計算機視覺應(yīng)用開發(fā)課件：人臉識別

人臉識別人臉識別的發(fā)展歷程01任務(wù)人臉識別的行業(yè)前景02任務(wù)人臉識別的常用方法03任務(wù)學(xué)習(xí)目標了解人臉識別的發(fā)展歷程和行業(yè)前景掌握人臉識別的常見方法1人臉識別的發(fā)展歷程1人臉識別的發(fā)展歷程人臉識別，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(shù)。人臉識別屬于目標檢測的一個擴展分支，它不僅僅需要檢測出人臉的位置，還需要對人臉進行識別出真實身份。人臉識別技術(shù)的發(fā)展大致經(jīng)歷了三個階段：早期研究階段，蓬勃發(fā)展階段，實際應(yīng)用階段。早期研究階段：在此期間人臉識別的研究僅被當作為一個簡單的模式識別問題，主要是基于人臉本身的集合特征來實現(xiàn)識別，包括眼睛，鼻子，耳朵，下巴，額頭等具體人臉圖像的視覺特征之間的幾何聯(lián)系，并使用計算機來建立較高質(zhì)量的人臉灰度圖像模型。1人臉識別的發(fā)展歷程蓬勃發(fā)展階段：人臉識別技術(shù)的蓬勃發(fā)展主要出現(xiàn)在上世紀的90年代，在此期間人臉識別的研究成果非常豐碩，特別是在識別算法以及人臉數(shù)據(jù)庫資源上。主要表現(xiàn)如下：一是誕生了非常著名的“特征臉”人臉識別方法；二是采用了更具代表性的一些人臉識別先進算法，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別數(shù)據(jù)庫資源。實際應(yīng)用階段：隨著人臉識別技術(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)用在其他的場景，例如商業(yè)、運動、教育等應(yīng)用前景廣泛。2人臉識別的行業(yè)前景人臉識別的行業(yè)前景人臉識別行業(yè)前景將會呈現(xiàn)以下發(fā)展趨勢：（1）人臉識別應(yīng)用的最廣泛領(lǐng)域便是安防行業(yè)，作為安防市場未來的發(fā)展方向的智能視頻分析，其中最重要的技術(shù)就是人臉識別。（2）我國的三維測量技術(shù)近年來發(fā)展形勢較好，此外對于其中的傳統(tǒng)難點，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，這也成為了人臉識別技術(shù)的另一個最為重要的發(fā)展路線之一。（3）大數(shù)據(jù)深度學(xué)習(xí)進一步提升了人臉識別的精確度，這也為2D人臉識別的應(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)當中，能夠快速普及金融類應(yīng)用。（4）人臉識別技術(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別技術(shù)的融合是未來發(fā)展的重點方向。（5）人臉識別技術(shù)是未來基于大數(shù)據(jù)領(lǐng)域的重要發(fā)展方向。23人臉識別的常見方法人臉識別的常見方法人臉識別的常見方法有：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，速度又可以做的比較快。特征臉的人臉識別方法，實際上是將圖像做K-L變換，把一個高維的向量轉(zhuǎn)化為低維的向量，從而消除每個分量存在的關(guān)聯(lián)性，使得變換得到的圖像與之對應(yīng)特征值遞減。在圖像經(jīng)過K-L變換后，其具有很好的位移不變性和穩(wěn)定性。所以，特征臉的人臉識別方法具有方便實現(xiàn)，并且可以做到速度更快，以及對正面人臉圖像的識別率高等優(yōu)點。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)致識別率低的情況。3人臉識別的常見方法2.基于幾何特征的方法基于幾何特征的識別方法，它是根據(jù)人臉面部器官的特征及其幾何形狀進行的一種人臉識別方法，是人們最早研究及使用的識別方法。它主要是采用不同人臉的不同特征等信息進行匹配識別，這種算法具有較快的識別速度，同時，其占用的內(nèi)存也比較小，但是，其識別率也并不算高。其流程大體如下：首先對人臉面部的各個特征點及其位置進行檢測，如鼻子、嘴巴和眼睛等位置，然后計算這些特征之間的距離，得到可以表達每個特征臉的矢量特征信息，例如眼睛的位置，眉毛的長度等，其次還計算每個特征與之相對應(yīng)關(guān)系，與人臉數(shù)據(jù)庫中已知人臉對應(yīng)特征信息來做比較，最后得出更佳的匹配人臉?；趲缀翁卣鞯姆椒ǚ先藗儗θ四樚卣鞯恼J識，另外，每幅人臉只存儲一個特征，所以占用的空間比較小。同時，這種方法對光照引起的變化并不會降低其識別率，而且特征模板的匹配和識別率比較高。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，識別效果將大打折扣。3人臉識別的常見方法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)用于圖像識別中已經(jīng)有比較久的時間了，如BP神經(jīng)網(wǎng)絡(luò)等，它是模仿人類大腦活動方式去實現(xiàn)的。目前，比較有代表性的神經(jīng)網(wǎng)絡(luò)模型設(shè)計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)的方法在目前來說，可以做到相對比較高的識別率，當然，其也存在著網(wǎng)絡(luò)訓(xùn)練時間長，以及難以收斂等問題。4.基于支持向量機的方法將支持向量機(SVM)的方法應(yīng)用到人臉識別中，其起源于統(tǒng)計學(xué)理論，它研究的方向是如何構(gòu)造有效的學(xué)習(xí)機器，并用來解決模式的分類問題。其特點是將圖像變換空間，在其他空間做分類。支持向量機