人工智能与信息社会课件：707脸识别和情感计算.pdfVIP

人工智能与信息社会 人工智能应用：人脸识别和情感计算 陈斌北京大学gischen@pku.edu.cn 人脸识别的定义 〉 人脸识别(Face Recognition)是一种依据人 的面部特征(如统计或几何特征等) ，自动进 行身份识别的一种生物识别技术。 北京大学地球与空间科学学院/ 陈斌/2018 人脸识别一般流程 〉 图像采集、人脸检测、特征提取 （三维建 模）、模型对比、结果输出。 北京大学地球与空间科学学院/ 陈斌/2018 人脸采集 〉 影响因素有： 〉 图像大小 〉 图像分辨率 光照问题 〉 光照环境 〉 模糊程度 〉 遮挡程度 〉 采集角度 遮挡问题 北京大学地球与空间科学学院/ 陈斌/2018 人脸检测 〉 在图像中准确标定出人脸的位置和大小，并 把其中有用的信息挑出来。 〉 如直方图特征、颜色特征、模板特征、结构 特征等，然后利用这些信息来达到人脸检测 的目的。 北京大学地球与空间科学学院/ 陈斌/2018 人脸检测 〉 基于检测出的特征采用综合分类学习算法 （Adaboost 算法），挑选出代表性特征。 〉 按照加权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 成一个层叠分类器，有效地提高检测速度。 北京大学地球与空间科学学院/ 陈斌/2018 图像预处理 〉 系统获取的原始图像由于受到各种条件的限 制和随机干扰，往往不能直接使用。 〉 需要在图像处理的早期阶段对它进行灰度矫 正、噪声过滤等图像预处理。 北京大学地球与空间科学学院/ 陈斌/2018 人脸特征提取：传统基于知识表征方法 〉 根据人脸器官的形状描述以及它们之间的距 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、 曲率和角度等对人脸进行特征建模。 北京大学地球与空间科学学院/ 陈斌/2018 人脸特征提取：基于神经网络方法 〉 基于神经网络人脸进行特征建模 〉 使用深度卷积网络，将输入的人脸图像，转 换成一个向量的表示。 〉 在理想的状况下，我们希望 “向量表示”之 间的距离就可以直接反映人脸的相似度。 北京大学地球与空间科学学院/ 陈斌/2018 匹配与识别 〉 提取的人脸特征值数据与数据库中存贮的特 征模板进行搜索匹配。 〉 通过设定一个阈值，将相似度与这一阈值进 行比较，来对人脸的身份信息进行判断。 北京大学地球与空间科学学院/ 陈斌/2018 情感计算：人脸表情识别 〉 人类主要有六种基本情感：愤怒、高兴、悲 伤、惊讶、厌恶、恐惧。 〉 感情表达包括言词、声音、面部表情，其中 一半以上可以从面部表情看出。 〉 大多数表情识别是基于这六种情感及其拓展 情绪实现的。 北京大学地球与空间科学学院/ 陈斌/2018 情感计算 〉 表情识别的四个步骤中人脸检测、人脸配准、 特征提取与人脸识别中的部分类似。 〉 最后的表情分类则要根据提取的图像特征判 断该表情所属的基本感情类别。 北京大学地球与空间科学学院/ 陈斌/2018 主要困难点 〉 表情的精细化程度划分：每种情绪最微弱的 表现是否需要分类。 〉 表情类别的多样化：是否还需补充其他类别 的情绪。 〉 六种情绪在一些场景下远不能识别人类的真 实情绪，因此还有精细表情识别、混合表情 识别、非基本表情识别等细致领域的研究。 北京大学地球与空间科学学院/ 陈斌/2018 表情分析工具：FACS （Facial Action Coding System） 〉 人类在表达同一情感时，面部肌肉运动具有 一定的规律，可以基于运动单元给出面部动 作编码系统。 〉 FACS系统致力于通过特定的符号来 “详细 描述内心情感与面部表情的关系”。 北京大学地球与空间科学学院/ 陈斌/2018 情感计算的应用场景 〉 将帮助有自闭症的人群更好的融入社会。 〉 可以迅速定位那些需要帮助或有学习障碍的 学生，并可由此考核教师的素质