Sep, 2023

使用 1DCNN 注意力网络从 rPPG 进行亲属验证

PDF
TL;DR使用远程光电容积描记法（rPPG）信号进行面部亲缘关系验证的研究。提出了一种一维卷积神经网络（1DCNN）与 1DCNN-Attention 模块和对比损失相结合的方法，通过从不同 ROI 提取的多个 rPPG 信号为输入，学习亲缘相似性。最终，该方法在不同亲缘关系的 UvANEMO 微笑数据库上进行评估，展示了 rPPG 信号在验证亲缘关系中的实用性。
发现论文，激发创造
  • 层次化表示学习在亲属关系验证中的应用

    该研究通过人类研究和基于过滤器和压缩正则化惩罚的新颖特征表示方法（fcDBN）提出一种层次化的亲属验证方法，并使用 WVU 亲属数据库验证其在人脸验证中的性能提升。

    May, 2018

  • 使用血管加权的运动鲁棒 rPPG 信号来检测面具攻击

    为解决 3D 面具攻击对面部识别系统产生的挑战，该研究提出了一种基于远程光电容谱法的面部反欺诈方法，并采用基于关键点和面部标记的地标锚定面缝合方法，加权的时空表征及轻量级的 EfficientNet 和门控循环单元（GRU）用于提取 rPPG 时空表征的空间和时间特征进行分类，实验结果表现出较先进的 rPPG 方法在面部欺诈检测中的大幅度提高。

    May, 2023

  • 面部预处理技术在基于张量分析的稳健亲属关系验证中的威力

    使用野外拍摄的面部照片进行亲属关系验证是计算机视觉科学中的研究难点之一，本研究介绍了一个基于面部图像的亲属相关性检查系统，通过面部预处理、特征提取和降维等方法，有效地提高了亲属关系验证的效率。

    Dec, 2023

  • 基于图的亲属关系推理网络

    本文提出了一种基于图像的亲属关系推理（GKR）网络，用于亲属关系验证。该方法构建一个亲属关系图，通过递归消息传递在该图上进行关系推理，并通过对提取的特征对进行比较和融合来推理亲缘关系。在 KinFaceW-I 和 KinFaceW-II 数据集上进行的广泛实验结果表明，该方法优于现有方法。

    Apr, 2020

  • 通过显式和隐式先验知识的融合推动可泛化的远程生理测量

    本文提出了一种利用远程光电容积图术（rPPG）任务中的显性和隐性先验知识的新框架，通过系统分析不同领域的噪声源，并将这些先验知识纳入网络进行训练，同时利用两个分支网络通过隐式标签相关性去除噪声并提取生理特征分布，我们的实验证明，该方法不仅在 RGB 跨数据集评估上胜过现有方法，而且能够很好地从 RGB 数据集泛化到 NIR 数据集。

    Mar, 2024

  • 通过多尺度 Retinex 和深浅特征提高亲属验证

    运用多尺度 Retinex 前处理方法，结合深浅纹理描述符，通过逻辑回归方法在评分水平上巧妙地融合，从而提高图像质量和对比度，从而在亲缘验证方面取得了鲁棒性和效果优异的结果。

    Dec, 2023

  • 对比 - 生理学：通过时空对比进行无监督基于视频的远程生理学测量

    本文提出了一种无监督的远程光学脉搏测量方法，利用 3D 卷积神经网络模型以及对比损失训练模型，可以在不需要参照信号的情况下提高精度，并可以更快地运行且更耐噪音。

    Aug, 2022

  • rFaceNet：通过身份特定的面部轮廓提取增强生理信号的端到端网络

    介绍了一种名为 rFaceNet 的高级 rPPG 方法，通过整合特定身份的脸部轮廓信息和消除冗余数据，通过时间压缩单元（TCU）高效地从输入视频帧中提取面部轮廓，并使用跨任务特征组合器（CTFC）将模型关注点导向相关的面部区域，提高了 rFaceNet 提取到的面部生理信号的质量和可解释性，同时在各种心率估计基准测试中表现出卓越的性能。

    Mar, 2024

  • 人脸成分关系下的亲属关系表示学习

    本文提出了一种基于面部部件关系网络和交叉注意机制的亲属关系识别方法 FaCoRNet，能够更准确地识别亲属关系，取得了最大的公开数据集 FIW 上最优的成果。

    Apr, 2023

  • 基于卷积神经网络的远程 PPG 分析：限制和敏感性研究

    本文探讨了基于卷积神经网络（CNN）的心率监测中，参考信号的选择以及卷积核的多样性等因素对性能的影响，结果说明 CNN 基于血吸收变化提取了生理信号，同时证明了 PPG 相关先验知识有助于提高其性能，因此，建议今后将先验知识纳入混合 CNN 方法中进行研究。

    Nov, 2019