人脸识别简约素雅PPT模板

数字图像处理人脸识别竹影轩FaceRecognitionＣｏｎｔｅｎｔ1234人脸识别的定义（Definition）人脸识别的组成（Component）人脸识别具体算法（algorithm）总结（summary）人脸识别，是基于人的脸部特征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。人脸识别的定义特指利用分析比较的计算机技术。人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，都会用到人脸识别的组成图像采集图像预处理特征提取匹配与识别一个完整的人脸识别系统包括人脸检测与定位、人脸特征提取、分类识别等人脸识别的具体算法基于线性子空间分析的人脸特征提取——主成分分析方法(PCA)123ＰＣＡ算法简介ＰＣＡ算法的主要步骤ＰＣＡ在人脸识别中的应用是模式识别领域中一种重要的特征提取方法，该方法通过K．L变换展开式来提取样本的主要特征。由于它保留了原向量在其协方差矩阵最大特征值对应的特征向量方向上的投影一主分量(PrincipalComponents)，所以称为主成分分析。人脸识别的具体算法ＰＣＡ算法简介利用较少数据的特征对样本进行描述以达到降低特征空间维数的目的，根据样本点在多维空间的位置分布，以样本点在空间中变化最大方向，即方差最大方向，作为差别矢量来实现数据的特征提取。主成分分析（PrincipalComponentAnalysis，简称PCA）ＰＣＡ算法核心思想人脸识别的具体算法ＰＣＡ算法主要步骤及公式将m×n的人脸图像，重新排列为m×n维的列向量则所有的训练图像经此变换后得到一组列向量：{xi}，xi∈R＾nmi=1,．．，N，其中N代表训练样本集中图像的个数。将图像看成一随机列向量，并通过训练样本对其均值向量和协方差矩阵进行估计。假设我们有N个样本数据{xn},每个样本数据是D维，我们希望样本数据映射到MD维的子空间，并且使映射后的数据方差最大化。我们设低维空间的方向向量为D维单位向量u1,并且具有正交性,即u1Tu1=Ｍ＝１一个样本数据点xn被映射到1维空间后就表示成了u1Txn。人脸识别的具体算法ＰＣＡ算法主要步骤及公式红点代表原始数据点；绿点代表被映射到低维空间后的点；紫线代表映射面人脸识别的具体算法ＰＣＡ算法主要步骤及公式均值向量μ通过下式估计：协方差矩阵ST估计：则将投影变换矩阵A取为ST的前k个最大特征值对应的特征向量。利用以下变换式对原图像进行去相关并降维：人脸识别的具体算法ＰＣＡ算法在人脸识别中的应用在训练阶段，每个已知人脸Ｒｉ映射到特征脸子空间，得到ｍ维向量：在识别阶段，首先把待识别图像Ｒ映射到特征脸子空间，得到向量：区别人脸与非人脸：计算原始图像Ｒ与其有特征空间重建的图像Ｒｆ之间的距离έ采用最小距离法对人脸进行分类人脸识别的具体算法ＰＣＡ算法在人脸识别中的应用123若𝜀𝜃𝑐，则输入的图像不是人脸若𝜀𝜃𝑐，∀𝑘，𝜀𝑘≥𝜃𝑐，则输入图像中包含未知人脸若𝜀𝜃𝑐，𝜀𝑘=𝑚𝑖𝑛𝜃𝑘𝜃𝑐，则输入图像为库中第Ｋ个人脸总结人脸特征稳定性差：人脸有极强可塑性的三维柔性皮肤表面，会随着表情、年龄而发生改变。总结人脸识别的缺陷可靠性、安全性较低：很多人面孔之间差别非常微妙（双胞胎）总结人脸识别的缺陷总结人脸识别的缺陷图像的设置过程决定了人脸图像识别系统必须面对不同的光照条件、视角、距离变化等非常困难的视觉问题。这些成像因素都会极大影响人脸图像的表现，从而使得识别性能不够稳定。总结人脸识别的缺陷图像采集受各种外界影响很大，因此识别性能低总结人脸识别的用途出入控制单位、公司、政府的考勤，海关用于门禁公共安全协助公安破案，如帮助公安机关进行自动身份识别、在机场、车站、码头等地用于可疑分子跟踪信息安全利用人脸识别技术可以加强局域网和广域网的安全性，并且可以解除必须记录各复杂用户名、密码的烦恼人机交互人脸识别还可以应用于虚拟现实、视频会议等场合。人脸识别技术的研究涉及模式识别、计算机视觉、人工智能、图像处理、心理学、生理学和认知科学等多学科THANKYOU人脸识别