人脸识别全面要点

1、人脸识别人脸识别全面要点第1页目 录一、人脸识别技术概述二、研究背景及意义三、人脸识别过程 1、图像与处理工作 2、人脸识别两个技术步骤四、人脸识别中关键问题五、总结人脸识别全面要点第2页一、人脸识别技术概述作为生物特征识别领域中一个基于生理特征识别技术，人脸识别技术是经过有摄像头终端设备拍摄人行为图像，经过人脸检测算法，从原始行为图像中得到人脸区域，用特征提取算法提取人脸特征，并依据这些特征确认身份一个技术。人脸识别全面要点第3页二、研究背景及意义伴随社会发展,对一些如：机场安检、银行、军事基地等安全性要求较高场所，能够实现快速有效自动身份验证要求日益迫切。因为生物特征是人内在属性,含有很强

2、本身稳定性和个体差异性,所以是身份验证最理想依据。不过人脸识别优势表达在哪里呢？人脸识别全面要点第4页人脸识别全面要点第5页从表1 中，我们能够看出指纹和虹膜生物特征识别技术各个方面都比很好，与指纹、虹膜相比，它们稳定性包含性能都比很好，但指纹、虹膜识别技术需要被识别者在设备前停留、触摸，而人脸识别只要人经过摄像头，摄像头就会将人脸拍摄下来，这种识别方式适合在公共场所、尤其是人群聚集处使用。与传统身份判定伎俩相比，基于人脸生物特征信息身份判定技术含有以下优点： 用户易接收：简单易用，对用户无特殊要求。 防伪性能好：不易伪造或被盗。 “随身携带”：不用担心遗漏或丢失，随时随地可用。人脸识别全面要

3、点第6页另外，人脸识别还有精度较高等优点。鉴于人脸识别技术在个人身份判定方面众多优点，这项技术能够在很多领域得到应用：视频监视系统： 比如在机场、体育场等公共场所对人群进行监视，以到达身份识别目标。人脸识别全面要点第7页公安刑侦破案： 经过查询人像数据寻找数据库中是否存在重点人口基本信息。比如在机场或车站安装系统以抓捕在逃案犯。加强交通管制；确认身份证、护照等证件真伪；验证各类信用卡持卡人身份。人脸识别全面要点第8页门禁系统： 受安全保护地域能够经过人脸识别辨识试图进入者身份，高档小区门禁系统以及家庭安保系统。人脸识别全面要点第9页网络应用：利用人脸识别系统确认信用卡网络支付，以预防盗用信用卡

4、等。人脸识别全面要点第10页三、人脸识别过程人脸识别全面要点第11页光线赔偿 光照改变主要表现为强度改变和角度改变。光照强度改变会造成极端光照情况出现(如暗光、高光等现象出现)；而光照角度改变会产生不一样程度表面明暗区，光照暗区会遮盖人脸本身纹理信息。这两种光照改变都会对人脸图像整体灰度分布、对人脸图像边缘信息和人脸彩色图像色度空间产生很大影响。1、图像预处理工作人脸识别全面要点第12页灰度改变人脸图像灰度分布是基于灰度图像进行人脸识别主要信息依据。不一样光照条件下所取得同一人脸两幅图像能够说是完全不一样两幅图像，这两幅图像之间灰度分布差异有可能大于不一样人脸之间灰度分布差异，因而可能会造成识

5、别率下降 。人脸识别全面要点第13页平滑处理人脸图像边缘也是人脸识别中主要信息，它是基于局部特征人脸检测与识别方法主要依据。基于局部特征人脸检测和识别方法是依赖于眼睛、嘴等人脸器官几何结构特征提取，不过人脸图像边缘信息对光照反应很敏感。尤其是光照角度发生改变时，人脸表面纹理被阴影遮蔽，无法检测到较完整人脸边缘，从而造成识别错误 。人脸识别全面要点第14页直方图均衡 直方图均衡化处理主要思想是把原始图像灰度直方图从某个比较集中灰度区间映射到全部灰度范围内均匀分布。简单来说，直方图均衡化就是将图像非线性拉伸，重新分配图像像素值，使得一定灰度范围内像素数量基本相同。原始图像及原始直方图直方均衡化图像

