人脸识别系统(精)培训资料.ppt

《人脸识别系统(精)培训资料.ppt》由会员分享，可在线阅读，更多相关《人脸识别系统(精)培训资料.ppt（34页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、人脸识别系统(xtng)第一页，共34页。常见的门禁系统有：密码门禁，IC/ID卡门禁，指纹虹膜(hngm)掌型生物识别门禁等。常见常见(chn jin)(chn jin)的门禁类型的门禁类型 密码(m m)技术IC卡技术指纹识别技术指纹识别技术人脸识别技术人脸识别技术虹膜识别技术虹膜识别技术门禁系统举例第二页，共34页。二人脸识别技术二人脸识别技术(jsh)综述综述人脸识别，是基于人的脸部特征(tzhng)信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。第三

2、页，共34页。为什么选择(xunz)人脸识别身份？o人世间找不两张完全(wnqun)一样的脸！o人脸是人类赖以区分不同人的基本途径o世间一切尽在脸上！o基因+成长环境尽管双胞胎在基因层面也许区别不大，尽管双胞胎在基因层面也许区别不大，尽管双胞胎在基因层面也许区别不大，尽管双胞胎在基因层面也许区别不大，但后天的成长历程都镌刻在了他们的但后天的成长历程都镌刻在了他们的但后天的成长历程都镌刻在了他们的但后天的成长历程都镌刻在了他们的脸孔脸孔脸孔脸孔(lin kn)(lin kn)上！所以随着年龄上！所以随着年龄上！所以随着年龄上！所以随着年龄的增长，他们的脸孔的增长，他们的脸孔的增长，他们的脸孔的增

3、长，他们的脸孔(lin kn)(lin kn)会会会会更加不同。另外一个例子就是所谓的更加不同。另外一个例子就是所谓的更加不同。另外一个例子就是所谓的更加不同。另外一个例子就是所谓的“夫妻相夫妻相夫妻相夫妻相”，尽管基因不同，但共同，尽管基因不同，但共同，尽管基因不同，但共同，尽管基因不同，但共同的生活经历导致了其面孔的趋同。的生活经历导致了其面孔的趋同。的生活经历导致了其面孔的趋同。的生活经历导致了其面孔的趋同。第四页，共34页。提纲(tgng)o从模式识别到人脸识别o人脸识别的背景知识o人脸识别的基本原理o人脸检测(jin c)与识别的典型方法第五页，共34页。从模式识别(m sh sh

4、bi)到人脸识别人脸识别是模式识别的一个典型案例，它为模式识别人脸识别是模式识别的一个典型案例，它为模式识别人脸识别是模式识别的一个典型案例，它为模式识别人脸识别是模式识别的一个典型案例，它为模式识别问题研究提供了一个良好的实验平台问题研究提供了一个良好的实验平台问题研究提供了一个良好的实验平台问题研究提供了一个良好的实验平台(pngti)(pngti)，所，所，所，所以，众多模式识别的知名专家、学者都在从事人脸识以，众多模式识别的知名专家、学者都在从事人脸识以，众多模式识别的知名专家、学者都在从事人脸识以，众多模式识别的知名专家、学者都在从事人脸识别的研究！别的研究！别的研究！别的研究！第六

5、页，共34页。从模式识别(m sh sh bi)到人脸识别光学光学摄像摄像机机人脸人脸检测检测器器特征特征提取提取器器分类分类器器后处理器后处理器人人物物身身份份人脸人脸表面表面传感器传感器分割分割器器特征特征提取提取器器后处理器后处理器决决策策客观客观世界世界模式模式分类器分类器分类器分类器特征特征特征特征提取提取提取提取器器器器人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配(ppi)与识别。第七页，共34页。关于(guny)传感器与预处理o传感器：客观世界模式(msh)的测量问题o人脸：数字化为2D图像？3D形状？红外温谱？o分辨率、

6、精度、灵敏度、失真度等等o真实性？稳定性？o预处理：保证数据的纯洁度o模式(msh)识别理论基本不关心这两项内容，而在应用上，是必须作为重要内容来考虑的，否则可能根本就是不可解的问题！第八页，共34页。关于特征表示(biosh)问题o关于特征(tzhng)提取与分类器o理想的特征(tzhng)提取过程可使得后续的分类器设计成为小菜一碟，万能的分类器似乎也应该使得设计者不必刻意设计特征(tzhng)提取过程！o没有万能的分类器！o甚至没有所谓最好的分类器，不同的分类器有不同的适用范围！o但对具体问题，可能会有最适合的特征(tzhng)表示方法，而不同的特征(tzhng)表示也需要采用不同的分类器

