計(jì)算機(jī)視覺(jué)應(yīng)用開(kāi)發(fā)課件：人臉識(shí)別

人臉識(shí)別人臉識(shí)別的發(fā)展歷程01任務(wù)人臉識(shí)別的行業(yè)前景02任務(wù)人臉識(shí)別的常用方法03任務(wù)學(xué)習(xí)目標(biāo)了解人臉識(shí)別的發(fā)展歷程和行業(yè)前景掌握人臉識(shí)別的常見(jiàn)方法1人臉識(shí)別的發(fā)展歷程1人臉識(shí)別的發(fā)展歷程人臉識(shí)別，是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。人臉識(shí)別屬于目標(biāo)檢測(cè)的一個(gè)擴(kuò)展分支，它不僅僅需要檢測(cè)出人臉的位置，還需要對(duì)人臉進(jìn)行識(shí)別出真實(shí)身份。人臉識(shí)別技術(shù)的發(fā)展大致經(jīng)歷了三個(gè)階段：早期研究階段，蓬勃發(fā)展階段，實(shí)際應(yīng)用階段。早期研究階段：在此期間人臉識(shí)別的研究?jī)H被當(dāng)作為一個(gè)簡(jiǎn)單的模式識(shí)別問(wèn)題，主要是基于人臉本身的集合特征來(lái)實(shí)現(xiàn)識(shí)別，包括眼睛，鼻子，耳朵，下巴，額頭等具體人臉圖像的視覺(jué)特征之間的幾何聯(lián)系，并使用計(jì)算機(jī)來(lái)建立較高質(zhì)量的人臉灰度圖像模型。1人臉識(shí)別的發(fā)展歷程蓬勃發(fā)展階段：人臉識(shí)別技術(shù)的蓬勃發(fā)展主要出現(xiàn)在上世紀(jì)的90年代，在此期間人臉識(shí)別的研究成果非常豐碩，特別是在識(shí)別算法以及人臉數(shù)據(jù)庫(kù)資源上。主要表現(xiàn)如下：一是誕生了非常著名的“特征臉”人臉識(shí)別方法；二是采用了更具代表性的一些人臉識(shí)別先進(jìn)算法，特別是深度學(xué)習(xí)的推波助瀾；三是建立了龐大的人臉識(shí)別數(shù)據(jù)庫(kù)資源。實(shí)際應(yīng)用階段：隨著人臉識(shí)別技術(shù)的不斷成熟，除了可以應(yīng)用在門禁考勤、安防、金融之外，還可以應(yīng)用在其他的場(chǎng)景，例如商業(yè)、運(yùn)動(dòng)、教育等應(yīng)用前景廣泛。2人臉識(shí)別的行業(yè)前景人臉識(shí)別的行業(yè)前景人臉識(shí)別行業(yè)前景將會(huì)呈現(xiàn)以下發(fā)展趨勢(shì)：（1）人臉識(shí)別應(yīng)用的最廣泛領(lǐng)域便是安防行業(yè)，作為安防市場(chǎng)未來(lái)的發(fā)展方向的智能視頻分析，其中最重要的技術(shù)就是人臉識(shí)別。（2）我國(guó)的三維測(cè)量技術(shù)近年來(lái)發(fā)展形勢(shì)較好，此外對(duì)于其中的傳統(tǒng)難點(diǎn)，包括人臉旋轉(zhuǎn)、遮擋、相似度等在內(nèi)的都有了很好的應(yīng)對(duì)，這也成為了人臉識(shí)別技術(shù)的另一個(gè)最為重要的發(fā)展路線之一。（3）大數(shù)據(jù)深度學(xué)習(xí)進(jìn)一步提升了人臉識(shí)別的精確度，這也為2D人臉識(shí)別的應(yīng)用作了一定的突破，將其應(yīng)用于互聯(lián)網(wǎng)金融行業(yè)當(dāng)中，能夠快速普及金融類應(yīng)用。（4）人臉識(shí)別技術(shù)由于其便利性、安全性，可在智能家居中用作門禁系統(tǒng)以及鑒權(quán)系統(tǒng)，因此智能家居與人臉識(shí)別技術(shù)的融合是未來(lái)發(fā)展的重點(diǎn)方向。（5）人臉識(shí)別技術(shù)是未來(lái)基于大數(shù)據(jù)領(lǐng)域的重要發(fā)展方向。