人臉識別簡約素雅模板

Ｃｏｎｔｅｎｔ1234人臉識別的定義（Definition）人臉識別的組成（Component）人臉識別具體算法（algorithm）總結（summary）第一頁，共17頁。人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。人臉識別的定義特指利用分析比較的計算機技術。人臉識別是一項熱門的計算機技術研究領域，人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，都會用到第二頁，共17頁。人臉識別的組成圖像采集圖像預處理特征提取匹配與識別一個完整的人臉識別系統(tǒng)包括人臉檢測與定位、人臉特征提取、分類識別等第三頁，共17頁。人臉識別的具體算法基于線性子空間分析的人臉特征提取

——主成分分析方法(PCA)123ＰＣＡ算法簡介ＰＣＡ算法的主要步驟ＰＣＡ在人臉識別中的應用第四頁，共17頁。是模式識別領域中一種重要的特征提取方法，該方法通過K．L變換展開式來提取樣本的主要特征。由于它保留了原向量在其協(xié)方差矩陣最大特征值對應的特征向量方向上的投影一主分量(Principal

Components)，所以稱為主成分分析。人臉識別的具體算法ＰＣＡ算法簡介利用較少數(shù)據(jù)的特征對樣本進行描述以達到降低特征空間維數(shù)的目的，根據(jù)樣本點在多維空間的位置分布，以樣本點在空間中變化最大方向，即方差最大方向，作為差別矢量來實現(xiàn)數(shù)據(jù)的特征提取。主成分分析（Principal

Component

Analysis，簡稱PCA）ＰＣＡ算法核心思想第五頁，共17頁。人臉識別的具體算法ＰＣＡ算法主要步驟及公式將m×n的人臉圖像，重新排列為m×n維的列向量則所有的訓練圖像經(jīng)此變換后得到一組列向量：{xi}，xi∈R＾nm

i=1,．．，N，其中N代表訓練樣本集中圖像的個數(shù)。將圖像看成一隨機列向量，并通過訓練樣本對其均值向量和協(xié)方差矩陣進行估計。第六頁，共17頁。

假設我們有N個樣本數(shù)據(jù){xn},每個樣本數(shù)據(jù)是D維，我們希望樣本數(shù)據(jù)映射到M<D維的子空間，并且使映射后的數(shù)據(jù)方差最大化。我們設低維空間的方向向量為D維單位向量u1,并且具有正交性,即u1Tu1=Ｍ＝１一個樣本數(shù)據(jù)點xn被映射到1維空間后就表示成了u1Txn。人臉識別的具體算法ＰＣＡ算法主要步驟及公式紅點代表原始數(shù)據(jù)點；綠點代表被映射到低維空間后的點；紫線代表映射面第七頁，共17頁。人臉識別的具體算法ＰＣＡ算法主要步驟及公式均值向量μ通過下式估計：協(xié)方差矩陣ST估計：則將投影變換矩陣A取為ST的前k個最大特征值對應的特征向量。利用以下變換式對原圖像進行去相關并降維：第八頁，共17頁。人臉識別的具體算法ＰＣＡ算法在人臉識別中的應用在訓練階段，每個已知人臉Ｒｉ映射到特征臉子空間，得到ｍ維向量：在識別階段，首先把待識別圖像Ｒ映射到特征臉子空間，得到向量：區(qū)別人臉與非人臉：計算原始圖像Ｒ與其有特征空間重建的圖像Ｒｆ之間的距離?第九頁，共17頁。采用最小距離法對人臉進行分類人臉識別的具體算法ＰＣＡ算法在人臉識別中的應用123

第十頁，共17頁?？偨Y第十一頁，共17頁。人臉特征穩(wěn)定性差：人臉有極強可塑性的三維柔性皮膚表面，會隨著表情、年齡而發(fā)生改變?？偨Y人臉識別的缺陷第十二頁，共17頁?？煽啃?、安全性較低：很多人面孔之間差別非常微妙（雙胞胎）總結人臉識別的缺陷第十三頁，共17頁?？偨Y人臉識別的缺陷第十四頁，共17頁。圖像的設置過程決定了人臉圖像識別系統(tǒng)必須面對不同的光照條件、視角、距離變化等非常困難的視覺問題。這些成像因素都會極大影響人臉圖像的表現(xiàn)，從而使得識別性能不夠穩(wěn)定。總結人臉識別的缺陷圖像采集受各種外界影響很大，因此識別性能低第十五頁，共17頁?？偨Y人臉識別的用途出入控制

單位、公司、政府的考勤，海關用于門禁公共安全協(xié)助公安破案，如幫助公安機關進行自動身份識別、在機場、車站、碼頭等地用于可疑分子跟蹤信息安全利用人臉識別技術可以加強局域網(wǎng)和廣域網(wǎng)的安全性，并且可以解除必須記錄各復雜用戶名、密碼的煩惱人機交互人臉識別還可以應用于虛