技術(shù)流程
人臉 識別系統主要包括四個(gè)組成部分,分別為:人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。
人臉圖像采集及檢測
人臉圖像采集:不同的人臉圖像都能通過(guò)攝像鏡頭采集下來(lái),比如靜態(tài)圖像、動(dòng)態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當用戶(hù)在采集設備的拍攝范圍內時(shí),采集設備會(huì )自動(dòng)搜索并拍攝用戶(hù)的人臉圖像。
人臉檢測:人臉檢測在實(shí)際中主要用于人臉識別的預處理,即在圖像中準確標定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富,如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來(lái),并利用這些特征實(shí)現人臉檢測。
主流的人臉檢測方法基于以上特征采用Adaboost學(xué)習算法,Adaboost算法是一種用來(lái)分類(lèi)的方法,它把一些比較弱的分類(lèi)方法合在一起,組合出新的很強的分類(lèi)方法。
人臉檢測過(guò)程中使用Adaboost算法挑選出一些最能代表人臉的矩形特征(弱分類(lèi)器),按照加權投票的方式將弱分類(lèi)器構造為一個(gè)強分類(lèi)器,再將訓練得到的若干強分類(lèi)器串聯(lián)組成一個(gè)級聯(lián)結構的層疊分類(lèi)器,有效地提高分類(lèi)器的檢測速度。
人臉圖像預處理
人臉圖像預處理:對于人臉的圖像預處理是基于人臉檢測結果,對圖像進(jìn)行處理并最終服務(wù)于特征提取的過(guò)程。系統獲取的原始圖像由于受到各種條件的限制和隨機干擾,往往不能直接使用,必須在圖像處理的早期階段對它進(jìn)行灰度校正、噪聲過(guò)濾等圖像預處理。對于人臉圖像而言,其預處理過(guò)程主要包括人臉圖像的光線(xiàn)補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。
人臉圖像特征提取
人臉圖像特征提。喝四樧R別系統可使用的特征通常分為視覺(jué)特征、像素統計特征、人臉圖像變換系數特征、人臉圖像代數特征等。人臉特征提取就是針對人臉的某些特征進(jìn)行的。人臉特征提取,也稱(chēng)人臉表征,它是對人臉進(jìn)行特征建模的過(guò)程。人臉特征提取的方法歸納起來(lái)分為兩大類(lèi):一種是基于知識的表征方法;另外一種是基于代數特征或統計學(xué)習的表征方法。
基于知識的表征方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來(lái)獲得有助于人臉?lè )诸?lèi)的特征數據,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、下巴等局部構成,對這些局部和它們之間結構關(guān)系的幾何描述,可作為識別人臉的重要特征,這些特征被稱(chēng)為幾何特征;谥R的人臉表征主要包括基于幾何特征的方法和模板匹配法。
人臉圖像匹配與識別
人臉圖像匹配與識別:提取的人臉圖像的特征數據與數據庫中存儲的特征模板進(jìn)行搜索匹配,通過(guò)設定一個(gè)閾值,當相似度超過(guò)這一閾值,則把匹配得到的結果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進(jìn)行比較,根據相似程度對人臉的身份信息進(jìn)行判斷。這一過(guò)程又分為兩類(lèi):一類(lèi)是確認,是一對一進(jìn)行圖像比較的過(guò)程,另一類(lèi)是辨認,是一對多進(jìn)行圖像匹配對比的過(guò)程。
識別算法
一般來(lái)說(shuō),人臉識別系統包括圖像攝取、人臉定位、圖像預處理、以及人臉識別(身份確認或者身份查找)。系統輸入一般是一張或者一系列含有未確定身份的人臉圖像,以及人臉數據庫中的若干已知身份的人臉圖象或者相應的編碼,而其輸出則是一系列相似度得分,表明待識別的人臉的身份。
人臉識別算法分類(lèi)
基于人臉特征點(diǎn)的識別算法(Feature-based recognition algorithms)。
基于整幅人臉圖像的識別算法(Appearance-based recognition algorithms)。
基于模板的識別算法(Template-based recognition algorithms)。
利用神經(jīng)網(wǎng)絡(luò )進(jìn)行識別的算法(Recognition algorithms using neural network)。
基于光照估計模型理論
提出了基于Gamma灰度矯正的光照預處理方法,并且在光照估計模型的基礎上,進(jìn)行相應的光照補償和光照平衡策略。
優(yōu)化的形變統計校正理論
基于統計形變的校正理論,優(yōu)化人臉姿態(tài);強化迭代理論
強化迭代理論是對DLFA人臉檢測算法的有效擴展;
獨創(chuàng )的實(shí)時(shí)特征識別理論
該理論側重于人臉實(shí)時(shí)數據的中間值處理,從而可以在識別速率和識別效能之間,達到最佳的匹配效果
|