人臉識別1可編輯課件PPT目錄一、人臉識別技術(shù)概述二、研究背景及意義三、人臉識別的過程

1、圖像與處理工作2、人臉識別的兩個(gè)技術(shù)環(huán)節(jié)四、人臉識別中的關(guān)鍵問題五、總結(jié)2可編輯課件PPT一、人臉識別技術(shù)概述作為生物特征識別領(lǐng)域中一種基于生理特征的識別技術(shù)，人臉識別技術(shù)是通過有攝像頭的終端設(shè)備拍攝人的行為圖像，通過人臉檢測算法，從原始的行為圖像中得到人臉區(qū)域，用特征提取算法提取人臉的特征，并根據(jù)這些特征確認(rèn)身份的一種技術(shù)。3可編輯課件PPT二、研究背景及意義隨著社會的發(fā)展,對一些如：機(jī)場安檢、銀行、軍事基地等安全性要求較高的場所，能夠?qū)崿F(xiàn)快速有效的自動身份驗(yàn)證的要求日益迫切。由于生物特征是人的內(nèi)在屬性,具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性,因此是身份驗(yàn)證的最理想依據(jù)。但是人臉識別的優(yōu)勢體現(xiàn)在哪里呢？4可編輯課件PPT5可編輯課件PPT從表1中，我們可以看出指紋和虹膜生物特征識別技術(shù)各個(gè)方面都比較好，與指紋、虹膜相比，它們的穩(wěn)定性包括性能都比較好，但指紋、虹膜識別技術(shù)需要被識別者在設(shè)備前停留、觸摸，而人臉識別只要人經(jīng)過攝像頭，攝像頭就會將人臉拍攝下來，這種識別方式適合在公共場合、特別是人群聚集處使用。與傳統(tǒng)的身份鑒定手段相比，基于人臉生物特征信息的身份鑒定技術(shù)具有以下優(yōu)點(diǎn)：①用戶易接受：簡單易用，對用戶無特殊要求。②防偽性能好：不易偽造或被盜。③“隨身攜帶”：不用擔(dān)心遺漏或丟失，隨時(shí)隨地可用。6可編輯課件PPT此外，人臉識別還有精度較高等優(yōu)點(diǎn)。鑒于人臉識別技術(shù)在個(gè)人身份鑒定方面的眾多優(yōu)點(diǎn)，這項(xiàng)技術(shù)可以在很多領(lǐng)域得到應(yīng)用：視頻監(jiān)視系統(tǒng)：例如在機(jī)場、體育場等公共場所對人群進(jìn)行監(jiān)視，以達(dá)到身份識別的目的。7可編輯課件PPT公安刑偵破案：通過查詢?nèi)讼駭?shù)據(jù)尋找數(shù)據(jù)庫中是否存在重點(diǎn)人口基本信息。例如在機(jī)場或車站安裝系統(tǒng)以抓捕在逃案犯。加強(qiáng)交通管制；確認(rèn)身份證、護(hù)照等證件的真?zhèn)?；?yàn)證各類信用卡的持卡人身份。8可編輯課件PPT門禁系統(tǒng)：受安全保護(hù)的地區(qū)可以通過人臉識別辨識試圖進(jìn)入者的身份，高檔小區(qū)的門禁系統(tǒng)以及家庭安保系統(tǒng)。9可編輯課件PPT網(wǎng)絡(luò)應(yīng)用：利用人臉識別系統(tǒng)確認(rèn)信用卡網(wǎng)絡(luò)支付，以防止盜用信用卡等。10可編輯課件PPT三、人臉識別的過程11可編輯課件PPT光線補(bǔ)償光照變化主要表現(xiàn)為強(qiáng)度變化和角度變化。光照強(qiáng)度變化會導(dǎo)致極端光照情況的出現(xiàn)(如暗光、高光等現(xiàn)象的出現(xiàn))；而光照角度變化會產(chǎn)生不同程度的表面明暗區(qū)，光照暗區(qū)會遮蓋人臉本身的紋理信息。這兩種光照變化都會對人臉圖像的整體灰度分布、對人臉圖像的邊緣信息和人臉的彩色圖像的色度空間產(chǎn)生很大的影響。1、圖像的預(yù)處理工作12可編輯課件PPT灰度變化人臉圖像的灰度分布是基于灰度圖像進(jìn)行人臉識別的主要信息依據(jù)。不同光照條件下所獲得的同一人臉的兩幅圖像可以說是完全不同的兩幅圖像，這兩幅圖像之間的灰度分布差異有可能大于不同人臉之間的灰度分布的差異，因而可能會導(dǎo)致識別率的下降。