他算法高出20倍,这些数字来自于NIST发布的“当前脸部识别供应商测试”结果。 这一批算法中表现最好的有来自微软、IDEMIA和中国人脸识别公司依图开发的算法。 改进的秘诀是什么?NIST表示,其中之一是广泛采用了卷积神经网络,这是对2014年脸部识别和机器学习技术的一个改进。 在2019年,NIST计划再发布两份关于脸部识别准确度的报告—一份详述了由49位开发人员提交的另外90种算法的结果,另一份是关于“脸部识别中的人口相关性”的报告。 随着脸部识别算法的广泛应用,准确性成为一个很大的关注点。

    27620

    Ps|去除脸部油光

    在日常生活中,拍照时是一项必不可少的活动,但拍出来的照片却不一定尽如人意,特别是在夏天,更容易拍出满面油光的照片,接下来我们可以用ps简单几步去油,在夏天也能拍...

    66540

    使用迁移学习数据增强方法来实现Kaggle分类&识别名人脸部

    在这个项目中,我将使用keras、迁移学习和微调过的VGG16网络来对kaggle竞赛中的名人面部图像进行分类。

    33730

    【重磅】灵长类动物脸部识别算法被破译,大脑黑箱或根本不存在

    对猕猴的实验表明,对脸部识别是由大脑中 200 多个不同神经元共同编码完成的,每个神经元会对一张脸不同特征的参数组合进行相应。这一发现推翻了此前人脸由特定细胞识别的假说。 西雅图华盛顿大学视觉神经生理学家格 Greg Horwitz 在接受 Nature 记者采访时表示,Tsao 和 Chang 两人的工作可以简单概括为开发了一个模型,让人能从计算机屏幕上的图像中看到,视觉皮层中神经元对脸部的反应 推翻此前假说,大脑不是“人脸识别机”,而是“人脸分析仪” 不仅如此,Tsao 和 Chang 还考虑了,在进行脸部识别,也就是识别各种面部特征的特定组合时,每个神经元是否有“最擅长”的一个组合。 实验中,当猕猴看到不同的脸部图像,但这些不同是神经元“不关心”的组合时,单个脸细胞的反应保持不变。 打个比方,当猕猴看见两张发际线不同的照片,它们视觉皮层中关心眼睛大小的神经元不会产生变化。 这也排除了此前的一种人脸识别假说——脸细胞将输入的图像与一组标准的人脸数据进行比较,并从中寻找差异,而后者正是此前计算机识别人脸时常用的一种方式。 ? 论文中提出的人脸识别模型的示意图。

    65360

    几行代码即可接入声网SDK,拥有人脸识别脸部特效等动态直播功能

    未来声网Agora.io还将携手Meetme陆续推出包括人脸识别脸部特效和虚拟礼物等动态功能,从而创造出更丰富的用户经验和全新的商业机会。

    925100

    手把手教你在浏览器中使用脸部识别软件包 face-api.js

    比方说三个 face-recognition.js,将人脸识别功能引入 nodejs 当中。 起初,我没有想到在 javascript 社区中对脸部识别软件包的需求如此之高。 为了简单起见,我们实际想要实现的是给定一个人的脸部图像然后对他/她进行识别,给定的图像即输入图像。我们解决这个问题的方法是为每个我们想要识别的人提供一个(或多个)图像,并用人名称标记,即参考数据。 face-api.js 已经实现了一个简单的 CNN,这个网络能够返回给定人脸图片的 68 个脸部特征点。 ? 根据特征点的位置,boundingbox 可以被确定在脸部的中心。 加载模型数据 根据您的应用程序的需求,您可以专门加载您需要的模型,但是要运行一个完整的端到端示例,我们需要加载人脸检测、 脸部特征点和人脸识别模型。模型文件可以在 repo 或点击这里获取。 脸部特征点可以如下方式显示: ? ?

    54110

    印度要扫描 13 亿人口的指纹、眼睛和脸部

    印度正寻求建立一个覆盖 13 亿人口的全国身份识别系统,扫描所有居民的指纹、眼睛和脸部,并将其用于从福利到手机的各种事情。 印度的项目不仅大规模收集居民的生物识别信息,而且还尝试将其与一切关联起来,包括交通罚单、银行账户、养老金、甚至是学童营养餐。

    15410

    脸部妆容迁移!速览几篇用GAN来做的论文

    PSGAN: Pose-Robust Spatial-Aware GAN for Customizable Makeup Transfer 关注不同姿态/脸部朝向上妆的鲁棒性。 ? 6.

