人脸识别问题研究.ppt

人脸识别研究 提 纲 什么是人脸识别 人脸识别意义 人脸识别方法 人脸识别性能的评价方法 人脸识别的研究现状 三维人脸识别 吉林大学的研究成果 什么是人脸识别 对于输入的图像或者视频 判断其中是否存在人脸，如果存在人脸，则进一步给出每个人脸的位置、大小和各个主要面部器官的位置信息; 依据这些信息，进一步提取每个人脸中所蕴含的身份特征; 将其与已知人脸库中的人脸进行对比，从而识别个人的身份。 人脸识别过程 人脸识别分类 从应用的角度，人脸识别包括两大类 人脸身份识别 即根据人脸图像识别出人的身份，解决是谁的问题 人脸身份确认/验证 判断图像中的人脸是否是指定的人，即解决是不是某人的问题 人脸识别意义 多学科领域的挑战性难题 模式识别：最典型、最困难的模式识别问题 人工智能：人类智能的基本体现 计算机视觉：实现人眼的功能 下一代人机交互 让计算机不再“熟视无睹” 让计算机具有人类的情感 广泛的应用前景… 人脸识别相比其他生物特征识别的优势… 广泛的应用前景 联合国的国际民用航空组织（ICAO）在2003年6月向其188个成员国公布了其生物技术的应用规划。规划提出，将在个人护照中加入生物特征（包括指纹识别、虹膜识别、面相识别等），并在进入各个国家的边境时进行个人身份的确认。目前，此规划已经在美国、欧盟、澳大利亚、日本、韩国、南非等国家和地区通过，计划在2004年底开始实施。另外，欧盟、澳大利亚、日本、韩国、南非等采用法律规定的方式来使用生物识别技术。总体上来说，生物识别技术已经进入了实际的政府和商业应用，其主要应用领域包括：重要公共场所，车站、机场旅客控制、政府部门、门锁和考勤、法律执行、消费者管理系统、金融管理服务系统、计算机登录管理、医疗保健系统等。 广泛的应用前景 生物特征识别技术及其产业，根据IBG（国际生物集团）统计，到2005年底，全球生物特征认证技术市场规模达到22亿美元。同时，市场每年将以超过80％的速度快速增长。随着生物特征认证技术的成熟和应用面的扩大，这个数字有望达到数千亿美元。 国家公共安全 敏感人物智能监控、罪犯抓逃与比对 门禁、出入境管理 信息安全 电子商务、电子政务、社会保险、信息系统 金融领域的持卡人身份验证 智能考勤系统 广泛的应用前景 家庭娱乐 真实感游戏、虚拟社区 智能玩具、家政服务机器人 特别值得关注 敏感人物监控、各类门禁 代表身份认证 与其他生物特征识别的比较 生物特征识别:未来的身份验证方法 指纹、人脸、虹膜、掌纹、视网膜、红外温谱 笔迹、步态、声纹 人脸识别的优点 可以隐蔽操作，特别适用于安全问题、罪犯监控与抓逃应用，这是其他生物特征识别技术不能替代的 非接触式采集，没有侵犯性，容易接受 方便、快捷、强大的事后追踪能力（普通人并不具备指纹、虹膜、视网膜判别能力） 更符合我们人类的识别习惯，可交互性强，一般人就可以进行评判 设备成本较低（摄像头） 人脸识别的不足 安全性低，识别性能受外界条件、表情、化装的影响非常大 人脸识别的技术挑战 光照环境条件饰物（眼镜帽子等) 面部毛发(头发，胡须) 精神状态 健康状况 化妆、整容 影响人脸图像表观的因素 摄像设备 人与摄像设备的位置关系（距离角度等） 图像存储质量 年龄变化 意外损伤 人 脸 识 别 灰度静态图像中的人脸检测 算法简介 模板匹配方法：计算一个固定的目标模式和一个未知图像块的相异程度，用一个阈值决定输出。 算法适用条件：简单背景、光照均匀、正面像 模板生成方法 步骤：1.收集脸部图像样本；2.大小灰度归一；3.求平均 检测定位方法 定位方法：计算一个脸部模板和所有可能位置和大小的图像块的欧氏距离，距离最近的认为是脸部。 提高速度和准确度：引入两个约束－眼部满足左右对称性；眼部满足与眼模板的相似性 检测结果 人脸的特征提取 测量空间－特征空间 使用全局特征 主分量分析/KL分解/特征脸 是一种多元统计分析方法，它用较少数量的特征对样本进行描述以达到降低空间维数的方法 方法的数学基础是KL展开式。 在人脸识别领域又称之为特征脸方法。 方法如图所示 人脸识别 两个用于识别的分类器 最近邻识别(NNA)模型 径向基函数(RBF)网络模型 网络的拓扑结构 网络训练算法 生成图像(SI)技术用来增加训练样本 RBF网络模型和生成图像技术 RBF网络模型和生成图像技术 RBF网络模型和生成图像技术 识别实验结果和分析 人脸检测 人脸检测的主要方法 基于知识的方法 人脸模式的变化满足一定的规律，所以可以归纳描述人脸特征的规则，如灰度分布、比例关系、纹理信息等 基于不变特征的方法 比如彩色信息、纹理分布等 基于模板匹配的方法 固定模板，采用不同的匹配测度，将目