本发明公开了一种基于多层预处理的快速人脸检测方法，具体步骤包括如下：对输入的原始图像进行颜色空间转换；利用椭圆肤色模型提取出图像中的肤色区域；通过形态学操作修正肤色区域；通过有效搜索位置滤波方法生成待测框；合并重叠程度过高的待测框；使用卷积神经网络逐一检测每个待测框；计算最终人脸定位框的坐标并输出。本发明能在保留人脸检测卷积神经网络高准确率的同时通过多层预处理技术减少其需要搜索区域的大小，从而大幅提升其运行速度。
📄 2021103222047
📂 G06V40_16
👤 南京邮电大学
📅 2021-03-25
本发明公开了一种基于多层次特征深度学习的人脸检测方法及系统。该方法包括获取训练集和验证集图像及图像的标签信息；将图像及标签输入深度卷积神经网络中，对网络进行训练和调优，得到人脸检测模型；将测试图像输入到训练好的模型进行人脸检测。其中神经网络包括用于提取第一层次特征的第一网络模块，用于提取第二层次特征的第二网络模块，以及包括两个支路，分别用于完成人脸分类任务和人脸位置坐标回归任务的第三网络模块。本发明在不同层次的特征图上进行检测，解决了现有方法中采用分阶段方式存在的效率慢、步骤繁琐和泛化能力差的问题，在保证高检测精度的同时也达到了实时检测的效果，并且对人脸图像的光照与遮挡问题具有很好的鲁棒性。
📄 2018100711463
📂 G06K9_00
👤 南京邮电大学
📅 2018-01-25
本发明提供一种暴力场景中人脸检测定位与实时跟踪方法，该方法包括获取监控视频帧内个像素的光流矢量幅度；根据光流矢量幅度判断监控视频帧是否为暴力场景。根据YCbCr空间内的肤色均值与肤色方差计算初始暴力场景监控视频帧内人脸跟踪区域的中心位置O0。根据初始暴力场景监控视频帧内人脸跟踪区域的中心位置O0计算后续暴力场景监控视频帧内人脸跟踪区域的中心位置Om+1，最后根据人脸跟踪区域的中心位置Om+1来获得第m+1帧暴力场景视频帧的人脸跟踪区域，实现暴力场景中人脸的检测定位与实时跟踪。
📄 2017107186306
📂 G06T7_269
👤 杭州电子科技大学
📅 2017-08-21
本发明涉及一种基于帧缓存队列的流视频处理中人脸检测的加速方法。本发明主要包括三部分，包括基于帧缓存队列的边缘实时视频处理系统、针对不同分辨率的自适应缩放因子设置方法和一种人脸目标检测区域的动态设置方法。本发明减少由于网络环境和帧接收时延造成的帧堆积，优化流视频处理性能。另外，为提升高分辨率流视频的处理性能，本发明针对不同的流视频分辨率，考虑网络带宽资源和边缘服务器的功耗，在保证视频处理性能的同时最小化处理开销。为提高流视频中人脸检测效果，本发明针对不同的视频分辨率，动态设定人脸检测区域。
📄 2019107765609
📂 G06V40_16
👤 杭州电子科技大学
📅 2019-08-22
本发明属于人工智能安全领域，涉及一种高鲁棒性的深度伪造人脸检测方法；本发明主要包括4个部分：首先获取原始数据集并进行筛选得到训练样本；对伪造人脸检测器进行扰动攻击，从而干扰伪造人脸检测器的分类准确率并得到扰动样本；采用卷积神经网络消除扰动样本中的对抗性扰动，得到重构图像分类器；将重构图像分类器和受到扰动攻击后的伪造人脸检测器进行集成，最终得到深度伪造人脸检测模型；本发明提高了模型鲁棒性，同时提升了模型检测准确率。
📄 2022113540093
📂 G06V40_16
👤 重庆邮电大学
📅 2022-11-01
本发明请求保护一种基于改进YOLOv5的实时小人脸检测方法，属于计算机视觉领域。包括以下步骤：步骤1.采用YOLOv5作为小人脸检测的基础框架，该YOLOv5小人脸检测模型中加入了SKAttention，通过动态计算每个卷积核得到通道的权重，动态的将各个卷积核的结果进行融合，可以让神经网络更加关注小人脸，提升真实场景中小人脸检测的精度。步骤2.设计了小人脸特征增强模块，将特征图进行上采样处理，使得特征图继续扩大，同时将浅层特征图与深层特征图进行融合。步骤3.为了满足实时性要求，采用YOLOv5模型，并将主干特征提取网络C3替换为更轻量的ShuffleNetV2网络，以实现网络模型的轻量化,平衡速度和精度。
📄 2022115838247
📂 G06V40_16
👤 重庆邮电大学
📅 2022-12-09
