人脸识别最新研究进展

人脸识别研究热点及最新研究进展2报告内容一．人脸识别的感性认识二．人脸识别的现状三．普通人脸识别——热点与进展四．异质人脸识别——热点与进展五．人脸识别资源的获取3人脸识别的感性认识一．人脸识别的意义二．人脸识别的应用三．人脸识别的系统6人体生物特征的起源于传统的身份认证的问题基于知识的身份认证(whatyouknow?)容易忘记容易被盗容易攻击基于令牌的身份认证(whatyouhave?)容易丢失容易被盗容易伪造知识+令牌我们必须寻找更加可靠便捷的身份认证方法--------------------人体生物认证现在身份鉴别方法：生物特征识别技术人体生物的生物特征包括生理特征和行为特征两大类。⑴人体的生理特征主要包括人脸、指纹、掌纹、掌形、虹膜、视网膜、静脉、DNA、颅骨等，这些特征是与生俱来的，是先天形成的；⑵而行为特征包括声纹、签名、步态、耳形、按键节奏、身体气味等，这些特征是由后天的生活环境和生活习惯决定的。这些生物特征本身固有的特点决定了其在生物认证中所起的作用是不同的。9常用生物特征的比较［A.Jain,L.HongandS.Pankanti.“Biometrics:PromisingFrontiersforEmergingIdentificationMarket”，CommunicationACM,2000］生物特征普遍性独特性稳定性可采集性性能接受程度防欺骗性人脸HighLowMediumHighLowHighLow指纹MediumHighHighMediumHighMediumHigh手形MediumMediumMediumHighMediumMediumMedium虹膜HighHighHighMediumHighLowHigh视网膜HighHighMediumLowHighLowHigh签名LowLowLowHighLowHighLow声音MediumLowLowMediumLowHighLow人脸识别的意义BillGates:以人类生物特征进行身份验证的生物识别技术，在今后数年内将成为IT产业最为重要的技术革命人脸识别的意义人脸识别是一个活跃的研究领域，是人类视觉最杰出的能力之一。虽然人脸识别的准确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。15人脸识别的应用人脸识别系统在金融、证券、社保、公安、军队及其他需要安全认证的行业和部门有着广泛的应用典型应用罪犯调查访问控制人员考勤重用门票驾驶执照电子商务信用卡准考证身份证几个人脸识别系统介绍1.中科奥森人脸识别系统2.南京理工的人脸识别3.深圳飞瑞斯科技1.中科奥森人脸识别系统本系统采用了目前最先进的人脸检测与识别技术，具有人脸获取隐蔽，识别速度快，检测与识别率高，鲁棒性好、安全性高和实用方便等优点，可广泛应用于家庭安全监控、办公室安全监控、通道监控等诸多方面，推广的应用前景领域遍及家庭、办公、军队、政法、银行、物业、海关、互联网等。1.中科奥森人脸识别系统（续）国际首创近红外人脸识别关键技术，包括算法思路、软件技术、以及光学和电子硬件设计。国内首创中远距离(大于5米)人脸识别关键技术和系统。该系统能够在中远距离快速准确、稳定地跟踪多个人脸，并能在侧脸，后脑勺状态保持跟踪，算法达到国际先进水平。将人脸识别与智能监控相结合是一项全新的技术。自主产权解决了环境光照对人脸识别不利影响等国际难题，实现了快速准确可靠、不受环境光照影响的人脸识别技术，能防止照片模型等非法攻击，系统性能达到国际领先水平。该系统已在我国深圳-香港通关口岸成功运行多年。通过中国信息安全产品测评认证中心身份认证产品与技术测评中心权威测评。系统产品丰富,可以支持从几个人到万人级的识别,。并采用国际标准接口，可以无缝接入现有的安全防范系统。支持多种数据库系统，可建立高效索引机制实现快速查询。