人工智能：计算机视觉PPT教学课件.pptxVIP

模块6计算机视觉

6.1认识计算机视觉1.人脸识别的特点人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也称为人像识别、面部识别。人脸识别具有如下特点:6.1.1人脸识别简介(1)非强制性(2)非接触性(3)并发性

6.1认识计算机视觉2.人脸识别的过程人脸识别系统主要包括四个组成部分,分别为人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及人脸特征匹配。(1)人脸图像采集及检测。6.1.1人脸识别简介①人脸图像采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。不同的人脸图像都能通过摄像镜头采集下来,如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。②人脸检测。人脸检测是自动人脸识别系统中的一个关键环节。人脸检测是指对于任意一幅给定的图像,采用一定的策略对其进行搜索以确定其中是否含有人脸,如果是,则返回脸的位置、大小和姿态,如图6-1所示。

6.1认识计算机视觉2.人脸识别的过程6.1.1人脸识别简介图6-1人脸检测

6.1认识计算机视觉2.人脸识别的过程(2)人脸图像预处理。对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等,如图6-2所示。6.1.1人脸识别简介图6-2人脸图像预处理

6.1认识计算机视觉2.人脸识别的过程(3)人脸图像特征提取6.1.1人脸识别简介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。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取也称人脸表征,它是对人脸进行特征建模的过程,如图6-3所示。图6-3人脸图像特征提取

6.1认识计算机视觉2.人脸识别的过程(4)人脸特征匹配。人脸特征匹配也可以称为人脸特征分类方法,是通过对提取的人脸特征进行分类来完成人脸识别,其主要有模板匹配、神经网络法、图匹配和三维形变模型,如图6-4所示。6.1.1人脸识别简介图6-4人脸特征匹配

6.1认识计算机视觉3.人脸识别的困难人脸识别被认为是生物特征识别领域甚至人工智能领域困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。6.1.1人脸识别简介首先,人类识别的对象具有相似性。不同个体之间的区别不大,所有的人脸的结构相似,甚至人脸器官的结构外形都很相似。其次,人脸识别的对象具有易变性。人脸的外形很不稳定,人可以通过脸部的变化产生很多表情,而在不同观察角度,人脸的视觉图像也相差很大。另外,人脸识别还受光照条件(如白天和夜晚,室内和室外等)、人脸的很多遮盖物(如口罩、墨镜、头发、胡须等)、年龄等多方面因素的影响。

6.1认识计算机视觉4.人脸识别的主要应用场景人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗等领域。随着技术的进一步成熟和社会认同度的提高,人脸识别技术将应用在更多的领域。6.1.1人脸识别简介(1)企业、住宅安全和管理。(2)电子护照及身份证。(3)公安、司法和刑侦。(4)自助服务。(5)信息安全。

6.1认识计算机视觉5.人脸识别的主要产品6.1.1人脸识别简1)数码相机。人脸自动对焦和笑脸快门技术:首先是面部捕捉。(2)门禁系统。受安全保护的地区可以通过人脸识别辨识试图进入者的身份。(3)人脸识别门禁。人脸识别门禁是基于先进的人脸识别技术,结合成熟的ID卡和指纹识别技术而推出的安全实用的门禁产品。(4)身份辨识。例如,电子护照及身份证,这或许是未来的大规模应用。

6.1认识计算机视觉6.人脸识别的应用示例6.1.1人脸识别简介2012年4月13日,京沪高铁安检区域人脸识别系统工程开始招标,上海虹桥站、天津西站和济南西站三个车站安检区域安装用于身份识别的高科技安检系统———人脸识别系统,以协助公安部门抓捕在逃案犯。在酒店领域,从客人入住到离店过程中的各个环节,身份统一识别是个基础问题,各个业务场景通过不同的技术(有纸质凭证、身份证、IC房卡等多种媒介)识别客人,导致酒店内部各系统独立、复杂、数据不统一,客人体验也不友好。图6-5所示为某高铁站上线人脸识别系统,自助闸机验证身份证信息、通过人脸识别后自动完成检票。图6-5高铁站人脸识别系统

6.1认识计算机视觉移动互联网、智能手机以及社交网络的发展带来了海量图片信息,国内的微信朋友圈也是以图片分享为