7、第九页，共34页。关于数据(shj)问题oMath is king,data is queen!o在基于统计学习的模式识别问题中，采用什么样的数据、多少数据往往决定了问题的成败，而不是采用了什么样的学习算法o目标不同：模式识别研究的是有了特定属性数据之后如何设计“对所有可能的情况”最优的分类器，而应用上却要考虑“为了解决(jiju)某个特定识别问题”如何去选择数据？o只为了识别中国人，需要把外国人的数据拿来训练吗？o为了识别正楷文字，需要把行书也拿来训练吗？o但是，在理论上却有另一个问题第十页，共34页。关于(guny)泛化能力o泛化能力o对于没有训练学习过的模式样本的识别能力o只用中国人训练

8、的模型能否识别老外？异族人脸识别困难现象。o婴儿：“独眼龙”不是人？o在实践中，也许想办法加入(jir)更多的有代表性的训练样本更能解决问题，而不是去设计更复杂的分类器或者学习机o充分利用手头样本第十一页，共34页。小结(xioji)o对一般方法(fngf)的掌握程度o对特定问题的理解程度o应用中需要更多的关注：o传感器的选择，比如什么样的摄像机？o预处理：如何去除各种干扰因素？o特征表示问题：什么是本质的类别特征？o为了解决某一应用问题，选择什么样的数据训练分类器？共同决定了最终共同决定了最终共同决定了最终共同决定了最终(zu(zu zhn)zhn)的成败！的成败！的成败！的成败！第十二页，

9、共34页。o人脸识别的相关(xinggun)背景第十三页，共34页。应用模式典型具体应用特点说明应用领域身份识别出入境管理过滤敏感人物（间谍、恐怖分子等）国家安全公共安全嫌疑人照片比对公安系统用于确定犯罪嫌疑人身份敏感人物智能监控监控敏感人物（间谍、恐怖分子等）网上追逃在PDA等移动终端上进行现场比对会议代表身份识别防止非法人员进入会场带来危险因素关键场所视频监控如银行大厅，预警可能的不安全因素家政服务机器人能够识别家庭成员的智能机器人人机交互自动系统登陆自动识别用户身份，提供个性化界面智能Agent自动识别用户身份，提供个性化界面真实感虚拟游戏提供真实感的人物面像，增加交互性身份验证护照、身

10、份证、驾照等各类证件查验海关、港口、机要部门等查验持证人的身份是否合法公共安全准考证查验防止替考问题教育机要部门物理门禁避免钥匙和密码被窃取造成失窃公共安全机要信息系统门禁避免单纯的密码被窃取造成信息被窃信息安全面像考勤系统方便，快捷，杜绝代考勤问题企业应用金融用户身份验证避免单纯的密码被窃取造成财产损失金融安全电子商务身份验证安全可靠的身份验证手段金融安全智能卡安全可靠的授权信息安全会议代表身份验证防止非法人员进入会场带来危险因素公共安全屏幕保护程序方便快捷的允许合法用户打开屏保人机交互第十四页，共34页。人脸识别相关(xinggun)研究内容o生物特征(tzhng)识别o人脸、指纹、虹膜、

11、视网膜、掌纹、o人机交互(HCI)o人脸图像编码/压缩o表情分析，情感计算 o人脸动画 face animationo人脸属性分类o种族、性别、年龄oAttractiveness判别第十五页，共34页。生物特征识别(shbi)技术(Biometrics)第十六页，共34页。与其他生物特征(tzhng)识别的比较o生物特征识别：未来的身份验证方法！o生物：指纹、虹膜、人脸、掌纹、手形、视网膜、红外温谱o行为：笔迹、步态、声纹o人脸识别的优点o可以(ky)隐蔽操作，特别适用于安全问题、罪犯监控与抓逃应用o非接触式采集，没有侵犯性，容易接受o方便、快捷、强大的事后追踪能力o符合我们人类的识别习惯，可

12、交互性强，无需专家评判o人脸识别的不足o不同人脸的相似性大o安全性低，识别性能受外界条件的影响非常大第十七页，共34页。From the same person?Yes?No?第十八页，共34页。没有想象的那么(n me)简单！oHow many individuals in this picture?第十九页，共34页。人脸识别的基本原理及其计算模型(mxng)探讨第二十页，共34页。我们的眼睛(yn jing)靠什么识别？皮肤和肤色光滑/粗糙，黝黑/白皙动态特征(tzhng)酒窝，皱纹局部特性黑痣，刀疤，独眼龙人的优势：强大人的优势：强大(qingd)的背景的背景知识！知识！第二十一页，共

