人脸识别中若干关键算法介绍.pdf

以DIY表情为例 人人研发/工程部 淮静  DIY表情  人脸相关算法  人脸检测、跟踪  人脸关键点定位  人脸变形、合成  人脸属性分析  人脸表示、识别  人脸相关产品  DIY表情  人脸相关算法  人脸检测、跟踪  人脸关键点定位  人脸变形、合成  人脸属性分析  人脸表示、识别  人脸相关产品  状态—— 表情—— DIY表情  恶搞好友…… 安卓端gif 生成有bug  检测—— 关键点定位—— 人脸变形  DIY表情  人脸相关算法  人脸检测、跟踪  人脸关键点定位  人脸变形、合成  人脸属性分析  人脸表示、识别  人脸相关产品  在图像/视频中找到人脸所在的位置和大小  Haar-like特征  利用积分图像快速计算矩形区域的差分信号。  AdaBoost 算法  选择区分能力强的特征结合决策树做弱分类器，然 后把这些若干弱分类器线性组合在一起增强分类性 能。  Cascade结构  做预判断，快速抛弃明显不是人脸的扫描窗口。  OpenCV 2.4.7  特征：Haar-like 和LBP  分类器：Discrete （Real, Gentle）Adaboost ， Logitboost 都支持，弱分类器是decision-tree 。  工程技巧：采用TBB 中的parallel_for_ 并行化  Multi-view + real adaboost ，FG 2004  成熟实用的多姿态人脸检测  SURF Cascade ，CVPR 2013  训练速度是haar cascade 的60倍  人脸检测+ 跟踪，在移动端的视频应用中 做到实时。 实际应用场景中容易“漂移”，效果不如间隔几帧做检测。  DIY表情  人脸相关算法  人脸检测、跟踪  人脸关键点定位  人脸变形、合成  人脸属性分析  人脸表示、识别  人脸相关产品  目的：  在人脸检测的基础上，进一步确定脸部特征点（眼睛、 眉毛、鼻子、嘴巴、脸部外轮廓）的位置。  算法的基本思路：  人脸的纹理特征和各个特征点 之间的位置约束结合。  经典算法：ASM ，AAM 。  ASM(Active Shape Model)  训练 ▪ 构建形状模型  标记样本，坐标串成特征向量，归一化、对齐，PCA。 ▪ 构建各个特征点的局部特征  常用梯度特征，对光照鲁棒。  有哪些信誉好的足球投注网站 ▪ 首先用眼睛（+嘴巴）位置对齐人脸。 ▪ 匹配各个局部特征点，得到初步形状；再用平均人脸 修正匹配结果；迭代直到收敛。 ▪ 常用多尺度方法加速  AAM(Active Appreance Model)  Appreance = Shape + Texture （整个脸部区域的 纹理特征）  am_tools  ASM原作者的demo  Stasm  完全开源  Face++ Research Toolkit  提供多种语言的SDK  IntraFace  Supervised Descent Method (SDM) for minimizing a Non-linear Least Squares (NLS) function  DIY表情  人脸相关算法  人脸检测、跟踪  人脸关键点定位  人脸变形、合成