13可編輯課件PPT平滑處理人臉圖像邊緣也是人臉識別中的重要信息，它是基于局部特征的人臉檢測與識別方法的重要依據(jù)?；诰植刻卣鞯娜四槞z測和識別方法是依賴于眼睛、嘴等人臉器官的幾何結(jié)構(gòu)特征的提取，但是人臉圖像的邊緣信息對光照的反應(yīng)很敏感。特別是光照角度發(fā)生變化時(shí)，人臉表面紋理被陰影遮蔽，無法檢測到較完整的人臉邊緣，從而導(dǎo)致識別的錯(cuò)誤。14可編輯課件PPT直方圖均衡直方圖均衡化處理的主要思想是把原始圖像的灰度直方圖從某個(gè)比較集中的灰度區(qū)間映射到全部灰度范圍內(nèi)的均勻分布。簡單來說，直方圖均衡化就是將圖像非線性拉伸，重新分配圖像像素值，使得一定灰度范圍內(nèi)的像素?cái)?shù)量基本相同。原始圖像及原始直方圖直方均衡化的圖像及直方圖15可編輯課件PPT2、人臉識別的兩個(gè)技術(shù)環(huán)節(jié)人臉檢測與定位特征提取與人臉識別圖1人臉識別關(guān)鍵技術(shù)16可編輯課件PPT人臉檢測與定位人臉識別的第一步就是要從原始的圖像提取我們感興趣的區(qū)域?，F(xiàn)在我們獲取原始圖像的渠道主要有，導(dǎo)入原始的圖像或者從視頻流中獲取。17可編輯課件PPT常用的人臉檢測方法基于統(tǒng)計(jì)的人臉檢測方法(1)事例學(xué)習(xí)：將人臉檢測視為區(qū)分非人臉樣本與人臉樣本的兩類模式分類問題,通過對人臉樣本集和非人臉樣本集進(jìn)行學(xué)習(xí)以產(chǎn)生分類器.目前國際上普遍采用人工神經(jīng)網(wǎng)絡(luò)。(2)子空間方法：在人臉識別中利用的是主元子空間(特征臉),而人臉檢測利用的是次元子空間(特征臉空間的補(bǔ)空間)。用待檢測區(qū)域在次元子空間上的投影能量,也即待檢測區(qū)域到特征臉子空間的距離做為檢測統(tǒng)計(jì)量,距離越小,表明越像人臉。子空間方法的特點(diǎn)在于簡便易行,但由于沒有利用反例樣本信息,對與人臉類似的物體辨別能力不足。(3)空間匹配濾波器方法：包括各種模板匹配方法、合成辨別函數(shù)方法等。18可編輯課件PPT基于知識建模的人臉檢測方法(1)器官分布規(guī)則:雖然人臉在外觀上變化很大,但遵循一些幾乎是普遍適用的規(guī)則,如五官的空間位置分布大致符合“三庭五眼”等。(2)輪廓規(guī)則:人臉的輪廓可以簡單地看成一個(gè)近似橢圓,而人臉檢測可以通過橢圓檢測來完成。(3)顏色、紋理規(guī)則:同民族人的面部膚色在顏色空間中的分布相對比較集中,顏色信息在一定程度上可以將人臉同大部分背景區(qū)分開來。(4)運(yùn)動規(guī)則:通常相對背景人總是在運(yùn)動的,利用運(yùn)動信息可以簡單有效的將人從任意復(fù)雜背景中分割出來。其中包括利用眨眼、說話等方法的活體人臉檢測方法。(5)對稱性:人臉具有一定的軸對稱性,各器官也具有一定的對稱性。19可編輯課件PPT人臉檢測算法Adaboost是一種迭代算法，其核心思想是針對同一個(gè)訓(xùn)練集訓(xùn)練不同的分類器(弱分類器)，然后把這些弱分類器集合起來，構(gòu)成一個(gè)更強(qiáng)的最終分類器(強(qiáng)分類器)。其算法本身是通過改變數(shù)據(jù)分布來實(shí)現(xiàn)的，它根據(jù)每次訓(xùn)練集之中每個(gè)樣本的分類是否正確，以及上次的總體分類的準(zhǔn)確率，來確定每個(gè)樣本的權(quán)值。將修改過權(quán)值的新數(shù)據(jù)集送給下層分類器進(jìn)行訓(xùn)練，最后將每次訓(xùn)練得到的分類器最后融合起來，作為最后的決策分類器。每個(gè)Haar特征對應(yīng)著一個(gè)弱分類器，但并不是任何一個(gè)Haar特征都能較好的描述人臉灰度分布的某一特點(diǎn)，如何從大量的Haar特征中挑選出最優(yōu)的Haar特征并制作成分類器用于人臉檢測，這是Adaboost算法訓(xùn)練過程所要解決的關(guān)鍵問題。