23人臉識(shí)別的常見(jiàn)方法人臉識(shí)別的常見(jiàn)方法人臉識(shí)別的常見(jiàn)方法有：基于特征臉的方法特征臉的方法，它是一種比較經(jīng)典而又應(yīng)用比較廣的人臉識(shí)別方法，其主要原理是把圖像做降維算法，使得數(shù)據(jù)的處理更容易，同時(shí)，速度又可以做的比較快。特征臉的人臉識(shí)別方法，實(shí)際上是將圖像做K-L變換，把一個(gè)高維的向量轉(zhuǎn)化為低維的向量，從而消除每個(gè)分量存在的關(guān)聯(lián)性，使得變換得到的圖像與之對(duì)應(yīng)特征值遞減。在圖像經(jīng)過(guò)K-L變換后，其具有很好的位移不變性和穩(wěn)定性。所以，特征臉的人臉識(shí)別方法具有方便實(shí)現(xiàn)，并且可以做到速度更快，以及對(duì)正面人臉圖像的識(shí)別率高等優(yōu)點(diǎn)。但是，該方法也具有不足的地方，就是比較容易受人臉表情、姿態(tài)和光照改變等因素的影響，從而導(dǎo)致識(shí)別率低的情況。3人臉識(shí)別的常見(jiàn)方法2.基于幾何特征的方法基于幾何特征的識(shí)別方法，它是根據(jù)人臉面部器官的特征及其幾何形狀進(jìn)行的一種人臉識(shí)別方法，是人們最早研究及使用的識(shí)別方法。它主要是采用不同人臉的不同特征等信息進(jìn)行匹配識(shí)別，這種算法具有較快的識(shí)別速度，同時(shí)，其占用的內(nèi)存也比較小，但是，其識(shí)別率也并不算高。其流程大體如下：首先對(duì)人臉面部的各個(gè)特征點(diǎn)及其位置進(jìn)行檢測(cè)，如鼻子、嘴巴和眼睛等位置，然后計(jì)算這些特征之間的距離，得到可以表達(dá)每個(gè)特征臉的矢量特征信息，例如眼睛的位置，眉毛的長(zhǎng)度等，其次還計(jì)算每個(gè)特征與之相對(duì)應(yīng)關(guān)系，與人臉數(shù)據(jù)庫(kù)中已知人臉對(duì)應(yīng)特征信息來(lái)做比較，最后得出更佳的匹配人臉?；趲缀翁卣鞯姆椒ǚ先藗儗?duì)人臉特征的認(rèn)識(shí)，另外，每幅人臉只存儲(chǔ)一個(gè)特征，所以占用的空間比較小。同時(shí)，這種方法對(duì)光照引起的變化并不會(huì)降低其識(shí)別率，而且特征模板的匹配和識(shí)別率比較高。但是，基于幾何特征的方法也存在著魯棒性不好，一旦表情和姿態(tài)稍微變化，識(shí)別效果將大打折扣。3人臉識(shí)別的常見(jiàn)方法3.基于神經(jīng)網(wǎng)絡(luò)的方法將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于圖像識(shí)別中已經(jīng)有比較久的時(shí)間了，如BP神經(jīng)網(wǎng)絡(luò)等，它是模仿人類大腦活動(dòng)方式去實(shí)現(xiàn)的。目前，比較有代表性的神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)的方法主要有混合型神經(jīng)網(wǎng)絡(luò)、主元神經(jīng)網(wǎng)，以及卷積神經(jīng)網(wǎng)絡(luò)等方法。神經(jīng)網(wǎng)絡(luò)的方法在目前來(lái)說(shuō)，可以做到相對(duì)比較高的識(shí)別率，當(dāng)然，其也存在著網(wǎng)絡(luò)訓(xùn)練時(shí)間長(zhǎng)，以及難以收斂等問(wèn)題。4.基于支持向量機(jī)的方法將支持向量機(jī)(SVM)的方法應(yīng)用到人臉識(shí)別中，其起源于統(tǒng)計(jì)學(xué)理論，它研究的方向是如何構(gòu)造有效的學(xué)習(xí)機(jī)器，并用來(lái)解決模式的分類問(wèn)題。其特點(diǎn)是將圖像變換空間，在其他空間做分類。支持向量機(jī)