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。

25810

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。

1.4K90
  • 广告
    关闭

    腾讯云服务器买赠活动

    腾讯云服务器买赠活动,低至72元1年,买就送,最长续3个月,买2核送4核、买4核送8核

  • 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。

    39640

    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

    51390

    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

    47720

    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。

    58090

    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。

    28820

    3D点云识别

    上图中激光雷达位于圆圈的中心,周围产生的光点就是产生的3D点云。它的中心一般由一辆携带激光雷达的汽车来进行360度的扫描 在上面的两张图中,一个是正常的角度,一个是俯视图。 精确:+/-2cm 图像 vs 点云 点云:简单精确适合几何感知 图像:丰富多变适合语义感知 这两种感知手段在ADAS(自动驾驶)场景中各有各的用处,比如说交通信号,3D点云就无法感知,只能通过图像识别来进行感知 3D点云数据来源 CAD模型:一般分类/分割问题的数据集是CAD。 的,我们要用的就是这个3d的数据集 跟踪数据集 分割数据集 这些都是将原始数据集处理一下,来应对各种细分的算法。 object dectection(物体检测)、tracking(追踪) 数据采集场景:Road(道路)、City(城市)、Residential(住宅区)、Campus(校园)、Person(人) 3D

    23920

    创建脸部3D模型,谷歌让你在虚拟世界里也能明眸善睐!

    这个技术背后的核心理念,是使用用户脸部3D模型来替代被头显遮住的脸,从而创建一个“摘掉头显”的假象。 ? 首先,其将为用户创建个性化的3D脸部模型,这种3D脸部模型被称为注视点动态外表。 我们通过使用这个一次性校准程序(通常需要不到一分钟),来获得用户的3D人脸模型,并得到一个数据库。该“注视点”数据库将包括面部图像、不同眼睛注视方向和眨眼等数据。 该数据库将动态地合成用户的脸部,并生成所需的注视点,从而使合成后的脸部看起来自然生动。 ?

    76560

    为何苹果、Google、Facebook力推3D AR,看完这个你就知道了

    3D AR 自拍到底有什么不同? 要说 P 图美颜,早在 iPhone X 之前就有众多 App 在玩相关的功能了,所以,与 iPhone X 结合的所谓 3D AR 到底给自拍带来了什么呢? 先来看一下官方的介绍,iPhone X 版的天天 P 图主要有以下功能特色: 1)3D 人脸检测精准 :识别点增加的原因,相较于现在版本最好是正脸面对镜头才能识别,如今的 X 版本校对更加精准,侧脸、偏头或是在光线不佳的情况下 具体而言,上述的感应器会投射人眼看不见的光,并读取用户的脸部 3D 几何结构图,而这一切都是实时发生的。苹果甚至为此开发了一个神经引擎(Neural Engine),可即时处理人脸识别数据。 ARKit 里仅对人脸部分进行 3D 建模,实现类似脸谱的功能会比较方便。另外 SDK 提供了表情追踪的接口,可以用来实现表情序列或者驱动其它 3D 模型。 有了 3D 人脸信息,我们甚至可以给脸部直接虚拟打光,添加眼镜帽子等动态道具,都是非常好玩的体验,而且不止前置摄像头,我们后置摄像头这里也有丰富的玩法,欢迎大家去下载天天P图打开自拍相机体验。

    638150

    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。

    35230

    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。 在最近,来自北卡罗来纳大学(University of North Carolina)的研究人员就发布了一则让人深感不安的消息:他们可以通过用户在社交网络上发布的照片制作出用户的脸部 3D 模型,并借此骗过了脸部识别系统 但在最近举办的高等计算机系统协会安全会议(Usenix Security Conference)上,北卡罗来纳大学的研究人员却现场演示了如何通过社交网络获取用户的脸部照片,并利用 3D 模型和虚拟现实技术骗过脸部识别系统 研究人员首先会使用照片和 3D 渲染技术制作出志愿者的脸部轮廓,随后利用质量较好的照片完成脸部的立体构造。遇到照片素材局部缺失的情况,3D 渲染系统可以自动推演出缺失部位的轮廓和纹理。 ? 解决掉表面纹理的问题后,破解也迎来了最后一步:研究人员需要对 3D 照片的眼部进行细致加工,以便取信于识别系统。

    49620

    丰巢刷脸取件被小学生破解,号称3D、深度学习加持的人脸识别究竟靠谱吗?

