公开(公告)号：CN110569760B

公开(公告)日：2023-05-26

申请号：CN201910794798.4

申请日：2019-08-27

Applicant: 东南大学 ,  东南大学—无锡集成电路技术研究所

Inventor： 陆生礼 ,  李支青 ,  庞伟 ,  刘昊 ,  缪烨昊

IPC: G06V40/16 ,  G06V40/40

Abstract: 本发明涉及一种基于近红外和远程光电体积描记术的活体检测方法，属于计算、推算、计数的技术领域。该方法：定位待检测对象的面部区域进行人脸识别；对通过人脸识别的对象获取面部的近红外光图像，通过检测近红外光图像获取红外光图像为翻拍自屏幕介质的评分；获取通过屏幕翻拍检测的对象的面部图像序列，利用远程光电体积描记术对待测图像序列进行生命体征信号的提取，辨别待检测对象是否为活体人脸。本发明提高了活体检测的鲁棒性，具备更强的分类和学习能力，能较好地应对三维面具、视频、照片翻拍等表示攻击，区分结果准确率较高。叠加最短周期信号提取生命特征信号的改进型远程光电体积描记术则无需先验知识，能够适应实际使用场景的需求。

公开(公告)号：CN110569760A

公开(公告)日：2019-12-13

申请号：CN201910794798.4

申请日：2019-08-27

Applicant: 东南大学 ,  东南大学—无锡集成电路技术研究所

Inventor： 陆生礼 ,  李支青 ,  庞伟 ,  刘昊 ,  缪烨昊

IPC: G06K9/00

Abstract: 本发明涉及一种基于近红外和远程光电体积描记术的活体检测方法，属于计算、推算、计数的技术领域。该方法：定位待检测对象的面部区域进行人脸识别；对通过人脸识别的对象获取面部的近红外光图像，通过检测近红外光图像获取红外光图像为翻拍自屏幕介质的评分；获取通过屏幕翻拍检测的对象的面部图像序列，利用远程光电体积描记术对待测图像序列进行生命体征信号的提取，辨别待检测对象是否为活体人脸。本发明提高了活体检测的鲁棒性，具备更强的分类和学习能力，能较好地应对三维面具、视频、照片翻拍等表示攻击，区分结果准确率较高。叠加最短周期信号提取生命特征信号的改进型远程光电体积描记术则无需先验知识，能够适应实际使用场景的需求。

公开(公告)号：CN111783532A

公开(公告)日：2020-10-16

申请号：CN202010459828.9

申请日：2020-05-27

Applicant: 东南大学

Inventor： 陆生礼 ,  缪烨昊 ,  庞伟

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于在线学习的跨年龄人脸识别方法，属于计算、推算或计数的技术领域。该方法，通过人脸特征提取网络级联年龄特征分离网络的模型结构实现，在外部数据集上训练人脸特征提取网络，使得模型具备对人脸进行特征提取的能力；使用跨年龄人脸数据集对年龄特征分离部分进行身份识别和年龄预测的多任务训练，以获得鲁棒性更强的年龄不变的人脸特征向量；在实际场景使用中，可以根据新输入的样本对特征分离部分的参数进行微调，实现神经网络的在线学习。本发明在使用参数量较低的模型的同时，一定程度上提升了跨年龄人脸识别的能力，特征分离结构使得在线学习成为了可能，使模型具备了对新场景的自适应能力。

公开(公告)号：CN110245753A

公开(公告)日：2019-09-17

申请号：CN201910445413.3

申请日：2019-05-27

Applicant: 东南大学

Inventor： 陆生礼 ,  庞伟 ,  刘昊 ,  樊迎博 ,  花硕硕 ,  缪烨昊

IPC: G06N3/08

Abstract: 本发明涉及人工智能神经网络技术领域，具体公开一种基于幂指数量化的神经网络压缩方法。该方法，在外部数据集上训练卷积神经网络后获取该网络的初始化权值参数；根据权值参数绝对值的大小以及分组阈值将权值参数分为两组，绝对值超过阈值的一组基于预先设定的位宽及绝对值最大的权值参数量化大于分组阈值的一组权值参数，将权值参数量化为2的幂或者0；对小于分组阈值的权值参数再训练后执行分组再量化的循环操作，直至网络收敛。本发明在保证参数的取值范围不被压缩的同时在一定程度上减小量化对最终目标检测准确率的影响，解决了量化后准确率下降过多以及硬件实现难度大的问题。

公开(公告)号：CN111783532B

公开(公告)日：2024-05-17

申请号：CN202010459828.9

申请日：2020-05-27

Applicant: 东南大学

Inventor： 陆生礼 ,  缪烨昊 ,  庞伟

IPC: G06V40/16 ,  G06V10/44 ,  G06V10/74 ,  G06V10/774 ,  G06N3/0464

Abstract: 本发明公开了一种基于在线学习的跨年龄人脸识别方法，属于计算、推算或计数的技术领域。该方法，通过人脸特征提取网络级联年龄特征分离网络的模型结构实现，在外部数据集上训练人脸特征提取网络，使得模型具备对人脸进行特征提取的能力；使用跨年龄人脸数据集对年龄特征分离部分进行身份识别和年龄预测的多任务训练，以获得鲁棒性更强的年龄不变的人脸特征向量；在实际场景使用中，可以根据新输入的样本对特征分离部分的参数进行微调，实现神经网络的在线学习。本发明在使用参数量较低的模型的同时，一定程度上提升了跨年龄人脸识别的能力，特征分离结构使得在线学习成为了可能，使模型具备了对新场景的自适应能力。