人脸识别普及!全面分析深度学习的世纪晟人脸识别技术(一)(4页).doc

《人脸识别普及!全面分析深度学习的世纪晟人脸识别技术(一)(4页).doc》由会员分享，可在线阅读，更多相关《人脸识别普及!全面分析深度学习的世纪晟人脸识别技术(一)(4页).doc（4页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、-技术贴：人脸识别普及！全面分析深度学习的世纪晟人脸识别技术（一）人脸识别（Face RecogniTIon），也称面像识别，是我们视觉系统的基本功能，也是我们互相辨识的最直接手段。据我观察，人脸识别已经是目前在生物识别领域使用比较热门的技术了，随着研究的深入及应用的普及，3D人脸识别技术的应用将是未来的发展方向。那么接下来，我将全面解读3D人脸识别，这其中将包括人脸识别的基本原理，也将涉及一些人脸检测、人脸识别的相关典型方法。世界上是找不到两张完全一样的脸 面部决定因素：基因 + 成长环境 人脸识别传感器分类：1、可见光（这个其实是在模拟我们人的眼睛）2、红外线（主要是利用红外线的物理性质来

2、进行测量，根据发出方式不同有主动式和被动式两种，有兴趣的可以自己了解一波）3、3D人脸识别（这方面我会以世纪晟人脸识别为例，希望能更加全面地帮助大家了解人脸识别） 技术挑战：影响人脸图像表观的因素、人与摄像设备的位置关系（距离角度等）光照环境条件、摄像设备、图像存储质量年龄变化、意外损伤、面部毛发(头发，胡须)健康状况、精神状态、化妆、整容、饰物（眼镜帽子等） 基于可见光的人脸识别我们所说的人脸识别，也就是基于可见光人脸图像的身份识别与验证的简称。 简化的人脸成像模型Lambert反射模型（漫反射模型） 解析世纪晟人脸识别目前的多数系统采用的人脸建模方法仍然停留在图像层面上，并没有显式地分离出3D形状和纹理的步骤，而是直接通过从“图像”中提取人脸表示特征并进行分类来完成识别。 世纪晟人脸识别图像元素组成亮度变化(影调，shading)、阴影等（用于反应3D形状）表面反射率Albedo( )：表面皮肤材质，特别是五官区域世纪晟人脸识别问题分解人脸检测 面部特征定位 人脸识别/确认 世纪晟人脸识别是基于3D变形模型的人脸建模 3D形状纹理三维形变模型利用物理关系建模的外部参数：利用计算机图形学绘制照片真实感图像模型拟合这几年，人脸识别技术的应用普及远远超出了我们的想象，世纪晟人脸识别技术也越来越成熟，我相信也许要不了三五年，“刷脸”就真的成为一项全民运动了。-第 4 页-