模块化组网方式，集合TCP/IP和RS485总线传输优点，适合各种形式或规模的应用。支持与其他密码/生物特征识别等技术的逻辑组合运算，实现更严格的安全管理.。具有自主知识产权的关键技术，包括如下功能：近红外/可见光人脸识别、人脸图像对比和检索、监控状态下中远距离人脸识别，场景智能监控及报警等。其领军人物—李子青李子青,获湖南大学学士、国防科大硕士、英国Surrey大学博士学位。2000年辞去新加坡南洋理工大学终身教职，加盟微软亚洲研究院。2004年作为“百人计划”入选者来到中科院自动化所，现为中科院自动化所生物识别与安全技术研究中心主任。在微软研发的人脸识别系统EyeCU，比尔.盖茨接受CNN采访为之讲解。在中科院自动化所研发的“AuthenMetric中科奥森”人脸识别系统和智能视频监控系统，已包括北京奥运会和边境检查等多个国家重大安全部门实施并发挥作用。北京奥运开幕式人脸识别门票查验现场－观众人脸身份验证2.南京理工的人脸识别南京理工人脸识别其领军人物是本届全国模式识别年会主席《杨静宇》老教授。杨静宇教授于1982—1984年在国际模式识别领域的权威—美国伊利诺斯大学CSL实验室T.S.Huang教授指导下从事模式识别理论研究。一生功勋卓越：他先后在国内外学术刊物和国际学术会议上发表论文４００余篇，出版论（译）著６本，指导【博士后】研究人员８人，培养【博士】研究生５７人。他培养的57多名博士，如今都已成为各个单位的骨干。其中最著名的是：杨健博士（32岁当教授），获全国百篇优秀博士论文提名奖，他在模式识别顶级刊物IEEETPAMI上发表的两篇论文，目前已经分别被国内外学者和专家引用180多次和近60次。刘克教授曾获得了第三届霍英东教育基金会青年教师基金和青年教师奖。洪子泉博士在国际上首次提出了基于代数特征的人脸识别方法。金忠教授2001年发表在PatternRecognition上关于不相关鉴别分析的论文，曾收到著名的Thomson公司的贺信，祝贺该论文被引用次数位于同一领域引用次数最高的百分之一以内。2008年，杨教授在相继接受国际著名学术期刊《PatternRecongnitionLetters》的主编、《Neurocomputing》的主编的邀请，加盟上述两大国际学术期刊编委会，成为两大国际学术期刊的编委(AssociateEditor)。上述两大国际学术期刊对遴选编委会成员的要求非常高，《PatternRecongnitionLetters》在中国仅有四位编委，杨健教授是目前中国编委中最年轻的一位，其他三位分别来自清华大学、中国科学院和微软亚洲研究院杨老师首次提出的2DPCA方法和在鉴别分析方面的研究成果已引起国内外相关领域学者的广泛关注。国内模式识别研究领域的权威、西安交通大学的校长郑南宁院士最近在国际知名期刊《IEEEIntelligentSystems》上发表的题为“中国图象处理和模式识别50年回顾”的论文中，着重指出了杨教授在基础研究方面的四项研究成果，并强调说“2DPCA与2DLDA方法是本世纪初源于中国的”。首创多光源条件下的人脸识别是在多种完全对人体无伤害的辅助光源的条件下进行人脸识别，支持PC(Windows/Linux),ARM/DSP(Linux等)系统环境，现今算法保证识别率、识别速度、误识率和拒识率等各项指标优异。短距离人脸检测捕捉，适用于门禁、考勤等应用环境。3、深圳飞瑞斯科技公司人脸识别系统在矿业和民爆企业生产线各通道闸入口处安装飞瑞斯人脸识别终端机，对通道入口进行人脸识别无障碍门禁控制，结合多光源人脸识别技术、智能视频分析技术、3G无线网络传输技术等，建立的一套适宜于矿业和民爆企业生产线员工身份信息认证的管理系统。人脸识别无障碍门禁控制人脸识别门禁系统人脸识别大型场馆准入系统35报告内容一．人脸识别的感性认识二．人脸识别的现状三．普通人脸识别——热点与进展四．异质人脸识别——热点与进展五．