bryant_meng

CVPRW-2023数据集地址：https://github.com/deepinsight/insightface/tree/master/challenges/cvpr23-fas-wild。

arXiv-2019。

1]陈启玮.基于卷积神经网络的包裹检测算法研究[D].重庆邮电大学,2020.DOI:10.27675/d.cnki.gcydx.2020.000927.

1]罗建坤.基于深度学习的包裹检测追踪计数系统的研究设计[D].华南理工大学,2020.DOI:10.27151/d.cnki.ghnlu.2020.001129.

李新豆. 基于可见光成像的人脸活体检测方法研究[D]. 重庆:重庆邮电大学,2019.

1]程良彬.自适应的手掌静脉识别方法研究[D].桂林电子科技大学,2023.DOI:10.27049/d.cnki.ggldc.2023.000681.

1]赵一洲,王浩.基于轻量化网络和近红外人脸活体检测算法[J].现代计算机,2021,(16):122-127.

1]任宇.人脸活体检测研究综述[J].现代计算机,2021,(09):109-112+116.

1]吴凯,沈文忠,贾丁丁,等.融合Transformer和CNN的手掌静脉识别网络[J].计算机工程与应用,2023,59(24):98-109.

arXiv-2025。

1]蒙少华.基于光照一致化与纹理特征的人脸活体检测研究[D].湖南大学,2022.DOI:10.27135/d.cnki.ghudu.2022.004058.

1]任俊杰.基于单目RGB图像的人脸活体检测算法研究与应用[D].兰州大学,2023.DOI:10.27204/d.cnki.glzhu.2023.001199.

1]吴微,李传阳,张源,等.基于高效通道注意力倒残差网络的掌静脉识别[J/OL].激光杂志,1-11[2025-04-14].http://kns.cnki.net/kcms/detail/50.1085.TN.20240926.1421.004.html.

总结用 GAN 的生成网络来生成分割的概率图，相当于特征提取用 SinGAN 来大规模生成每个 ID 的掌纹数未来工作提高图像生成质量优化深度学习模型增强模型鲁棒性推动实际应用扩展数据集规模。

NAM 注意力 + Efficient-ViT融合损失函数目前在掌静脉识别过程中保护用户信息的研究较少,因此在未来的研究工作上,会将注意力集中在掌脉数据保护的研究中。

参考CenterLoss原理详解（通透）高维向量检索方法 HNSW对比度增强 POSHE万精油，weighted。

而掌静脉识别作为一种新兴的生物特征识别技术，属于内生理特征。它不会磨损并且是活体时才存在的生理特征，具有难伪造、比掌纹和指纹识别更具安全性、比人脸识别更具稳定性、比虹膜识别更具应用的普遍性等特点。由于采集手部静脉图像时可能会受到采集设备、光照条件等各种因素的干扰，导致采集到的图像不清晰或静脉血管与背景区分度低等质量不佳的情况，因此对静脉图像识别之前需要对图像进行增强处理。一般采用近红外光拍摄获取手掌静脉图像;目前对手部特征的识别主要有：指静脉识别、掌静脉识别、指纹识别、指节纹识别、掌纹识别和手形识别等。

1]谭振林,刘子良,黄蔼权,等.掌静脉识别的深度学习方法综述[J].计算机工程与应用,2024,60(06):55-67.

1]隋雅茹.基于视频的人脸活体检测算法研究[D].长春理工大学,2024.DOI:10.26977/d.cnki.gccgc.2024.000063.

ACPR-2015。

首先，采用近红外与可见光双目装置同步获取人脸图像，提取两图像的人脸特征点，利用双目关系实现特征点的匹配并获取其深度信息，再利用深度信息进行三维点云重建；然后，将全部人脸特征点划分为四个区域，计算各区域内人脸特征点在深度方向的平均方差；接着，选取人脸关键特征点，以鼻尖点为参照点，计算鼻尖点到人脸关键特征点之间的空间距离；最后，利用人脸特征点的深度值方差和空间距离来构造特征向量，使用支持向量机（SVM）实现活体人脸判断。

作者通过调整静态照片中面部区域的绿色颜色强度，使其按照生成的伪造脉搏信号的波形变化，从而模拟出血液流动时皮肤颜色的微妙变化。这种变化通常是由真实的心跳引起的，因此通过这种模拟，可以制作出看似真实的面部视频，用于测试面部活体检测系统的鲁棒性。rPPG（Remote Photoplethysmography）信号的获取主要依赖于非接触式的光学测量技术，通过捕捉人体皮肤表面的颜色变化来间接估计血液容积的变化，从而反映心跳等生理信息。传统的面部活体检测方法往往依赖于对真实面部特征的统计分析和机器学习模型。

（开放集目标检测）、（开放词汇目标检测）以及（开放世界目标检测）是计算机视觉领域中处理目标检测任务的三种不同方法。区别（1）未知类别的处理方式Open-Set Object Detection：该方法能够识别图像中的已知目标对象，并将其与不属于已知类别的未知目标对象区分开来。它侧重于将未知对象标记为“unknown”，以避免将它们错误地检测为已知目标对象。

1]蒋方玲,刘鹏程,周祥东.人脸活体检测综述[J].自动化学报,2021,47(08):1799-1821.DOI:10.16383/j.aas.c180829.[1]邓雄.基于融合策略的人脸活体检测方法研究[D].重庆师范大学,2020.DOI:10.27672/d.cnki.gcsfc.2020.000431.当人脸旋转摆动时，活体人脸因脸部各处运动不一致产生不同的光流，而照片人脸在不同区域的运动基本一致，其产生的光流和活体人脸有较大差别，这些不同光分布的图像能够用于估计输入图像中深度的存在。

CVPR-2024。

YOLOv8 是 ultralytics 公司在 2023 年 1 月 10 号开源的 YOLOv5 的下一个重大更新版本ultralytics-8.2.103 是最后一个版本的 v8，后续升级成了 v11不过 ultralytics 并没有直接将开源库命名为 YOLOv8，而是直接使用 ultralytics 这个词，原因是 ultralytics 将这个库定位为算法框架，而非某一个特定算法，一个主要特点是可扩展性。vs yolov5。

融合训练后（unified），ViT 的效果是提升了的，CDCN 和 ResNet50 的效果没有单独训练（separate）的好。rgb + Depth 的 sensor，就训练一套 rgb + Depth 相关的模型来部署。rgb + IR 的 sensor，就训练一套 rgb + IR 相关的模型来部署。当前的方法面对不同的传感器，都是单独训练一套模型来部署，如下图所示。rgb 的 sensor，就训练一套 rgb 相关的模型来部署。中的随机 drop out 某种模态的方法。

CVPR-2018。

BTAS-2013。

当 array 是点集时，函数会将这些点集当成轮廓中的顶点，把整个点集作为一条轮廓来处理，而不是将它们当成独立的点来看待。综上所述，cv2.moments 函数是 OpenCV 库中用于计算图像轮廓矩的重要工具，它提供了关于图像形状的重要信息，并广泛应用于形状分析、特征提取和形状识别等任务中。图像矩(Image moments)是指图像的某些特定像素灰度的加权平均值（矩），或者是图像具有类似功能或意义的属性。计算每个轮廓的质心，图片中所有像素点的横坐标除以图片的像素点个数（面积），结果为质心的横坐标。

CVPR-2020。

NIPS-2018。

CVPR-2018。

ECCV-2014。

CVPR-2019。

AAAI-2020。

arXiv-2019。

arXiv-2019。

arXiv-2019。

ICCV-2019。