人脸识别 2016.ppt

人脸识别人脸识别识别，2016.5，2，报告内容，人脸识别意义人脸识别过程人脸识别技术人脸识别库，人脸识别是比虹膜、指纹识别准确性低的活动研究领域，非侵害性和用户自然直观的方法，人脸识别是人类生物认证技术的一种。首先，我们来谈谈人体生物识别技术。人类生物的生物学特征包括生理特征和行为特征。人体的生理特征主要是面部、指纹、手掌、虹膜、视网膜、静脉、DNA、颅骨等，这些特征是天生的；行为特性包括后天的生活环境和生活习惯决定的城门、签名、步态、耳朵、按钮节奏、身体气味等。这些生物学特性本身的独特特性决定了生物认证中所扮演的角色。表1简要比较了各种生物认证技术。生物识别：面部，面部打开图，指纹，手，手血管分布，虹膜，视网膜，签名，语音，6，生物识别评价，普遍性Universality唯一性Uniqueness持久性Permanence该计划目前在美国、欧盟、澳大利亚、日本、韩国、南非等国家通过，从2004年底开始实施。人脸识别过程，12，人脸识别过程，登记过程识别过程一对一验证过程一对多识别过程，13，登记过程，14，一对一验证过程，15，一对多识别过程，自动人脸识别系统，所谓的自动人脸识别系统，无需人的干预即可自动获取人脸图像并识别其身份的系统自动人脸识别系统有时，面部识别子系统所做的工作、面部识别技术、(1)面部检测(FaceDetection)面部检测(FaceDetection)是指在输入图像中确定所有面部(如果有的话)的位置、大小和姿势的过程，面部检测是自动面部识别系统的关键环节。 (2)人脸识别人脸识别分为两类。一个是回答关于我是谁的问题。也就是说，识别，另一个人是我吗？验证(Verification)。用于标识模式的标识系统必须比Identification模式的识别系统运行得快。根据人脸自动识别技术的理论，人脸检测和人脸识别都是模式识别问题。人脸检测是将每个人的脸作为一种模式，非人的脸作为另一种模式，人脸检测过程是将脸模式与非人的脸模式区分开来。人脸识别是将每个人的脸当作一种模式来处理，不同人的脸属于不同的模式类，人脸识别过程是将别人的脸归于各自的模式。也就是说，面部检测强调了面部之间的共性，而面部识别必须区分属于模式分类问题的不同面部之间的差异。、面部检测、面部检测技术特征提取、面部检测技术分类器、面部检测-特征提取、面部检测-积分图像、区域d的像素和4 1-(2 3)、面部检测-分类器、面部检测-弱分类器、面部检测-分类器、面部检测-分类器照明(4)从2008年开始，不受约束的图像测量学习深度学习，主成分分析(Pca)Pca是将分散在一系列变量中的信息集中到特定综合指标(主成分)的数学方法，实际上是起到缩小数据维度作用的人脸识别基准技术，并使维度缩小过程中原始数据的差异最大化。 这对于最大化类之间的差异(即不同人的差异)和最小化类之间的差异(即同一人的不同图像之间的差异)非常有效。固有脸-很难直接计算PCA、the database、固有脸-PCA、固有脸-PCA、Cov的特征值和固有向量。m值选择可以通过奇异值分解间接得到矩阵。独特的脸-PCA、独特的脸方法、独特的特征方法、使用PCA的局部特征(眼睛、鼻子、嘴等)，即独特的特征方法、r.brunellit.p oggio，TP ami93特征脸vs .特征特征，特征脸是全局特征，特征特征特征是局部特征，每个优点，标识图像，特征脸识别结果，特征识别结果，A.Pentlandetal .CVPR94，特征脸对特征，问题3354应使用什么功能-眼睛？鼻子？嘴？)特征的确切位置是哪里？在哪里计算雪？)将这两者结合起来可以获得更好的识别效果。实际上，这相当于为一些重要特征创建了自己的空间，然后合并了多个唯一空间。嘴的部分受表情的影响很大