人臉識別全面要點

1、人臉識別人臉識別全面要點第1頁目 錄一、人臉識別技術(shù)概述二、研究背景及意義三、人臉識別過程 1、圖像與處理工作 2、人臉識別兩個技術(shù)步驟四、人臉識別中關(guān)鍵問題五、總結(jié)人臉識別全面要點第2頁一、人臉識別技術(shù)概述作為生物特征識別領(lǐng)域中一個基于生理特征識別技術(shù)，人臉識別技術(shù)是經(jīng)過有攝像頭終端設(shè)備拍攝人行為圖像，經(jīng)過人臉檢測算法，從原始行為圖像中得到人臉區(qū)域，用特征提取算法提取人臉特征，并依據(jù)這些特征確認身份一個技術(shù)。人臉識別全面要點第3頁二、研究背景及意義伴隨社會發(fā)展,對一些如：機場安檢、銀行、軍事基地等安全性要求較高場所，能夠?qū)崿F(xiàn)快速有效自動身份驗證要求日益迫切。因為生物特征是人內(nèi)在屬性,含有很強

2、本身穩(wěn)定性和個體差異性,所以是身份驗證最理想依據(jù)。不過人臉識別優(yōu)勢表達在哪里呢？人臉識別全面要點第4頁人臉識別全面要點第5頁從表1 中，我們能夠看出指紋和虹膜生物特征識別技術(shù)各個方面都比很好，與指紋、虹膜相比，它們穩(wěn)定性包含性能都比很好，但指紋、虹膜識別技術(shù)需要被識別者在設(shè)備前停留、觸摸，而人臉識別只要人經(jīng)過攝像頭，攝像頭就會將人臉拍攝下來，這種識別方式適合在公共場所、尤其是人群聚集處使用。與傳統(tǒng)身份判定伎倆相比，基于人臉生物特征信息身份判定技術(shù)含有以下優(yōu)點： 用戶易接收：簡單易用，對用戶無特殊要求。 防偽性能好：不易偽造或被盜。 “隨身攜帶”：不用擔(dān)心遺漏或丟失，隨時隨地可用。人臉識別全面要

3、點第6頁另外，人臉識別還有精度較高等優(yōu)點。鑒于人臉識別技術(shù)在個人身份判定方面眾多優(yōu)點，這項技術(shù)能夠在很多領(lǐng)域得到應(yīng)用：視頻監(jiān)視系統(tǒng)： 比如在機場、體育場等公共場所對人群進行監(jiān)視，以到達身份識別目標。人臉識別全面要點第7頁公安刑偵破案： 經(jīng)過查詢?nèi)讼駭?shù)據(jù)尋找數(shù)據(jù)庫中是否存在重點人口基本信息。比如在機場或車站安裝系統(tǒng)以抓捕在逃案犯。加強交通管制；確認身份證、護照等證件真?zhèn)?；驗證各類信用卡持卡人身份。人臉識別全面要點第8頁門禁系統(tǒng)： 受安全保護地域能夠經(jīng)過人臉識別辨識試圖進入者身份，高檔小區(qū)門禁系統(tǒng)以及家庭安保系統(tǒng)。人臉識別全面要點第9頁網(wǎng)絡(luò)應(yīng)用：利用人臉識別系統(tǒng)確認信用卡網(wǎng)絡(luò)支付，以預(yù)防盜用信用卡

4、等。人臉識別全面要點第10頁三、人臉識別過程人臉識別全面要點第11頁光線賠償 光照改變主要表現(xiàn)為強度改變和角度改變。光照強度改變會造成極端光照情況出現(xiàn)(如暗光、高光等現(xiàn)象出現(xiàn))；而光照角度改變會產(chǎn)生不一樣程度表面明暗區(qū)，光照暗區(qū)會遮蓋人臉本身紋理信息。這兩種光照改變都會對人臉圖像整體灰度分布、對人臉圖像邊緣信息和人臉彩色圖像色度空間產(chǎn)生很大影響。1、圖像預(yù)處理工作人臉識別全面要點第12頁灰度改變?nèi)四槇D像灰度分布是基于灰度圖像進行人臉識別主要信息依據(jù)。不一樣光照條件下所取得同一人臉兩幅圖像能夠說是完全不一樣兩幅圖像，這兩幅圖像之間灰度分布差異有可能大于不一樣人臉之間灰度分布差異，因而可能會造成識

5、別率下降 。人臉識別全面要點第13頁平滑處理人臉圖像邊緣也是人臉識別中主要信息，它是基于局部特征人臉檢測與識別方法主要依據(jù)。基于局部特征人臉檢測和識別方法是依賴于眼睛、嘴等人臉器官幾何結(jié)構(gòu)特征提取，不過人臉圖像邊緣信息對光照反應(yīng)很敏感。尤其是光照角度發(fā)生改變時，人臉表面紋理被陰影遮蔽，無法檢測到較完整人臉邊緣，從而造成識別錯誤 。人臉識別全面要點第14頁直方圖均衡 直方圖均衡化處理主要思想是把原始圖像灰度直方圖從某個比較集中灰度區(qū)間映射到全部灰度范圍內(nèi)均勻分布。簡單來說，直方圖均衡化就是將圖像非線性拉伸，重新分配圖像像素值，使得一定灰度范圍內(nèi)像素數(shù)量基本相同。原始圖像及原始直方圖直方均衡化圖像