    67210

    使用开源人脸特征提取器进行脸部颜值评分

    Dlib下载: http://dlib.net/ 本模型原用于人脸识别,原型为CNN_ResNet。残差网络是为了减弱在训练过程中随着网络层数增加而带来的梯度弥散/爆炸的问题。 该方法在LFW上进行人脸识别达到99.38%的准确率。 模型名称:dlib_face_recognition_resnet_model_v1,迭代次数为10000,训练时用了约300万的图片。 landmark 68特征点位置提取模型: http://dlib.net/files/shape_predictor_5_face_landmarks.dat.bz2 2、数据准备:准备不同类型的脸部图像 测试图片3 四、拓展:加入性别识别 即准备男、女照片各约100张,应覆盖不同年龄段,在样本较少的情况下,(长得清秀的)男孩可能被误认为女生。 分别打上标签:0-女生,1-男生。 此外邻近匹配法和分类思想也可用于表情识别等分类问题中。

    1.6K90

    脸部转正!GAN能否让侧颜杀手、小猪佩奇真容无处遁形?

    ---- 哈哈,今天整理的是用GAN进行“脸部转正”的论文(待看)。即给定一幅侧脸图像,如何得到正脸图像? Profile Face Frontalization and Recognition https://arxiv.xilesou.top/pdf/1902.09782.pdf 有许多因素会影响人脸识别效果 然而,受遮挡的侧脸的识别仍然是一个待解决的问题。为此本文提供一种有效的解决方案,即使面对脸部关键点区域(例如眼睛,鼻子等)受损或遮挡的侧脸图像,也去尝试识别。 具体来说,提出一个BoostGAN,用于去遮挡,正面化和面部识别。 Large-Pose Face Frontalization in the Wild https://arxiv.xilesou.top/pdf/1704.06244.pdf 尽管最近在使用深度学习的面部识别方面取得了进步

    52010

    FaVoA:脸部-声音关联有利于模糊的演讲者检测

    FaVoA:脸部-声音关联有利于模糊的演讲者检测.pdf

    9500

    人脸识别安全吗?朋友圈里有多少自拍,别人就有多少钥匙

    在大力倡导便捷的今天,甚至连安全系统也引入了脸部识别功能。倘若说到脸部识别系统被破解的例子,相信不少人第一时间想到的会是电影《碟中谍》中标配的高科技仿真面具。 用照片即可「骗过」脸部识别系统? 在 Windows 10 系统发布期间,微软公司新开发的脸部识别功能引起了广泛关注,当时还有媒体报道称甚至连双胞胎也没能骗过这套系统。 这次试验证明了脸部识别系统至少存在两个风险:首先,在晒照已经成为日常的今天,社交网络用户的脸部信息已经成为黑客随手可得的数据;其次,脸部识别系统的鉴别体系还存在较大的安全隐患,甚至连日常设备所呈现的简单图像也鉴别不出 实际上,脸部识别系统的安全性一直以来都备受质疑。在这次演示之前,早有研究人员进行过利用图片绕过脸部识别系统的实验,但之前的研究使用的全都是平面素材。 和指纹以及虹膜等生物识别技术相比,脸部识别被破解的概率要高出不少。实际上,脸部识别系统可以通过扫描人体的红外体征以确认自己所面对的是否活体,因为虚拟现实系统并不能发出和人体相似的红外线。 ?

    46920

    苹果终向腾讯低头

    3 青少年用户不得使用脸部识别认证身份,只能采取密码方式。 ? 腾讯科技讯 本周二,苹果举办了秋季新品发布会,推出了三款新手机,其中iPhone X在行业内第一次推出了三维脸部识别。 另据外媒报道,苹果也对iOS软件的审核政策进行了修改,其中规定针对青少年用户不得使用脸部识别认证身份,另外也将支持个人对个人的网络打赏,并不再抽取三成分成(俗称“苹果税”)。 在iPhone X中,苹果植入了脸部识别技术,不过苹果新规定指出,针对年龄小于13岁的用户,iOS软件的开发商不得使用脸部扫描来验证身份,而是必须通过其他认证手段。 因为苹果高管之前已经表示,脸部识别的数据只会保存在用户手机中,不会上传到网络服务器上,隐私安全有足够的保证。 苹果的脸部识别技术,引发了舆论在个人隐私保护方面的巨大争议。 不过苹果也做出了各种限制,保护用户隐私安全,比如每一部手机只能对一个用户进行脸部识别认证。 新版的审核政策也对一些iOS软件进行了限制,其中包括杀毒软件。

    573110

    相关产品

    • 文字识别

      文字识别

      文字识别(OCR)基于腾讯优图实验室世界领先的深度学习技术,将图片上的文字内容,智能识别成为可编辑的文本。OCR 支持身份证、名片等卡证类和票据类的印刷体识别,也支持运单等手写体识别,支持提供定制化服务,可以有效地代替人工录入信息。

    相关资讯

    热门标签

    扫码关注腾讯云开发者

    领取腾讯云代金券