本发明提出了一种基于联合注意力的多分支级联的人脸检测方法及装置,所述方法包括:提取待测图像的初始特征,其中,所述待测图像为原始图像经预处理获得;将所述初始特征输入多分支级联网络,以获取与所述多分支级联网络中深度相同的分支特征信息;将所述分支特征信息输入注意力模块,以获取与所述分支特征信息深度对应的通道特征信息;将多个所述通道特征信息输入特征金字塔网络,以形成与所述多分支级联网络深度对应的融合特征信息;将所述融合特征信息输入分类与回归网络,以获取人脸预测结果;基于所述人脸预测结果和损失函数,构建人脸检测模型,本发明有助于提升人脸检测的精度。
📄 2023111785885
📂 G06V40_16
👤 中南民族大学
📅 2023-09-13
本发明公开了一种基于人脸检测的蹲起计数方法，具体实施内容为：本发明方法对获取的视频帧图像进行人脸检测并对人脸进行提取框标记；获取人脸提取框中心在图像中的纵坐标并生成中心坐标曲线；求取中心纵坐标的均值线与中心坐标曲线的交点；根据交点个数的奇偶性确定曲线的峰和谷，再剔除不满足蹲起计数要求的峰和谷；最后根据最终获得的峰和谷的数量来确定有效蹲起个数。本发明不需要采用人工即可实现蹲起自动精确计数，既可以即时计数，也可进行录像回放计数，解决了人工计数费时费力、不能对不标准蹲起进行客观判断的问题。
📄 202011479229X
📂 G06V40_16
👤 中国计量大学
📅 2020-12-15
本发明公开了一种空频域图学习的自适应深度伪造人脸检测方法及系统，该方法从视频中随机提取图像帧，并截取人脸图像，人脸图像调整特征维度后，分别送入深度自适应小波模块和归一化残差同构图神经网络模块；深度自适应小波模块提取人脸图像的频率特征；归一化残差同构图神经网络模块提取人脸图像的空域特征；使用基于门控卷积的自适应特征融合模块对频域特征和空域特征进行加权融合，利用门控卷积来实现类注意力引导，动态调整特征图的通道和空间维度的权重，最终得到融合特征；使用分类器根据融合特征进行分类。本发明增强了伪造细节线索的提取能力，显著提升了模型的检测精度和稳定性。
📄 2025108459714
📂 G06V40_16
👤 华东交通大学
📅 2025-06-24
本发明公开一种基于视频监控的ATM机异常人脸检测方法，先通过肤色模型对视频图像进行二值化处理；然后通过选定有效团块区域和眼睛/嘴巴区域并计算其平均每行白点个数N，Ne/Nm；然后判断N‑Ne或N‑Nm是否大于阈值N’；如果N‑Ne或N‑Nm大于N’，进一步判断对称性指标是否大于阈值R；如果对称性指标大于阈值R，则人脸异常标志位置位；最后通过统计人脸异常标志位数据来确定是否进行人脸异常报警。其显著效果是：基于人眼或人嘴的形状特征进行分类识别，而是通过人眼或人嘴被遮挡后本身的像素值发生改变而进行判断，大大提高了异常人脸的鲁棒性，而且算法简单，运算量小，在ATN环境下具有较低的漏检率和误检率。
📄 2014100519850
📂 G06K9_00
👤 重庆科技学院
📅 2014-02-14
本发明涉及伪造人脸检测方法技术领域，尤其涉及一种基于多域视觉语言重建的扩散伪造人脸检测和定位方法。首先对一张扩散伪造人脸图像进行空间信息学习分别提取局部与全局空间图像特征，并对该图像对应的细粒度文本提示学习提取全局语言表示，然后利用局部空间特征重建图像来增强空间表示并获得残差图像，对残差图像进行学习提取残差特征，然后将图像特征与残差特征结合获得视觉操纵特征，将全局语言表示进行重建来强化语言表示，最后将语言特征与视觉特征结合来学习扩散伪造人脸的多模态表示，在推断阶段，对扩散伪造人脸利用模型学习到视觉操纵特征来实现扩散伪造人脸检测和定位。本方法可以提高伪造检测与定位效率和跨模态检测能力。
📄 202411707611X
📂 G06V40_16
👤 齐鲁工业大学(山东省科学院); 山东省人工智能研究院; 天津理工大学
📅 2024-11-27
本公开揭示了一种人脸检测方法和装置，所述方法通过计算金字塔特征层数和缩放系数、提取金字塔特征数据、分类提取数据、得到人脸检测结果。本公开方法在快速多尺度金字塔特征数据提取的基础上进行分类，在保障检测准确度的前提下能够有效降低计算量；不限制特征参数，在多层分类的基础上合并结果，进而得到最终的人脸识别结果，能够提高准确度；由于计算量低，分类过程耗时短，适用于实时性要求高的场合。基于所述方法实现的装置，使用方便有效，特别适于嵌入式场合的应用。
📄 2015106398248
📂 G06K9_00
👤 深圳市商汤科技有限公司
📅 2015-09-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台