    当时,支付宝回应称:支付宝“刷脸支付”采用的是3D人脸识别技术,各类换脸软件有很多,但不管换得有多逼真,都是无法突破刷脸支付的。 人脸识别3D技术和深度学习就无懈可击吗? 2013年1月,日本国立信息学研究所的日本研究人员创建了“隐私护目镜”眼镜,该眼镜使用近红外光使脸部下方的脸部无法被脸部识别软件识别。 尽管该手机通过复杂的3D红外线摄影记录机主面部影像程序,并由人工智能驱动建模,研究人员仍旧能够成功骗取解锁,仅需通过制作相对简单的面具:在根据要解锁的机主脸部数字扫描进行3D打印出来的塑料框架上,安装一个雕刻好的硅胶材质的鼻子 前段时间,一款换脸App“ZAO”就在一夜间火遍社交媒体,但也同时引发了侵权、隐私安全和信息安全的风险。 他下载了某网贷APP,按步骤操作,拍摄女友的身份证上传,把女友的尸体扶起来,对着手机摄像头进行“人脸识别”,但因系统提示要眨眼,他只好放弃。

    90460

    【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。

    67160

    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。

    961100

    《 iPhone X ARKit Face Tracking 》

    iPhone X前置深度摄像头识别人脸视频 新增接口 ARFaceTrackingConfiguration ARFaceTrackingConfiguration利用iPhone X前置深度摄像头识别用户的人脸 然而如果你的app确定ARKit是其核心功能,在info.plist里将ARKit添加到UIRequiredDeviceCapabilities里可以确保你的app只在支持ARKit的设备上可用。 每一个face anchor提供了包含脸部位置,方向,拓扑结构,以及表情特征等信息。比较遗憾的是,当前版本只支持单人脸识别,未来如果ARKit提供多人脸识别后开发者应该也能较快的进行版本升级。 我们可以使用该矩阵来放置虚拟3D模型以实现贴合到脸部的效果(如果使用SceneKit,会有更便捷的方式来完成虚拟模型的佩戴过程,后面会详述)。 比如,根据脸部微笑的程度去替换3D蒙皮的diffuse贴图,使用户笑的时候会出现夸张的效果。

    2K00

    用GAN模型「女扮男装」骗过人脸识别系统

    目前很多手机app都声称人脸验证技术很安全,可以保护用户的身份,比如Bumble和Tinder等约会软件的识别流程就是用户使用应用内置的相机拍摄一张照片,然后与用户个人资料中的照片进行对比。 实验方法 作者使用了两个数据集作为实验基础: 一个是人类用户数据集,由310张论文作者的脸部图像组成,时间跨度为四年,光线、年龄和视角各不相同,通过Caffe提取了剪裁后的脸部; 另一个是FairFace 而人脸识别技术目前可以分为两大类:基于2D人脸图像和基于3D人脸图像。2D人脸识别通过2D摄像头拍摄平面成像,所以即使算法和软件再先进,在有限的信息下,安全级别终究不够高,通过照片很容易被破解。 安全级别较高的3D人脸识别系统通过3D摄像头立体成像,一般会有4个探头,其中两个大的是摄像头,另外两个一个是红外线探头,用于补光,一个是可见光探头,两个摄像头互相配合形成3D图像,从而复原完整的三维世界 目前3D人脸识别功能技术可以准确分辨出照片、视频、面具和双胞胎。

    15740

    用GAN模型「女扮男装」骗过人脸识别系统

    目前很多手机app都声称人脸验证技术很安全,可以保护用户的身份,比如Bumble和Tinder等约会软件的识别流程就是用户使用应用内置的相机拍摄一张照片,然后与用户个人资料中的照片进行对比。 实验方法 作者使用了两个数据集作为实验基础: 一个是人类用户数据集,由310张论文作者的脸部图像组成,时间跨度为四年,光线、年龄和视角各不相同,通过Caffe提取了剪裁后的脸部; 另一个是FairFace 而人脸识别技术目前可以分为两大类:基于2D人脸图像和基于3D人脸图像。2D人脸识别通过2D摄像头拍摄平面成像,所以即使算法和软件再先进,在有限的信息下,安全级别终究不够高,通过照片很容易被破解。 安全级别较高的3D人脸识别系统通过3D摄像头立体成像,一般会有4个探头,其中两个大的是摄像头,另外两个一个是红外线探头,用于补光,一个是可见光探头,两个摄像头互相配合形成3D图像,从而复原完整的三维世界 目前3D人脸识别功能技术可以准确分辨出照片、视频、面具和双胞胎。

    10230

    《iPhone X ARKit Face Tracking》

    然而如果你的app确定ARKit是其核心功能,在info.plist里将ARKit添加到UIRequiredDeviceCapabilities里可以确保你的app只在支持ARKit的设备上可用。 每一个face anchor提供了包含脸部位置,方向,拓扑结构,以及表情特征等信息。比较遗憾的是,当前版本只支持单人脸识别,未来如果ARKit提供多人脸识别后开发者应该也能较快的进行版本升级。 我们可以使用该矩阵来放置虚拟3D模型以实现贴合到脸部的效果(如果使用SceneKit,会有更便捷的方式来完成虚拟模型的佩戴过程,后面会详述)。 对于做一个自拍类的app,SceneKit无疑是一种很好的选择。 比如,根据脸部微笑的程度去替换3D蒙皮的diffuse贴图,使用户笑的时候会出现夸张的效果。

    76030

    扫码关注腾讯云开发者

    领取腾讯云代金券