6、及直方图人脸识别全面要点第15页2、人脸识别两个技术步骤人脸检测与定位特征提取与人脸识别图1 人脸识别关键技术人脸识别全面要点第16页人脸检测与定位人脸识别第一步就是要从原始图像提取我们感兴趣区域。现在我们获取原始图像渠道主要有，导入原始图像或者从视频流中获取。人脸识别全面要点第17页惯用人脸检测方法基于统计人脸检测方法(1)事例学习：将人脸检测视为区分非人脸样本与人脸样本两类模式分类问题,经过对人脸样本集和非人脸样本集进行学习以产生分类器. 当前国际上普遍采取人工神经网络。(2)子空间方法：在人脸识别中利用是主元子空间(特征脸) ,而人脸检测利用是次元子空间(特征脸空间补空间)。用待检测区域

7、在次元子空间上投影能量,也即待检测区域到特征脸子空间距离做为检测统计量,距离越小,表明越像人脸。子空间方法特点在于简便易行,但因为没有利用反例样本信息,对与人脸类似物体区分能力不足。(3)空间匹配滤波器方法：包含各种模板匹配方法、合成区分函数方法等。人脸识别全面要点第18页基于知识建模人脸检测方法(1)器官分布规则:即使人脸在外观上改变很大,但遵照一些几乎是普遍适用规则,如五官空间位置分布大致符合“三庭五眼”等。(2)轮廓规则:人脸轮廓能够简单地看成一个近似椭圆,而人脸检测能够经过椭圆检测来完成。(3)颜色、纹理规则:同民族人面部肤色在颜色空间中分布相对比较集中,颜色信息在一定程度上能够将人脸

8、同大部分背景区分开来。(4)运动规则:通常相对背景人总是在运动,利用运动信息能够简单有效将人从任意复杂背景中分割出来。其中包含利用眨眼、说话等方法活体人脸检测方法。(5)对称性:人脸含有一定轴对称性,各器官也含有一定对称性。人脸识别全面要点第19页人脸检测算法Adaboost是一个迭代算法，其关键思想是针对同一个训练集训练不一样分类器(弱分类器)，然后把这些弱分类器集合起来，组成一个更强最终分类器(强分类器)。其算法本身是经过改变数据分布来实现，它依据每次训练集之中每个样本分类是否正确，以及上次总体分类准确率，来确定每个样本权值。将修改过权值新数据集送给下层分类器进行训练，最终将每次训练得到分

9、类器最终融合起来，作为最终决议分类器。每个Haar特征对应着一个弱分类器，但并不是任何一个Haar特征都能很好描述人脸灰度分布某一特点，怎样从大量Haar特征中挑选出最优Haar特征并制作成份类器用于人脸检测，这是Adaboost算法训练过程所要处理关键问题。 人脸识别全面要点第20页人脸特征提取与识别方法基于几何特征方法人脸由眼睛、鼻子、嘴巴、下巴等部件组成,正因为这些部件形状、大小和结构上各种差异才使得世界上每个人脸千差万别,所以对这些部件形状和结构关系几何描述,能够做为人脸识别主要特征.人脸识别全面要点第21页 基于特征脸方法它依据一组人脸训练图像结构主元子空间,因为主元含有脸形状,也称

10、为特征脸。识别时将测试图像投影到主元子空间上,得到一组投影系数,和各个已知人人脸图像比较进行识别。特征脸方法是一个简单、快速、实用基于变换系数特征算法,但因为它在本质上依赖于训练集和测试集图像灰度相关性,而且要求测试图像与训练集比较像,所以它有着很大不足。人脸识别全面要点第22页局部特征方法主元子空间表示是紧凑,特征维数大大降低,但它是非局部化,其核函数支集扩展在整个坐标空间中,同时它是非拓扑,某个轴投影后临近点与原图像空间中点临近性没有任何关系,而局部性和拓扑性对模式分析和分割是理想特征,似乎这更符合神经信息处理机制,所以寻找含有这种特征表示十分主要.这种方法组成FaceIt人脸识别软件基础

