先进面部识别系统5.pptVIP

什么是人脸识别 模式识别定义 模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。 生物特征识别 生物特征识别技术是指通过计算机利用人类自身的生理或行为特征进行身份认定的一种技术。 生物特征识别种类 什么是人脸识别 人脸识别 提取特征点 人脸检测 比对 成像 工作原理 面部识别是一种非常自然、友好的生物特征识别认证技术。 面部识别技术是通过图像或视频进行面部检测，然后提取面部特征、最后进行面部比对的一系列相关技术的总成。 图像预处理 人脸识别是是人类视觉最杰出的能力之一。计算机人脸识别技术是一项新兴的生物识别技术，也是一个活跃的研究领域。它是计算机交互是技术的重要组成部分具有广阔的发展前景。 面部识别的优点 人脸识别技术由于它的安全性、无侵害性和对用户最自然、最直观的使用方式，使人脸识别成为最容易被接受的生物特征识别方式。 准确率 速度 采集难度 采集方式 设备成本 接受度 应用范围 指纹 高 很快 低 主动 低 高 广泛 掌纹 很高 快 较低 主动 高 高 一般 虹膜 很高 快 高 主动 较高 较低 一般 面部 很高 快 低 主动/被动 低 很高 广泛 DNA 精确 很慢 很高 主动 很高 低 很窄 和其他生物特征识别技术比较 面部识别的优点 1.识别准确安全； 2. 伴随性无须介质不怕丢失或遗忘； 3. 非接触使用安全卫生； 4. 隐蔽性适合特殊情况使用； 5. 使用方便无须学习和改变使用习惯； 6. 设备使用寿命长； 7. 对人的身体及生理无侵害。 面部识别 不受季节及天气影响识别准确率高 非接触：设备使用寿命高，使用更卫生。 识别方式为主、被动两种 不需要密钥或存放相关信息的介质（如IC、ID等）更安全更方便 我们的贡献 1、提高了该技术对环境光线的适应性 2、解决了戴眼镜的问题 3、降低了成本 4、提高了识别速度 用户选择的理由 方便、安全、价格适中 这个技术在保证安全性的同时极大的方便了客户使用（不用记密码，不用带卡片和钥匙），这是他价值的真正所在。 并且在十年内无可替代他的技术会出现。 复制难度高 主要优点 面部识别原理 眼部检测 眼镜发射光消除 MB-LBP算法 标准化 根据眼睛位 置做图像标 准化局部直 方图均衡、Gamma、 局部差分等 一系列变换 记录当前图 像的光线 照射情况 Boosting 人脸特征 分类器 人脸检测 Haar算法 特征提取 代数（主）加几何特征（辅助） Gabor小波转化 特征库 结果 注册 比对 Boosting 眼部特征 分类器 通过摄像头采集到的灰度图像 训练集 检出率: 1、不考虑准确度的情况下眼睛的检出率：DR=99.88％2、误差为5%眼睛的精确度检出率：DR(0.05)=80％ 3、误差为10%眼睛的精确度检出率： DR(0.1)=97％ 眼睛检测的速度: 3ms：电脑（1.7GHz的中央处理器，128MB内存）100ms的：嵌入式（MIPS 336MHz处理器，64MB内存） 眼部检测性能评价 人脸特征提取前的预处理及图像标准化 1、 检测人脸平面内角度偏差并旋转。（根据眼睛） 2、缩放图像到合适大小。 （根据眼睛） 3、截取151*151图像。 4、通过局部差分及局部直方图均衡等措施对图像进行标准化（标准化前后图形如下） 图像预处理及标准化 1、 特征提取是基于Gabor小波变换，特征编码的信息包含光照，表情，姿态等。 2、 我们通过二维分解Gabor滤波器来提高特征提取速度。 实部 虚部 3、 需要取标准图像中81个固定点，每个点进行16个方向8个频率的小波计算（如图）。 特征提取 如上所述，我们计算出特征点，根据在81点16方向和8个频率，所以我们得 到16 * 8 * 81 Gabor特征值。让我们在每一个点得到16 * 8 = 128 Gabor特征值。 我们使用了编码功能，判断相邻点之间关系、方向和大小。因此，我们计算出每个特征编码的大小为2430Byte（还加入了一些其他信息，如光照强度、方向、注册时间等）。 特征提取 1、计算相似性 首先我们计算出每个的的相似性，再根据每个点的相似性的差计算权重。 2、计算面部的光线变化