人臉識(shí)別是一種依據(jù)人的面部特征,自動(dòng)進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù),通常我們所說(shuō)的人臉識(shí)別是基于光學(xué)人臉圖像的身份識(shí)別與驗(yàn)證的簡(jiǎn)稱。
人臉識(shí)別利用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流,并自動(dòng)在圖像中檢測(cè)和跟蹤人臉,進(jìn)而對(duì)檢測(cè)到的人臉圖像進(jìn)行一系列的相關(guān)應(yīng)用操作,技術(shù)上包括圖像采集、特征定位、身份的確認(rèn)和查找等等。
簡(jiǎn)單來(lái)說(shuō),就是從照片中提取人臉中的特征,比如眉毛高度、嘴角等等,再通過(guò)特征的對(duì)比輸出結(jié)果。人臉識(shí)別的一般流程:
一、人臉采集:
不同的人臉圖像通過(guò)攝像鏡頭采集得到,比如靜態(tài)圖像、動(dòng)態(tài)圖像、不同位置、不同表情等,當(dāng)采集對(duì)象在設(shè)備的拍攝范圍內(nèi)時(shí),采集設(shè)備會(huì)自動(dòng)搜索并拍攝人臉圖像。
人臉采集的主要影響因素:
圖像大小
人臉圖像過(guò)小會(huì)影響識(shí)別效果,人臉圖像過(guò)大會(huì)影響識(shí)別速度,圖像大小反映在實(shí)際應(yīng)用場(chǎng)景就是人臉離攝像頭的距離。
圖像分辨率
越低的圖像分辨率越難識(shí)別,圖像大小綜合圖像分辨率,直接影響攝像頭識(shí)別距離。
光照環(huán)境
過(guò)曝或過(guò)暗的光照環(huán)境都會(huì)影響人臉識(shí)別效果,可以從攝像頭自帶的功能補(bǔ)光或?yàn)V光平衡光照影響,也可以利用算法模型優(yōu)化圖像光線。
模糊程度
實(shí)際場(chǎng)景主要著力解決運(yùn)動(dòng)模糊,人臉相對(duì)于攝像頭的移動(dòng)經(jīng)常會(huì)產(chǎn)生運(yùn)動(dòng)模糊。部分?jǐn)z像頭有抗模糊的功能,在成本有限的情況下,考慮通過(guò)算法模型優(yōu)化此問(wèn)題。
遮擋程度
五官無(wú)遮擋、臉部邊緣清晰的圖像為最佳,在實(shí)際場(chǎng)景中,很多人臉都會(huì)被帽子、眼鏡、口罩等遮擋物遮擋,這部分?jǐn)?shù)據(jù)需要根據(jù)算法要求決定是否留用訓(xùn)練。
采集角度
人臉相對(duì)于攝像頭角度為正臉最佳,因此算法模型需訓(xùn)練包含左右側(cè)人臉、上下側(cè)人臉的數(shù)據(jù)。
二、人臉檢測(cè)方法
在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小,并把其中有用的信息挑出來(lái)(如直方圖特征、顏色特征、模板特征等),然后利用信息來(lái)達(dá)到人臉檢測(cè)的目的。關(guān)鍵點(diǎn)檢測(cè)是自動(dòng)估計(jì)人臉圖片上臉部特征點(diǎn)的坐標(biāo)。
主流方法:
基于檢測(cè)出的特征采用Adaboost學(xué)習(xí)算法挑選出一些最能代表人臉的矩形特征(弱分類器),按照加權(quán)投票的方式將弱分類器構(gòu)造為一個(gè)強(qiáng)分類器,再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類器,有效地提高分類器的檢測(cè)速度。
三、人臉圖像預(yù)處理
由于系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機(jī)干擾,往往不能直接使用,必須在圖像處理的早期階段對(duì)它進(jìn)行灰度矯正、噪聲過(guò)濾等圖像預(yù)處理,并最終服務(wù)于特征提取的過(guò)程。
主要預(yù)處理方法有:人臉對(duì)準(zhǔn),人臉圖像的光線補(bǔ)償,灰度變換、直方圖均衡化、歸一化、幾何校正、中值濾波以及銳化等。
四、人臉特征提取
人臉特征提取就是針對(duì)人臉的某些特征進(jìn)行的,也稱人臉表征,它是對(duì)人臉進(jìn)行特征建模的過(guò)程。人臉特征提取的方法:
1、基于知識(shí)的表征方法
根據(jù)人臉器官的形狀描述以及它們之間的距離特性來(lái)獲得人臉?lè)诸惖奶卣鲾?shù)據(jù),其特征分量通常包括特征點(diǎn)間的歐氏距離、曲率、和角度等。
人臉由眼睛、鼻子、嘴、下巴等局部構(gòu)成,對(duì)這些局部和他們之間結(jié)構(gòu)關(guān)系的幾何描述,可作為識(shí)別人臉的重要特征,這些特征被稱為幾何特征。
2、基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法
基本思想是將人臉在空域內(nèi)的高維描述轉(zhuǎn)化為頻域或者其他空間內(nèi)的低維描述,其表征方法為線性投影表征方法和非線性投影表征方法。
五、匹配與識(shí)別
提取的人臉特征值數(shù)據(jù)與數(shù)據(jù)庫(kù)中存貯的特征模板進(jìn)行搜索匹配,通過(guò)設(shè)定一個(gè)閾值參數(shù),將相似度與這一閾值進(jìn)行比較,來(lái)對(duì)人臉的身份信息進(jìn)行判斷。
責(zé)任編輯人:CC
-
人臉識(shí)別技術(shù)
+關(guān)注
關(guān)注
0文章
127瀏覽量
14704 -
人臉識(shí)別
+關(guān)注
關(guān)注
76文章
4069瀏覽量
83640
發(fā)布評(píng)論請(qǐng)先 登錄
用FPGA來(lái)做圖像處理,例如人臉識(shí)別,一般要用多少LE
人臉識(shí)別的研究范圍和優(yōu)勢(shì)
人臉識(shí)別的三大模式
人臉識(shí)別的好處與壞處
人臉識(shí)別的原理揭秘
人臉識(shí)別的原理說(shuō)明
人臉識(shí)別的算法有哪些_人臉識(shí)別的弊端
何為人臉識(shí)別_人臉識(shí)別的應(yīng)用場(chǎng)景
人臉識(shí)別的優(yōu)點(diǎn)和識(shí)別方法

人臉識(shí)別和指紋識(shí)別哪個(gè)安全?人臉識(shí)別和指紋識(shí)別的利弊及風(fēng)險(xiǎn)
生物識(shí)別和人臉識(shí)別的區(qū)別
人臉檢測(cè)與識(shí)別的方法有哪些
如何設(shè)計(jì)人臉識(shí)別的神經(jīng)網(wǎng)絡(luò)
人臉識(shí)別門禁終端的一般故障排查方法

評(píng)論