11、。人脸识别全面要点第23页基于弹性模型方法弹性匹配方法思想是将人脸上一些特征点作为基准点组成弹性图，每个基准点存放一串含有代表性特征矢量，采取分级结构弹性图，去除一些冗余节点，形成稀疏人脸描述结构。经过测试样本和特征样本弹性匹配来完成识别。不过，基于弹性图匹配识别系统主要缺点是对每个存放人脸需要计算其模型图，所以计算复杂，存放量大。人脸识别全面要点第24页神经网络方法人工神经网络(ANN)方法是把模式统计特征隐含在网络结构和参数之中。对于人脸这类复杂、难以显示描述模式，基于ANN方法含有独特优势。人工神经网络是由多个神经元按照一定排列次序组成，是一个非线性动力学系统，其特色是信息分布式存放和并

12、行协同处理。神经网络方法在人脸识别上应用比起前述几类方法来有一定优势,因为对人脸识别许多规律或规则进行显性描述是相当困难,而神经网络方法则能够经过学习过程取得对这些规律和规则隐性表示,它适应性更强,普通也比较轻易实现.人脸识别全面要点第25页支持向量机(SVW)方法近年来，支持向量机是统计模式识别领域一个新热点，支持向量机主要处理是一个两分类问题，它基本思想是试图把一个低维线性不可分问题转化成一个高维线性可分问题。试验结果表明支持向量机有很好识别率。人脸识别全面要点第26页人脸特征提取算法SIFT算法是一个图像特征提取与匹配算法。SIFT算法能够处理两幅图像之间发生平移、旋转、尺度改变、光照改

13、变情况下特征匹配问题，并能在一定程度上对视角改变、仿射改变也具备较为稳定特征匹配能力。SIFT算法首先在尺度空间进行特征检测，并确定关键点位置和关键点所处尺度，然后使用关键点邻域梯度主方向作为该点方向特征，以实现算子对尺度和方向无关性。人脸识别全面要点第27页SIFT算法提取SIFT特征向量含有以下特征： a) SIFT特征是图像局部特征，其对旋转、尺度缩放、亮度改变保持不变性，对视角改变、仿射变换、噪声也保持一定程度稳定性。 b) 独特征好，信息量丰富，适合用于在海量特征数据库中进行快速、准确匹配。 c) 多量性，即使少数几个物体也能够产生大量SIFT特征向量。 d) 高速性，经优化SIFT

14、匹配算法甚至能够到达实时要求。 e) 可扩展性，能够很方便与其它形式特征向量进行联合。人脸识别全面要点第28页四、人脸识别中关键问题光照 需要建立光照模型，检测与定位轻易受干扰。姿态预计与匹配 三维重建； 二维图像生成。事变特征提取与消除 持久性差； 特殊人群，比如双胞胎； 建立人脸年纪衰老模型，最大程度消除年纪改变影响。人脸识别全面要点第29页五、总 结人脸检测与定位:因为人脸模式多样性和图像获取过程中不确定性,人脸在图像空间中分布非常复杂,建立人脸在高维图像空间中准确分布模型是一件非常困难事。 建立一个统计可靠预计不但需要大量正例样本,而且需要充分多数量有效反例样本。当前研究一个趋势是反例样本产生和利用问题,这也是最终提升人脸检测正确率必定道路。依据详细应用需要,对检测环境进行合理假定(比如运动、颜色等),从而简化问题,提升系统实用性能也是一条切实可行路径。不难预见,知识与统计方法综合应用,是处理实际问题所必须。人脸识别全面要点第30页特征提取与识别:与刚体不一样,人脸