20可編輯課件PPT人臉特征提取與識別的方法基于幾何特征的方法人臉由眼睛、鼻子、嘴巴、下巴等部件構(gòu)成,正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個(gè)人臉千差萬別,因此對這些部件的形狀和結(jié)構(gòu)關(guān)系的幾何描述,可以做為人臉識別的重要特征.21可編輯課件PPT

基于特征臉的方法它根據(jù)一組人臉訓(xùn)練圖像構(gòu)造主元子空間,由于主元具有臉的形狀,也稱為特征臉。識別時(shí)將測試圖像投影到主元子空間上,得到一組投影系數(shù),和各個(gè)已知人的人臉圖像比較進(jìn)行識別。特征臉方法是一種簡單、快速、實(shí)用的基于變換系數(shù)特征的算法,但由于它在本質(zhì)上依賴于訓(xùn)練集和測試集圖像的灰度相關(guān)性,而且要求測試圖像與訓(xùn)練集比較像,所以它有著很大的局限性。22可編輯課件PPT局部特征方法主元子空間的表示是緊湊的,特征維數(shù)大大降低,但它是非局部化的,其核函數(shù)的支集擴(kuò)展在整個(gè)坐標(biāo)空間中,同時(shí)它是非拓?fù)涞?某個(gè)軸投影后臨近的點(diǎn)與原圖像空間中點(diǎn)的臨近性沒有任何關(guān)系,而局部性和拓?fù)湫詫δＪ椒治龊头指钍抢硐氲奶匦?似乎這更符合神經(jīng)信息處理的機(jī)制,因此尋找具有這種特性的表達(dá)十分重要.這種方法構(gòu)成FaceIt人臉識別軟件的基礎(chǔ)。23可編輯課件PPT基于彈性模型的方法彈性匹配方法的思想是將人臉上的一些特征點(diǎn)作為基準(zhǔn)點(diǎn)構(gòu)成彈性圖，每個(gè)基準(zhǔn)點(diǎn)存儲一串具有代表性的特征矢量，采用分級結(jié)構(gòu)的彈性圖，去除一些冗余節(jié)點(diǎn)，形成稀疏的人臉描述結(jié)構(gòu)。通過測試樣本和特征樣本的彈性匹配來完成識別。但是，基于彈性圖匹配的識別系統(tǒng)的主要缺點(diǎn)是對每個(gè)存儲的人臉需要計(jì)算其模型圖，因此計(jì)算復(fù)雜，存儲量大。24可編輯課件PPT神經(jīng)網(wǎng)絡(luò)方法人工神經(jīng)網(wǎng)絡(luò)(ANN)方法是把模式的統(tǒng)計(jì)特性隱含在網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)之中。對于人臉這類復(fù)雜的、難以顯示描述的模式，基于ANN的方法具有獨(dú)特的優(yōu)勢。人工神經(jīng)網(wǎng)絡(luò)是由多個(gè)神經(jīng)元按照一定的排列順序構(gòu)成的，是一個(gè)非線性動力學(xué)系統(tǒng)，其特色是信息的分布式存儲和并行協(xié)同處理。神經(jīng)網(wǎng)絡(luò)方法在人臉識別上的應(yīng)用比起前述幾類方法來有一定的優(yōu)勢,因?yàn)閷θ四樧R別的許多規(guī)律或規(guī)則進(jìn)行顯性的描述是相當(dāng)困難的,而神經(jīng)網(wǎng)絡(luò)方法則可以通過學(xué)習(xí)的過程獲得對這些規(guī)律和規(guī)則的隱性表達(dá),它的適應(yīng)性更強(qiáng),一般也比較容易實(shí)現(xiàn).25可編輯課件PPT支持向量機(jī)(SVW)的方法近年來，支持向量機(jī)是統(tǒng)計(jì)模式識別領(lǐng)域的一個(gè)新熱點(diǎn)，支持向量機(jī)主要解決的是一個(gè)兩分類問題，它的基本思想是試圖把一個(gè)低維的線性不可分的問題轉(zhuǎn)化成一個(gè)高維的線性可分的問題。實(shí)驗(yàn)結(jié)果表明支持向量機(jī)有較好的識別率。26可編輯課件PPT人臉特征提取算法SIFT算法是一種圖像特征提取與匹配算法。SIFT算法可以處理兩幅圖像之間發(fā)生平移、旋轉(zhuǎn)、尺度變化、光照變化情況下的特征匹配問題，并能在一定程度上對視角變化、仿射變化也具備較為穩(wěn)定的特征匹配能力。SIFT算法首先在尺度空間進(jìn)行特征檢測，并確定關(guān)鍵點(diǎn)的位置和關(guān)鍵點(diǎn)所處的尺度，然后使用關(guān)鍵點(diǎn)鄰域梯度的主方向作為該點(diǎn)的方向特征，以實(shí)現(xiàn)算子對尺度和方向的無關(guān)性。27可編輯課件PPTSIFT算法提取的SIFT特征向量具有如下特性：a)SIFT特征是圖像的局部特征，其對旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性。b)獨(dú)特性好，信息量豐富，適用于在海量特征數(shù)據(jù)庫中進(jìn)行快速、準(zhǔn)確的匹配。c)多量性，即使少數(shù)的幾個(gè)物體也可以產(chǎn)生大量SIFT特征向量。d)高速性，經(jīng)優(yōu)化的SIFT匹配算法甚至可以達(dá)到實(shí)時(shí)的要求。e)可擴(kuò)展性，可以很方便的與其他形式的特征向量進(jìn)行聯(lián)合。28可編輯課件PPT四、人臉識別中的關(guān)鍵問題光照

需要建立光照模型，檢測與定位容易受干擾。姿態(tài)估計(jì)與匹配

三維重建；二維圖像的生成。事變的特征提取與消除

持久性差；

特殊的人群，比如雙胞胎；

建立人臉年齡衰老模型，