第2章1自动识别技术与条形码培训课件方案研究.ppt

第2章 自动识别技术与RFID;内容提要;内容回顾;2.1 自动识别技术 2.2 RFID的历史和现状 2.3 RFID技术分析 2.4 RFID标签冲突* 2.5 RFID和物联网 自动识别技术是模式识别理论的典型应用，选取不同的特征产生了多样的自动识别技术。;2.1自动识别技术;自动识别技术的种类与特征比较; 自动识别分类 ;人体生物特征;常用生物特征的比较;语音识别 ;iphone 4S ——Siri;语音识别;腾讯;语音识别框架：典型的模式识别系统 ;人脸识别;人脸识别;人脸识别;人脸识别门禁系统;自动人脸识别系统;人脸识别的过程; 在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。 主流的人脸检测方法基于以上特征采用Adaboost学习算法，挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。 ; 对人脸进行特征建模的过程。 人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。 人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。 基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。 ; 基于人脸特征点的识别算法（Feature-based recognition algorithms） 基于整幅人脸图像的识别算法（Appearance-based recognition algorithms） 基于模板的识别算法（Template-based recognition algorithms） 利用神经网络进行识别的算法（Recognition algorithms using neural network） 基于光照估计模型理论 提出了基于Gamma灰度矫正的光照预处理方法,并且在光照估计模型的基础上，进行相应的光照补偿和光照平衡策略。 优化的形变统计校正理论 基于统计形变的校正理论，优化人脸姿态； 强化迭代理论 强化迭代理论是对DLFA人脸检测算法的有效扩展； 独创的实时特征识别理论 该理论侧重于人脸实时数据的中间值处理，从而可以在识别速率和识别效能之间，达到最佳的匹配效果;人脸识别的困难;虹膜识别：合适的生物特征;虹膜识别的缺点;指纹识别技术;指纹特征有哪些（总体特征）？;指纹特征有哪些（局部特征）？;光符号识别;数据采集技术有： 利用光学原理的存储器：光学字符识别、条码（一维、二维）、矩阵码、光标读写器； 磁存储器：磁条、非接触磁卡、磁光存储、微波； 电存储器：触摸式存储、RFID射频识别、存储卡（智能卡、非接触式智能卡）、视觉识别、能量扰动识别。 ;磁卡识别技术 磁卡是由一定材料的片基和均匀涂覆在片基上的微粒磁性材料制成的，采用的是磁识别技术。磁条从本质意义上讲和计算机用的磁带或磁盘是一样的，可以记载字母、字符及数字信息，通过粘合或热合与塑料或纸牢固地整合在一起，形成磁卡。磁条记录信息的方法是变化磁的极性，一部解码器可以识读到磁性变换，并将它们转换成字母或数字的形式。 ;IC卡技术;IC卡：基本组成;IC卡：分类;IC卡：按芯片分类;IC卡：按芯片分类;IC卡：按芯片分类;CPU卡：按交换界面分类;CPU卡：按应用领域分类;CPU卡：按数据传输形式分类;条形码技术;条形码技术：一维条形码;一维条形码：几个基本概念;一维条形码：几个基本概念（续）;一维条形码：译码原理;UPC码（统一商品编码）;EAN码;ITF 25码;39码和93码;库德巴码和Code128码;库德巴码和Code128码;一维条形码：典型一维条形码制比较;二维条形码;一维条形码与二维条形码的比较;条形码技术：二维条形码;;PDF417 二维条码 ;QR Code 二维条码 ;;如何安全扫描