《人脸识别简介》由会员分享，可在线阅读，更多相关《人脸识别简介（15页珍藏版）》请在金锄头文库上搜索。
1、人脸识别,数字图像处理,简介,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的一系列相关技术，通常也叫做人像识别、面部识别。,人脸识别过程,一般分三步： (1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹编码贮存起来。 (2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。 (3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹
2、编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辩认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。,人脸识别方法简介,基于特征脸（PCA）的人脸识别方法：特征脸方法是基于K-L变换的人脸识别方法，K-L变换是图像压缩的一种最优正交变换。高维的图像空间经过K-L变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征
3、矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。基于PCA的人脸识别研究，对图像进行简单灰度处理，剪切出脸部部分，选择合适算法进行检测。,人脸识别图像预处理,像素可视为N2维空间中的一个点。由于人脸结构的相似性，当把很多这样的人脸图像归一化缩放之后，这些图像在这一超高维空间中不是随机或散乱分布的，而是存在某种规律，因此可以通过K-L变换用一个低维子空间描述人脸图像（本征脸），同时又能保存所需要的识别信息。,K-L变换,K-L变换是建立在统计特性基础上的一种变换，也称为霍特林变换，因他在1933年最先给出将离散信号变换成一串不相关系数的方法。K-
4、L变换的突出优点是相关性好，是均方误差意义下的最佳变换。 实际上起着数据降维的作用，并保证降维过程最大化保留原数据的差异 目的是为了得到本征脸,在计算机中，图像被分割成下图所示的像素，各像素的灰度值用整数表示。一幅MN个像素的数字图像，其像素灰度值可以用M行、N列的矩阵G表示：,图像的归一化目的：缩图，计算灰度,对于一个全自动的人脸识别系统，其首要的工作是人脸图像的分割以及主要器官的定位。另外，由于K-L变换本质上依赖于图像灰度在空间分布上的相关性，因此还需要对人脸图像进行一系列的预处理，以达到位置校准和灰度归一化的目的。,假设已根据分割及定位算法，得到了人脸正面图像左右两眼中心的位置，并分别
5、记为Er和El，则可通过下述步骤达到图像校准的目的 1、进行图像旋转，以使Er和El的连线 ErEl保持水平。这保证了人脸方向的 一致性，体现了人脸在图像平面内的 旋转不变性 2、根据图所示的比例关系，进行图像 裁剪。图中，O点为ErEl的中点，且d=ErEl。经过裁剪，在2d2d的图像内，可保证O点固定于(0.5d,d)处。这保证了人脸位置的一致性，体现了人脸在图像平面内的平移不变性 3、进行图像缩小和放大变换，得到统一大小的标准图像，规定标准图像的大小为128128象素点，则缩放倍数为=2d/128。这使得d=ErEl为定长(64个象素点)，即保证了人脸大小的一致性，体现了人脸在图像平面内
6、的尺度不变性,经过校准，不仅在一定程度上获得了人脸表示的几何不变性，而且还基本上消除了头发和背景的干扰。 完成了旋转、平移和尺度不变性后，需要对校准的图像做灰度拉伸，以改善图像的对比度，然后采用直方图修正技术使图像具有统一的均值和方差，一部分消除光照强度的影响,图像的格式转换和压缩,图像采集设备采集的图像通常以bmp 或jpg 格式存入计算机。以bmp 格式文件为例,bmp 文件通常分为四部分:文件头、信息头、调色板、数据部分。 一幅24 位的真彩图像的每个像素由三个字节表示,这样,储存一幅640 3 480 的图像就需要占用6403480= 921600 字节,无论对于存储容量和处理时间都是
7、不太理想的,因此,需要对图像进行压缩。 一般采用的方法是将彩色图像转换为灰度图像,公式为: Y= R0. 299 + G0. 587 +B0. 114 ,其中Y被称为灰度值。这样,彩色图像的每个像素通过索引使用统一的调色板,节省了大量的存储空间和处理时间。,图像计算与匹配,图像通过计算分析得到模板或者模型 将分析出来的模板或模型与数据库里图像进行比对,得到结果,可变形模板,主动表观模型,图像比对,检测结果,从电脑导入图像,从摄像头拍照,图像大小归一化，彩色图转换成灰度图,图像灰度值归一化,人脸检测,训练图像,人脸识别,人脸图像采集模块,图像预处理模块,人脸信息库,欧式距离判断,输出基本信息,结
8、束,否,识别模块,人脸识别实际运用,1.中科奥森人脸识别系统,中科院人脸识别技术成功用于奥运会开幕式 8月8日，数万名观众由国家体育场鸟巢的100多个人脸识别系统快速身份验证关口有序入场，参加2008北京奥运会的开幕式。据悉，该验证系统是由中科院自动化所研制的。,2.南京理工的人脸识别,人脸识别门禁系统 识别大型场馆准入系统,登记过程,一对一的验证过程,一对多的辨别过程,本次课题结束，谢谢,人体生物认证技术,人体生物的生物特征包括生理特征和行为特征两大类。 人体的生理特征主要包括人脸、指纹、掌纹、掌形、虹膜、视网膜、静脉、DNA、颅骨等，这些特征是与生俱来的，是先天形成的； 而行为特征包括声纹、签名、步态、耳形、按键节奏、身体气味等，这些特征是由后天的生活环境和生活习惯决定的。 这些生物特征本身固有的特点决定了其在生物认证中所起的作用是不同的。,生物特征识别：,人脸,脸部热量图,指纹,手形,手部血管分布,虹膜,视网膜,签名,语音,
