人脸识别-PPT课件

人脸识别ArtificialIntelligence&&FaceRecognition定义人脸识别是基于计算机图像处理技术和生物特征识别技术，提取图像或视频中的人像特征信息，并将其与已知人脸进行比对，从而识别每个人的身份。它集成了人工智能、机器学习、模型理论、视频图像处理等多样专业技术。随着智能手机的快速普及，可以通过手机镜头在手机上做基于人脸识别的身份注册、认证、登录等，使身份认证进程更安全、方便。由于人脸比指纹等视觉辨识度更高，所以刷脸的应用前景更广阔。目录/Contents01人脸识别.应用02人脸图像.预处理03人脸图像.特征检测04人脸图像.匹配与识别01人脸识别.应用1应用场景电商网站，刷脸支付学校宿舍，刷脸进门当前主要是通过扫描或者复印身份证信息，人工比对身份证照片。扫描或复印身份证只是作为备案，并不能有效核实身份证真伪。要确保是采用真实身份证办理业务，必须有某种技术手段对办事人提供的身份证进行查验。身份证查验，证据留存02人脸图像.预处理预处理是人脸识别过程中的一个重要环节。输入图像由于采集环境的不同，可能收到光照，遮挡的影响得到的样图是有缺陷的。2图像预处理灰度化几何变换图像增强归一化将彩色图像转换为灰度图，其中有三种方法：最大值法、平均值法、以及加权平均法。通过平移、转置、镜像、旋转、缩放等几何变换对采集的图像进行处理，用于改正图像采集系统的系统误差。图像增强是为了改善人脸图像的质量，在视觉上更加清晰图像，使图像更利于识别。归一化工作的目标是取得尺寸一致，灰度取值范围相同的标准化人脸图像。2灰度化最大值法平均值法加权平均将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。这种方法转化的灰度图亮度较高。F(i,j)=max(R(i,j),G(i,j),B(i,j))将彩色图像中的三分量亮度求平均得到一个灰度值。这种方法得到的灰度图比较柔和。F(i,j)=(R(i,j),G(i,j),B(i,j))/3将彩色图像中的三分量亮度按权值计算得到一个灰度值。这种方法得到的灰度图效果最好。F(i,j)=(WRR(i,j),WGG(i,j),WBB(i,j))/3将彩色图像转化为灰度图像的过程是图像的灰度化处理。彩色图像中的每个像素的颜色由R，G，B三个分量决定，而每个分量中可取值0-255，像素点的颜色变化范围太大。而灰度图像是R，G，B三个分量相同的一种特殊的彩色图像，会大大减少后续的计算量。2灰度变换方法g（x，y）=T[f（x，y）]f（x，y）是输入图像，g（x，y）是处理后的图像，T是在点（x，y）邻域上定义的关于f的一种算子。左图是一张进行灰度变换的灰度图，从图像的左上角开始，以水平扫描的方式逐像素地处理，将原图灰度翻转。matlab当中常用的灰度变换函数是：imadjust(I,[low_in;high_in],[low_out;high_out],gamma)2几何变换目的：通过适当的几何变换，消除几何因素（视角，方位等）造成的图像外观变化。图像平移图像转置图像旋转图像缩放定义：图像空间变化，将一幅图的坐标位置映射到另一幅图像中的新坐标上。2图像增强原理：对数变换可以将图像的低灰度值部分扩展，显示出低灰度部分更多的细节，将其高灰度值部分压缩，减少高灰度值部分。原理：主要用于图像的校正，将灰度过高或者灰度过低的图片进行修正，增强对比度。原理：将原始图像的灰度图从比较集中的某个灰度区间均匀分布在整个灰度空间中，实现对图像的非线性拉伸，重新分配像素值。原理：利用图像的二次微分对图像进行蜕化，在图像领域中微分是锐化，积分是模糊，即利用邻域像素提高对比度。直方图均衡化拉普拉斯算子Log变换伽马变换2归一化所谓图像归一化,就是通过一系列变换,将待处理的原始图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性)。什么是归一化？使不同成像条件（光照强度，方向，距离，姿势等）下拍摄的同一个人的照片具有一致性。图像可以抵抗几何变换的攻击，也就是转换成唯一的标准形式以抵抗仿射变换。为什么归一化？•线性归一化归一化的方法有哪些？也称min-max标准化；是对原始数据的线性变换，使得结果值映射到[0,1]之间。缺点：如果max和min不稳定的时候，很容易使得归一化的结果不稳定，影响后续使用效果。•标准差归一化•非线性归一化03人脸图像.特征检测获得好的特征是识别成功的关键3特征检测算法尺度不变特征提取（SIFT）方向梯度直方图（HOG）神经网络特征提取Haar-like特征CNN特征提取04人脸图像.匹配与识别提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认（1：1）另一类是辨认（1：N）。4人脸识别主流的人脸识别技术基本上可以归结为三类：基于几何特征的方法基于模板的方法基于模型的方法•特征脸方法•线性判别分析方法•奇异值分解方法•神经网络算法•动态连接匹配•隐马尔柯夫模型•主动形状模型•主动外观模型