6、及直方圖人臉識別全面要點第15頁2、人臉識別兩個技術(shù)步驟人臉檢測與定位特征提取與人臉識別圖1 人臉識別關(guān)鍵技術(shù)人臉識別全面要點第16頁人臉檢測與定位人臉識別第一步就是要從原始圖像提取我們感興趣區(qū)域?，F(xiàn)在我們獲取原始圖像渠道主要有，導(dǎo)入原始圖像或者從視頻流中獲取。人臉識別全面要點第17頁慣用人臉檢測方法基于統(tǒng)計人臉檢測方法(1)事例學(xué)習(xí)：將人臉檢測視為區(qū)分非人臉樣本與人臉樣本兩類模式分類問題,經(jīng)過對人臉樣本集和非人臉樣本集進行學(xué)習(xí)以產(chǎn)生分類器. 當(dāng)前國際上普遍采取人工神經(jīng)網(wǎng)絡(luò)。(2)子空間方法：在人臉識別中利用是主元子空間(特征臉) ,而人臉檢測利用是次元子空間(特征臉空間補空間)。用待檢測區(qū)域

7、在次元子空間上投影能量,也即待檢測區(qū)域到特征臉子空間距離做為檢測統(tǒng)計量,距離越小,表明越像人臉。子空間方法特點在于簡便易行,但因為沒有利用反例樣本信息,對與人臉類似物體區(qū)分能力不足。(3)空間匹配濾波器方法：包含各種模板匹配方法、合成區(qū)分函數(shù)方法等。人臉識別全面要點第18頁基于知識建模人臉檢測方法(1)器官分布規(guī)則:即使人臉在外觀上改變很大,但遵照一些幾乎是普遍適用規(guī)則,如五官空間位置分布大致符合“三庭五眼”等。(2)輪廓規(guī)則:人臉輪廓能夠簡單地看成一個近似橢圓,而人臉檢測能夠經(jīng)過橢圓檢測來完成。(3)顏色、紋理規(guī)則:同民族人面部膚色在顏色空間中分布相對比較集中,顏色信息在一定程度上能夠?qū)⑷四?/p>

8、同大部分背景區(qū)分開來。(4)運動規(guī)則:通常相對背景人總是在運動,利用運動信息能夠簡單有效將人從任意復(fù)雜背景中分割出來。其中包含利用眨眼、說話等方法活體人臉檢測方法。(5)對稱性:人臉含有一定軸對稱性,各器官也含有一定對稱性。人臉識別全面要點第19頁人臉檢測算法Adaboost是一個迭代算法，其關(guān)鍵思想是針對同一個訓(xùn)練集訓(xùn)練不一樣分類器(弱分類器)，然后把這些弱分類器集合起來，組成一個更強最終分類器(強分類器)。其算法本身是經(jīng)過改變數(shù)據(jù)分布來實現(xiàn)，它依據(jù)每次訓(xùn)練集之中每個樣本分類是否正確，以及上次總體分類準確率，來確定每個樣本權(quán)值。將修改過權(quán)值新數(shù)據(jù)集送給下層分類器進行訓(xùn)練，最終將每次訓(xùn)練得到分

9、類器最終融合起來，作為最終決議分類器。每個Haar特征對應(yīng)著一個弱分類器，但并不是任何一個Haar特征都能很好描述人臉灰度分布某一特點，怎樣從大量Haar特征中挑選出最優(yōu)Haar特征并制作成份類器用于人臉檢測，這是Adaboost算法訓(xùn)練過程所要處理關(guān)鍵問題。 人臉識別全面要點第20頁人臉特征提取與識別方法基于幾何特征方法人臉由眼睛、鼻子、嘴巴、下巴等部件組成,正因為這些部件形狀、大小和結(jié)構(gòu)上各種差異才使得世界上每個人臉千差萬別,所以對這些部件形狀和結(jié)構(gòu)關(guān)系幾何描述,能夠做為人臉識別主要特征.人臉識別全面要點第21頁 基于特征臉方法它依據(jù)一組人臉訓(xùn)練圖像結(jié)構(gòu)主元子空間,因為主元含有臉形狀,也稱

10、為特征臉。識別時將測試圖像投影到主元子空間上,得到一組投影系數(shù),和各個已知人人臉圖像比較進行識別。特征臉方法是一個簡單、快速、實用基于變換系數(shù)特征算法,但因為它在本質(zhì)上依賴于訓(xùn)練集和測試集圖像灰度相關(guān)性,而且要求測試圖像與訓(xùn)練集比較像,所以它有著很大不足。人臉識別全面要點第22頁局部特征方法主元子空間表示是緊湊,特征維數(shù)大大降低,但它是非局部化,其核函數(shù)支集擴展在整個坐標空間中,同時它是非拓撲,某個軸投影后臨近點與原圖像空間中點臨近性沒有任何關(guān)系,而局部性和拓撲性對模式分析和分割是理想特征,似乎這更符合神經(jīng)信息處理機制,所以尋找含有這種特征表示十分主要.這種方法組成FaceIt人臉識別軟件基礎(chǔ)