13、34页。人类视觉识别系统特性简介(jin ji)及其借鉴意义 o人脸识别是否是一个特定的过程？o证据：“人脸识别能力缺失症（Prosopagnosia）”患者的存在，患有此症的人可以正常的识别其他物体，甚至可以正确的识别鼻子眼睛和嘴巴等面部器官，但是就是不能认出熟悉的人脸，因此有理由怀疑其人脸识别功能区遭到了破坏。o全局特征与局部(jb)特征孰轻孰重？o全局特征主要包括人脸的肤色特征（比如白皙、黝黑）、总体轮廓（比如圆脸、鸭蛋脸、方脸、长脸等）、以及面部五官的分布特征（比如，在绘画界就有“国田由用，目甲风申”8种脸形之说），中医也将人脸按照总体结构特征划分为“金木水火土”五行（侧重人脸3D结构

14、和肌肉凸凹情况）o而局部(jb)特征则主要指面部五官的特点，比如浓眉毛、丹凤眼、鹰勾鼻、大豁嘴、八字胡须、尖下巴等，以及面部的一些奇异特征，比如黑痣、伤痕、酒窝等等 o二者对识别都是必要的，但全局特征一般用来进行粗略的匹配，局部(jb)特征则提供更为精细的确认。第二十二页，共34页。局部特征(tzhng)vs 全局特征(tzhng)o明星漫画：夸大了独特(dt)之处o问题：How to find these salient features automatically?第二十三页，共34页。第二十四页，共34页。局部(jb)特征 vs 全局特征第二十五页，共34页。人类(rnli)视觉识别系统

15、特性简介及其借鉴意义o面部特征对识别的重要性分析 o不同的面部区域对人脸识别的重要性是不同的，一般认为面部轮廓、眼睛和嘴巴等特征对人脸识别是更重要的，人脸的上半区域对识别的意义明显比下半区域重要；鼻子在侧面人脸识别中的重要性要高于其他特征o异族人脸识别困难现象o这涉及到识别算法的适应性和泛化能力问题，一方面可能需要尽可能大的学习集，另一方面也需要学习集必须具有较大的覆盖能力 o性别和年龄阶段对于识别性能的影响 o女性(nxng)要比男性更难识别；年轻人比老年人更难识别 o频域特性与人脸识别的关系 o低频分量其实更多的是对人脸图像外观总体分布特性的描述，而高频分量则对应局部的细节变化 o要想保留

16、某人面部的一颗黑痣的信息，高频分量是无能为力的，必须保留足够的高频分量才可以 第二十六页，共34页。人类视觉识别系统特性简介及其借鉴(jijin)意义o特异度对人脸识别的影响 o最“漂亮的”、最“丑陋的”、最“奇异的”的人脸都是最容易被记住的，而大众化的人脸则不太容易被记住 o“大众脸”并不等于“平均脸”，大众脸是指经常可以见到的“脸”，而“平均脸”并不多见 o光照变化与人脸识别o反相照片（负片）的识别时很困难的；o下方(xi fn)光源人脸图像难以识别o姿态不变性o不变性？o运动人脸图像序列o提供了更多的第二十七页，共34页。国内外研究(ynji)现状及其分析第二十八页，共34页。国内外研究

17、(ynji)现状研究(ynji)机构o国外研究机构情况o以美欧为主，各知名大学、研究所、企业研究院均设立了与人脸识别相关(xinggun)的研究组o大学：CMU,MIT,Michigan State University,UCLA,University of Manchester，UMD,USC,University of Surreyo评测：FERET(94-97),FRVT(2000/2002),(X)M2VTS,FVCo国内研究机构简况o大学：清华大学3家，哈尔滨工业大学,上海交大，浙大研究所：计算所，自动化所等第二十九页，共34页。国际(guj)研究现状o在比较良好的环境条件情况下，对

18、1000人左右(zuyu)基本正面人脸进行识别的性能：o首选识别率：95%以上o等错误率：2%以下o在环境比较糟糕的情况下，对基本正面人脸进行识别的性能：o首选识别率：80%以下o等错误率：10%以上第三十页，共34页。人脸识别的主要(zhyo)方法第三十一页，共34页。典型(dinxng)方法o基于几何特征的识别方法o基于颜色特征的识别方法o基于模板匹配(ppi)的识别方法o可变形模板方法o主动轮廓第三十二页，共34页。总结(zngji)o人脸识别o革命尚未成功，吾辈尚需努力！o可能(knng)在未来10年内有所突破！o知识储备oMath is king,data is queen!o计算机视觉、图形学知识非常重要！第三十三页，共34页。Relaxo测试(csh)：找找看有多少人脸？第三十四页，共34页。