基于計算機視覺的人臉檢測與識別課件

基于計算機視覺的人臉檢測與識別指導老師：黃玉波學生：劉燦銘基于計算機視覺的人臉檢測與識別指導老師：黃玉波一對于人臉檢測與識別的綜述（一）關(guān)于人臉檢測與識別的發(fā)展第一階段（1964年~1990年）這一階段人臉識別通常只是作為一個一般性的模式識別問題來研究，所采用的主要技術(shù)方案是基于人臉幾何結(jié)構(gòu)特征（Geometricfeaturebased）的方法?？傮w而言，這一階段是人臉識別研究的初級階段，非常重要的成果不是很多，也基本沒有獲得實際應(yīng)用。第二階段（1991年~1997年）這一階段盡管時間相對短暫，但卻是人臉識別研究的熱潮期，可謂碩果累累：不但誕生了若干代表性的人臉識別算法，美國軍方還組織了著名的FERET人臉識別算法測試，并出現(xiàn)了若干商業(yè)化運作的人臉識別系統(tǒng)，比如最為著名的Visionics（現(xiàn)為Identix）的FaceIt系統(tǒng)。以及美國麻省理工學院（MIT）媒體實驗室的特克（Turk）和潘特（Pentland）提出的“特征臉”方法也成為這一時期最負盛名的人臉識別方法。第三階段（1998年~現(xiàn)在）之前的人臉識別算法評估表明：主流的人臉識別技術(shù)對光照、姿態(tài)等由于非理想采集條件或者對象不配合造成的變化魯棒性比較差。因此，光照、姿態(tài)問題逐漸成為研究熱點。一對于人臉檢測與識別的綜述（一）關(guān)于人臉檢測與識別的發(fā)展（二）關(guān)于人臉檢測識別的主要流程

人臉檢測與識別系統(tǒng)的基本實現(xiàn)思想通過賦予計算機的“眼睛”(如攝像機、數(shù)碼相機等)“觀察”到的“影像”——人臉，從中提取有效個體特征來鑒別身份的能力。人臉檢測與識別可分為人臉檢測、人臉特征提取和人臉識別三個階段，整個流程如圖1所示，即對像集中的圖像逐幅進行檢測，判斷其中是否存在人臉，如果人臉存在，則對其進行精確定位，并進行人臉識別，通過特征提取，獲得人臉信息，進行身份驗證。（二）關(guān)于人臉檢測識別的主要流程（三）關(guān)于人臉檢測識別的應(yīng)用

隨著技術(shù)的進一步成熟和社會認同度的提高，人臉識別技術(shù)將應(yīng)用在更多的領(lǐng)域。1、企業(yè)、住宅安全和管理。如人臉識別門禁考勤系統(tǒng)，人臉識別防盜門等。2、電子護照及身份證。這或許是未來規(guī)模最大的應(yīng)用，國際民航組織(ICAO)

已確定，從2010年起，其118個成員國家和地區(qū)，必須使用機讀護照，人臉識

別技術(shù)是首推識別模式，該規(guī)定已經(jīng)成

為國際標準。中國的電子護照計劃公安部一所正在加緊規(guī)劃和實施。3、公安、司法和刑偵。如利用人臉識別系統(tǒng)和網(wǎng)絡(luò)，在全國范圍內(nèi)搜捕逃

犯。4、自助服務(wù)。如銀行的自動提款機，如果用戶卡片和密碼被盜，就會被他人冒取現(xiàn)金。如果同時應(yīng)用人臉識別就會避免這種情況的發(fā)生。5、信息安全。（三）關(guān)于人臉檢測識別的應(yīng)用人臉識別應(yīng)用于出入境人臉識別應(yīng)用于公安司法人臉識別應(yīng)用于出入境人臉識別應(yīng)用于公安司法二人臉檢測（一）人臉的檢測定義任意給定一個圖像或者一組圖像序列，人臉檢測的目的就在于判定圖或圖像序列中是否存在人臉。二人臉檢測（一）人臉的檢測定義（二）人臉檢測的方法這些特征中哪些是有用的，如何利用這些特征，是人臉檢測要研究的關(guān)鍵問題。（二）人臉檢測的方法1.基于鑲嵌圖(馬賽克)的人臉檢測方法該方法是將人臉的五官區(qū)域分別劃分成不同解析度的馬賽克塊，應(yīng)用一組規(guī)則進行檢測，并且利用邊緣特征進一步驗證。低解析度圖像中的每個單元格的灰度是原圖像中相應(yīng)格內(nèi)的像素灰度均值。1.基于鑲嵌圖(馬賽克)的人臉檢測方法具體的來說是利用分層的策略進行人臉檢測，系統(tǒng)共分為3層。（1）最高層用來檢測人臉的規(guī)則規(guī)定了人臉的整體灰度特點。（2）第二層再上一層檢測基礎(chǔ)上繼續(xù)進一步檢測，所用的規(guī)則基于更詳細的判斷。（3）第三層在上一層檢測的人臉候選區(qū)域進行直方圖均勻化，然后進行眼睛和嘴唇的邊界檢測，如果被檢測出的結(jié)果符合眼睛和嘴唇的特征，那么一張人臉就被確定出來。具體的來說是利用分層的策略進行人臉檢測，系統(tǒng)共分為3層。2.基于模板的人臉檢測方法3.基于直方圖粗分割和奇異值特征的人臉檢測4.基于局部特征的人臉檢測方法5.基于小波的人臉檢測方法6.基于杠桿訓練機的方法.....2.基于模板的人臉檢測方法三人臉識別基于形態(tài)學商圖像的方法