11、。人臉識別全面要點第23頁基于彈性模型方法彈性匹配方法思想是將人臉上一些特征點作為基準點組成彈性圖，每個基準點存放一串含有代表性特征矢量，采取分級結(jié)構(gòu)彈性圖，去除一些冗余節(jié)點，形成稀疏人臉描述結(jié)構(gòu)。經(jīng)過測試樣本和特征樣本彈性匹配來完成識別。不過，基于彈性圖匹配識別系統(tǒng)主要缺點是對每個存放人臉需要計算其模型圖，所以計算復(fù)雜，存放量大。人臉識別全面要點第24頁神經(jīng)網(wǎng)絡(luò)方法人工神經(jīng)網(wǎng)絡(luò)(ANN)方法是把模式統(tǒng)計特征隱含在網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)之中。對于人臉這類復(fù)雜、難以顯示描述模式，基于ANN方法含有獨特優(yōu)勢。人工神經(jīng)網(wǎng)絡(luò)是由多個神經(jīng)元按照一定排列次序組成，是一個非線性動力學(xué)系統(tǒng)，其特色是信息分布式存放和并

12、行協(xié)同處理。神經(jīng)網(wǎng)絡(luò)方法在人臉識別上應(yīng)用比起前述幾類方法來有一定優(yōu)勢,因為對人臉識別許多規(guī)律或規(guī)則進行顯性描述是相當(dāng)困難,而神經(jīng)網(wǎng)絡(luò)方法則能夠經(jīng)過學(xué)習(xí)過程取得對這些規(guī)律和規(guī)則隱性表示,它適應(yīng)性更強,普通也比較輕易實現(xiàn).人臉識別全面要點第25頁支持向量機(SVW)方法近年來，支持向量機是統(tǒng)計模式識別領(lǐng)域一個新熱點，支持向量機主要處理是一個兩分類問題，它基本思想是試圖把一個低維線性不可分問題轉(zhuǎn)化成一個高維線性可分問題。試驗結(jié)果表明支持向量機有很好識別率。人臉識別全面要點第26頁人臉特征提取算法SIFT算法是一個圖像特征提取與匹配算法。SIFT算法能夠處理兩幅圖像之間發(fā)生平移、旋轉(zhuǎn)、尺度改變、光照改

13、變情況下特征匹配問題，并能在一定程度上對視角改變、仿射改變也具備較為穩(wěn)定特征匹配能力。SIFT算法首先在尺度空間進行特征檢測，并確定關(guān)鍵點位置和關(guān)鍵點所處尺度，然后使用關(guān)鍵點鄰域梯度主方向作為該點方向特征，以實現(xiàn)算子對尺度和方向無關(guān)性。人臉識別全面要點第27頁SIFT算法提取SIFT特征向量含有以下特征： a) SIFT特征是圖像局部特征，其對旋轉(zhuǎn)、尺度縮放、亮度改變保持不變性，對視角改變、仿射變換、噪聲也保持一定程度穩(wěn)定性。 b) 獨特征好，信息量豐富，適合用于在海量特征數(shù)據(jù)庫中進行快速、準確匹配。 c) 多量性，即使少數(shù)幾個物體也能夠產(chǎn)生大量SIFT特征向量。 d) 高速性，經(jīng)優(yōu)化SIFT

14、匹配算法甚至能夠到達實時要求。 e) 可擴展性，能夠很方便與其它形式特征向量進行聯(lián)合。人臉識別全面要點第28頁四、人臉識別中關(guān)鍵問題光照 需要建立光照模型，檢測與定位輕易受干擾。姿態(tài)預(yù)計與匹配 三維重建； 二維圖像生成。事變特征提取與消除 持久性差； 特殊人群，比如雙胞胎； 建立人臉年紀衰老模型，最大程度消除年紀改變影響。人臉識別全面要點第29頁五、總 結(jié)人臉檢測與定位:因為人臉模式多樣性和圖像獲取過程中不確定性,人臉在圖像空間中分布非常復(fù)雜,建立人臉在高維圖像空間中準確分布模型是一件非常困難事。 建立一個統(tǒng)計可靠預(yù)計不但需要大量正例樣本,而且需要充分多數(shù)量有效反例樣本。當(dāng)前研究一個趨勢是反例樣本產(chǎn)生和利用問題,這也是最終提升人臉檢測正確率必定道路。依據(jù)詳細應(yīng)用需要,對檢測環(huán)境進行合理假定(比如運動、顏色等),從而簡化問題,提升系統(tǒng)實用性能也是一條切實可行路徑。不難預(yù)見,知識與統(tǒng)計方法綜合應(yīng)用,是處理實際問題所必須。人臉識別全面要點第30頁特征提取與識別:與剛體不一樣,人臉