人脸识别资源的获取人脸识别技术在国外的研究现状当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Medialab,AIlab,CMU（卡耐基-梅隆大学）的Human-ComputerInterfaceInstitute，MicrosoftResearch,英国的DepartmentofEngineeringinUniversityofCambridge（剑桥大学）等。综合有关文献，目前的方法主要集中在以下几个方面：综合有关文献，目前的方法主要集中在以下几个方面：（1）模板匹配（2）示例学习（3）神经网络（4）基于隐马尔可夫模型的方法（5）线性表达与稀疏表达除此以外，基于AdaBoost的人脸识别算法，基于彩色信息的方法，基于形状分析的方法，以及多模态信息融合的方法，国外都进行了大量的研究与实验。研究现状—研究机构国际上对人脸及人脸面部表情识别的研究现在逐渐成为科研热点。国内外很多机构都在进行这方面的研究,尤其美国、日本。进入90年代,对人脸表情识别的研究变得非常活跃,吸引了大量的研究人员和基金支持,EI可检索到的相关文献就多达数千篇。美国、日本、英国、德国、荷兰、法国等经济发达国家和发展中国家如印度、新加坡都有专门的研究组进行这方面的研究。其中MIT、CMU、Maryland大学、Standford大学、日本城蹊大学、东京大学、ATR研究所的贡献尤为突出。国内国内的清华大学、哈尔滨工业大学、中科院、中国科技大学、南京理工大学、北方交通大学等都有人员从事人脸及人脸表情识别的研究人脸识别技术在国内的研究现状国内关于人脸识别的研究始于二十世纪80年代，主要的研究单位有中科院自动化所，清华大学，南京理工大学，哈尔滨工业大学，复旦大学，北京科技大学等，并都取得了一定的成果。国内的研究工作主要是集中在三大类方法的研究：①基于几何特征的人脸正面识别方法②基于代数特征的人脸正面识别方法③基于连接机制的人脸正面识别方法。人脸检测与人脸识别的研究内容(1)人脸检测（FaceDetection）人脸检测（FaceDetection）是指在输入图像中确定所有人脸（如果存在）的位置、大小、位姿的过程。人脸检测是自动人脸识别系统中的一个关键环节。(2)人脸识别人脸识别细分为两类，一类是回答我是谁的问题，即辨认（Identification），另一类是回答这个人是我吗？即确认（Verification）。显然，用于Identification模式的识别系统对算法的运算速度的要求要高于Verification模式的识别系统。从人脸自动识别技术所依据的理论来讲，人脸检测与人脸识别都是模式识别问题。人脸检测是把所有的人脸作为一个模式，而非人脸作为另一个模式，人脸检测的过程就是将人脸模式与非人脸模式区别开来。人脸识别是把每一个人的人脸作为一个模式来对待，不同人的脸属于不同的模式类，人脸识别的过程是将属于不同人的脸归于各自的模式。换句话说，人脸检测强调的是人脸之间的共性，而人脸识别则要区分不同人脸之间的差异，二者同属于模式分类问题。人脸识别的过程45报告内容一．人脸识别的感性认识二．人脸识别的现状三．普通人脸识别——热点与进展四．异质人脸识别——热点与进展五．人脸识别资源的获取人脸识别宏观上分类：普通人脸识别：待识别人脸图像和数据库中的人脸图像都是在同一类型的图像，即它们都是真实的人脸图像；异质人脸识别：待识别人脸图像和数据库中的人脸图像非同一类型的图像，这种不同类型的图像，就叫做异质图像普通人脸识别面临的挑战本征脸（EigenFace）方法——引入例子是人脸识别的基准技术，并已成为事实上的工业标准该方法基于主成分分析（PCA）PCA是将分散在一组变量上的信息集中到某几个综合指标（主成分）上的数学方法，实际上起着数据降维的作用，并保证降维过程最大化保留原数据的差异这对最大化类间差异（即不同人之间的差异）并最小化类内差异（即同一人的不同图像间