數(shù)學形態(tài)學是由一組形態(tài)學的代數(shù)運算子組成的，它的基本運算有4個：膨脹（或擴張）、腐蝕（或侵蝕）、開啟和閉合，它們在二值圖像和灰度圖像中各有特點。基于這些基本運算還可推導和組合成各種數(shù)學形態(tài)學實用算法，用它們可以進行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分割、特征抽取、邊緣檢測、圖像濾波、圖像增強和恢復等。數(shù)學形態(tài)學方法利用一個稱作結(jié)構(gòu)元素的“探針”收集圖像的信息，當探針在圖像中不斷移動時，便可考察圖像各個部分之間的相互關(guān)系，從而了解圖像的結(jié)構(gòu)特征。數(shù)學形態(tài)學基于探測的思想，與人的FOA(FocusOfAttention)的視覺特點有類似之處。作為探針的結(jié)構(gòu)元素，可直接攜帶知識（形態(tài)、大小、甚至加入灰度和色度信息）來探測、研究圖像的結(jié)構(gòu)特點。形態(tài)學商圖像的方法是建立在如下模型基礎(chǔ)上的：I(i,j)=R(i,j)L(i,j)三人臉識別基于形態(tài)學商圖像的方法I(i,j)=R(i,j)L(i,j)注：I灰度，R反射率，L光照估計Lambertian反射模型:問題就是如何從輸入的人臉圖像中估計光照分量L，然后就可以通過相除的操作來獲得R，即與光照無關(guān)的人臉本質(zhì)特征。I(i,j)=R(i,j)L(i,j形態(tài)學的閉運算來估計光照（1）人臉的本質(zhì)特征，如眉毛眼睛嘴巴鼻子等的形狀邊緣以及相對位置等，通常是小尺度特征的形式表現(xiàn)。相比之下，光照強度的變化，包括陰影區(qū)域，通常是大尺度模式。因此，從一幅人臉圖像中估計光照就相當于將大尺度特征和小尺度特征分離開來。（2）閉運算對不同尺度的模式很敏感，而且基于形態(tài)學的多尺度圖像分割的關(guān)鍵就是選取合適大小的結(jié)構(gòu)元素。那些尺度比結(jié)構(gòu)小的模式會被去除，而尺度比結(jié)構(gòu)元素大的模式則被保留。（3）人臉的關(guān)鍵信息如眉毛眼睛鼻子嘴巴等通常比周圍的區(qū)域暗，也就是是說其信息是以谷的形式存在。而閉運算就是處理谷的信息。去除一些暗的細節(jié)，使得處理后的圖像變得明亮。（4）這里的結(jié)構(gòu)元素包括其形狀和大小。（5）一方面，如果結(jié)構(gòu)元素過大，利用此結(jié)構(gòu)元素的閉運算進行的光照估計效果會變差，會誤用外界信息，特別是陰暗區(qū)。另一方面，如果結(jié)構(gòu)元素太小，它會損失一些臉部的關(guān)鍵信息。所以要選取合適的結(jié)構(gòu)元素。形態(tài)學的閉運算來估計光照動態(tài)結(jié)構(gòu)元素的策略動態(tài)結(jié)構(gòu)元素的策略所得商圖像的結(jié)果R(i,j)=I(i,j)/L(i,j)實際上這樣的步驟得到商圖像已經(jīng)很好了，但是為了是算更優(yōu)之前可以加上兩個步驟所得商圖像的結(jié)果1.之前對I(i,j)選取對數(shù)域I(i,j)=log(I(i,j))2.對I進行預處理

1.之前對I(i,j)選取對數(shù)域處理前明區(qū)與暗區(qū)灰度值波動示意圖處理后明區(qū)與暗區(qū)灰度值波動示意圖處理前明區(qū)與暗區(qū)灰度值波動示意圖處理后明區(qū)與暗區(qū)灰度值波動示我們在識別過程中首先做的就是，選取注冊圖像和測試圖像，對注冊圖像應(yīng)用對數(shù)域的形態(tài)學商圖像方法進項處理，并將處理的的結(jié)果保存為模板，對測試圖像進行相同的處理，然后根據(jù)最近鄰準則決定該測試圖像的類別。兩幅圖像的距離測度采用的是歸一化的相關(guān)性，也就是兩個矢量之間的夾角的