人脸识别技术主要算法原理 人脸识别系统原理

人脸辨认体系原理(人脸辨认技巧重要算法原理)现在一些小区出入不用门禁卡了,出入全靠人脸辨认;银行也开通了刷脸取现金,省去了拿卡,输入密码等;有的餐厅搞运动,刷脸吃饭,由机器打分,颜值高的免单 。在火车站、汽车站、高铁站、机场等公共场合,人脸辨认运用也越来越多 。那么人脸辨认有哪些技巧呢?

人脸识别技术主要算法原理 人脸识别系统原理

文章插图


主流的人脸辨认技巧根本上可以归结为三类,即:基于几何特点的办法、基于模板的办法和基于模型的办法 。
1. 基于几何特点的办法是最早、最传统的办法,通常须要和其他算法联合能力有比拟好的后果;
2. 基于模板的办法可以分为基于相干匹配的办法、特点脸办法、线性判别剖析办法、奇怪值分解办法、神经网络办法、动态衔接匹配办法等 。
3. 基于模型的办法则有基于隐马尔柯夫模型,自动形状模型和自动外观模型的办法等 。
1. 基于几何特点的办法
人脸由眼睛、鼻子、嘴巴、下巴等部件构成,正因为这些部件的形状、大小和构造上的各种差别才使得世界上每个人脸千差万别,因此对这些部件的形状和构造关系的几何描写,可以做为人脸辨认的主要特点 。几何特点最早是用于人脸侧面轮廓的描写与辨认,首先依据侧面轮廓曲线肯定若干明显点,并由这些明显点导出一组用于辨认的特点度量如距离、角度等 。Jia 等由正面灰度图中线邻近的积分投影模仿侧面轮廓图是一种很有新意的办法 。
采取几何特点进行正面人脸辨认一般是通过提取人眼、口、鼻等主要特点点的地位和眼睛等主要器官的几何形状作为分类特点,但Roder对几何特点提取的准确性进行了试验性的研讨,成果不容乐观 。
可变形模板法可以视为几何特点办法的一种改良,其根本思想是 :设计一个参数可调的器官模型 (即可变形模板),定义一个能量函数,通过调剂模型参数使能量函数最小化,此时的模型参数即做为该器官的几何特点 。
这种办法思想很好,但是存在两个问题,一是能量函数中各种代价的加权系数只能由经验肯定,难以推广,二是能量函数优化进程十分耗时,难以实际运用 。基于参数的人脸表现可以实现对人脸明显特点的一个高效描写,但它须要大批的前处置和精致的参数选择 。同时,采取一般几何特点只描写了部件的根本形状与构造关系,疏忽了局部细微特点,造成部分信息的丧失,更合适于做粗分类,而且目前已有的特点点检测技巧在准确率上还远不能满足请求,盘算量也较大 。
2. 局部特点剖析办法(Local Face Analysis)
主元子空间的表现是紧凑的,特点维数大大下降,但它是非局部化的,其核函数的支集扩大在全部坐标空间中,同时它是非拓扑的,某个轴投影后邻近的点与原图像空间中点的邻近性没有任何关系,而局部性和拓扑性对模式剖析和分割是幻想的特征,似乎这更符合神经信息处置的机制,因此寻找具有这种特征的表达十分主要 。基于这种斟酌,Atick提出基于局部特点的人脸特点提取与辨认办法 。这种办法在实际运用取得了很好的后果,它构成了FaceIt人脸辨认软件的基本 。
3. 特点脸办法(Eigenface或PCA)
特点脸办法是90年代初期由Turk和Pentland提出的目前最风行的算法之一,具有简略有效的特色, 也称为基于主成分剖析(principal component analysis,简称PCA)的人脸辨认办法 。
特点子脸技巧的根本思想是:从统计的观点,寻找人脸图像散布的根本元素,即人脸图像样本集协方差矩阵的特点向量,以此近似地表征人脸图像 。这些特点向量称为特点脸(Eigenface) 。
实际上,特点脸反应了隐含在人脸样本聚集内部的信息和人脸的构造关系 。将眼睛、面颊、下颌的样本集协方差矩阵的特点向量称为特点眼、特点颌和特点唇,统称特点子脸 。特点子脸在相应的图像空间中生成子空间,称为子脸空间 。盘算出测试图像窗口在子脸空间的投影距离,若窗口图像满足阈值比拟条件,则断定其为人脸 。
基于特点剖析的办法,也就是将人脸基准点的相比较率和其它描写人脸脸部特点的形状参数或类别参数等一起构成辨认特点向量,这种基于整体脸的辨认不仅保存了人脸部件之间的拓扑关系,而且也保存了各部件本身的信息,而基于部件的辨认则是通过提取出局部轮廓信息及灰度信息来设计具体辨认算法 。现在Eigenface(PCA)算法已经与经典的模板匹配算法一起成为测试人脸辨认体系性能的基准算法;而自1991年特点脸技巧出生以来,研讨者对其进行了各种各样的试验和理论剖析,FERET'96测试成果也表明,改良的特点脸算法是主流的人脸辨认技巧,也是具有最好性能的辨认办法之一 。


推荐阅读