- 1、本文档共44页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
人脸考勤作弊
人脸识别技术总结
人脸识别技术大总结——Face Detection amp; Alignment 2015-04-08
搞了一年人脸识别,寻思着记录点什么,于是
想写这么个系列,介绍人脸识别的四大块:Face detection, alignment, verification and identification(recognization),本别代表从一张图中识别出人脸位置,把人脸上的特征点定位,人脸校验和人脸识别。(后两者的区别在于,人脸校验是要给你两张脸问你是不是同一个人,人脸识别是给你一张脸和一个库问你这张脸是库里的谁。
人脸检测(detection)在opencv中早就有直接能拿来用的haar分类器,基于Viola-Jones算法。但是毕竟是老掉牙的技术,Precision/Recall曲线渣到不行,在实际工程中根本没法给boss看,作为MSRA脑残粉,这里介绍一种MSRA在14年的最新技术:Joint Cascade Face Detection and Alignment(ECCV14)。这篇文章直接在30ms的时间里把detection和alignment都给做了,PR曲线彪到很高,时效性高,内存占用却非常低,在一些库上虐了Face++和Google Picasa,正好契合这篇想讲的东西。可以作为本节的主线。
人脸校准(alignment)是给你一张脸,你给我找出我需要的特征点的位置,比如鼻子左侧,鼻孔下侧,瞳孔位置,上嘴唇下侧等等点的位置。如果觉得还是不明白,看下图:
图中红色框框就是在做detection,白色点点就是在做alignment。
如果知道了点的位置做一下位置驱动的变形,脸就成正的了,如何驱动变形不是本节的重点,在此省略。
首先介绍一下下面正文要写的东西,由于干货非常多所以可能会看着看着就乱了,所以给出框架图:
=================================
废话说了这么多,正文开始~
detection
作者建立了一个叫post classifier的分类器,方法如下:
1.样本准备:首先作者调用opencv的Viola-Jones分类器,将recal阀值设到99%,这样能够尽可能地检测出所有的脸,但是同时也会有非常多的不是脸的东东被检测出来。于是,检测出来的框框们被分成了两类:是脸和不是脸。这些图片被resize到96*96。
2.特征提取:接下来是特征提取,怎么提取呢?作者采用了三种方法:
第一种:把window划分成6*6个小windows,分别提取SIFT特征,然后连接着36个sift特征向量成为图像的特征。
第二种:先求出一个固定的脸的平均shape(27个特征点的位置,比如眼睛左边,嘴唇右边等等),然后以这27个特征点为中心提取sift特征,然后连接后作为特征。 第三种:用他们组去年的另一个成果Face Alignment at 3000 FPS via Regressing Local Binary Features (CVPR14) ,也就是图中的3000FPS方法,回归出每张脸的shape,然后再以每张脸自己的27个shape points为中心做sift,然后连接得到特征。
3.分类:将上述的三种特征分别扔到线性SVM中做分类,训练出一个能分辨一张图是不是脸的SVM模型。
紧接着作者将以上三种方法做出的分类器和初始分类器进行比对,画了一个样本分布的图:
这个图从左到右依次是原始级联分类器得到的样本分类分布和第一种到第三种方法提取的特征得到的样本分类分布。可见做一下shape alignment可以得到一个更好的分类效果。但是问题来了:如果把所有的windows都做一下alignment,即使是3000 faces per second的速度一张图可能也要处理上1秒,这无法满足一般一秒30帧的实时需求。作者也说,用opencv分类器,参数设成99%的recall率将会带来很严重的效率灾难——一张图能找出来3000个框,处理一张图都要好几秒。
这么渣的效率可咋办呢?以上内容已经证明了alignment确实对detection的
preciseness有帮助,这就够啦,对下面的工作也是个启发——能不能在做detection的同时把alignment做了呢?alignment的中间结果是否能给detection带来一些帮助呢?后面慢慢讲。先说两个通用的面部检测和矫正的模型:
1. 级联检测分类器(bagging):不失一般性,一个简单的级联分类器是这样的:
图中的Ci代表的是第i个弱分类器。x代表的是特征向量,f代表分类得分。每个Ci会根据自己的分类方法对x输出一个分类结果,比如是一张
您可能关注的文档
- 亲情的作文500字.doc
- 亲爱的爸爸作文600字.doc
- 亲自煮鱼作文二年级作文.doc
- 亲爱的爸爸妈妈作文.doc
- 人个人工作总结.doc
- 人与人相处和沟通职场礼仪.doc
- 亲近母语作文500字.doc
- 人事专员转正申请.doc
- 人事专员周工作计划表.doc
- 人事专员优秀员工自荐书.doc
- 新疆喀什2024_2025学年高一数学上学期11月月考试题含解析.doc
- 2024新教材高中历史第一单元古代文明的产生与发展第2课古代世界的帝国与文明的交流教案部编版必修中外历史纲要下.doc
- 四川省达州市2024_2025学年高二生物上学期第一次考试.docx
- 四川省遂宁市蓬溪县2024_2025学年高二数学上学期10月月考题含解析.docx
- 2024八年级科学下册第2章微粒的模型与符号2.3原子结构的模型第2课时教学设计新版浙教版.doc
- 安徽省2024八年级物理下册第10章机械与人学情评估新版沪科版.doc
- 适用于新高考新教材备战2025届高考历史一轮总复习第61讲商路贸易与文化交流.doc
- 2024七年级科学下册第3章运动和力3.2力的存在第1课时教案新版浙教版.doc
- 2025届高考物理一轮复习专项练习课时规范练27电阻定律欧姆定律焦耳定律.doc
- 2025届高考历史一轮复习专项练习课时规范练4隋唐制度的变化与创新及三国至隋唐的文化.doc
最近下载
- 2021年县(区)委书记在学校思政课上的讲稿:坚定制度自信,为中国梦而读书.pdf VIP
- 2023年春季社会工作行政期末复习训练题参考答案.doc
- 教科版《2.5发现生长》说课稿、教学设计与教案.docx VIP
- 初级火灾扑救理论考试参考题库.pdf
- 国际防雷标准IEC62305-2 2010英文版.docx
- 新部编人教版语文三年级下册《习作:中华传统节日》教学课件.ppt
- 精选课件过桥米线.ppt
- 初中数学课堂有效教学策略研究结题报告.docx.pdf
- 第三方安全-检查-服务实施方案(环保科技城)-.doc
- 河北水利电力学院2022-2023学年第2学期《高等数学(下)》期末试卷(B卷)附标准答案.pdf
文档评论(0)