1、人脸识别,换脸游戏,数字图像处理 人脸识别,计算机学院 166141105 陈冬,熊孩子一脸的生无可恋，大朋友玩得好high,与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点：用户易接受：简单易用，对用户无特殊要求。防伪性能好：不易伪造或被盗。“随身携带”：不用担心遗漏或丢失，随时随地可用。,人脸识别的优点和使用场景,人脸识别还有精度较高等优点。鉴于人脸识别技术在个人身份鉴定方面的众多优点，这项技术可以在很多领域得到应用： 视频监视系统： 例如在机场、体育场等公共场所对人群进行监视，以达到身份识别的目的。,1,公安刑侦破案： 通过查询人像数据寻找数据库中是否存在重点人口
2、基本信息。例如在机场或车站安装系统以抓捕在逃案犯。加强交通管制；确认身份证、护照等证件的真伪；验证各类信用卡的持卡人身份。,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，高档小区的门禁系统以及家庭安保系统。,3,网络应用：利用人脸识别系统确认信用卡网络支付，以防止盗用信用卡等。,4,1,2,3,4,人脸识别的定义（ Definition ）,人脸识别的组成（ Component ）,人脸识别具体算法（Algorithm）,总结（ Summary ）,人脸特征提取与识别的方法（Function）,5,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
3、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。,人脸识别的定义,特指利用分析比较的计算机技术。人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，都会用到,人脸识别的组成,图像采集,图像预处理,特征提取,匹配与识别,一个完整的人脸识别系统包括人脸检测与定位、人脸特征提取、分类识别等,人脸特征提取与识别的方法,基于几何特征的方法 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、大小和结构上的各种差异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结构关
4、系的几何描述,可以做为人脸识别的重要特征.,基于特征脸的方法 它根据一组人脸训练图像构造主元子空间,由于主元具有脸的形状,也称为特征脸。识别时将测试图像投影到主元子空间上,得到一组投影系数,和各个已知人的人脸图像比较进行识别。 特征脸方法是一种简单、快速、实用的基于变换系数特征的算法,但由于它在本质上依赖于训练集和测试集图像的灰度相关性,而且要求测试图像与训练集比较像,所以它有着很大的局限性。,基于弹性模型的方法 弹性匹配方法的思想是将人脸上的一些特征点作为基准点构成弹性图，每个基准点存储一串具有代表性的特征矢量，采用分级结构的弹性图，去除一些冗余节点，形成稀疏的人脸描述结构。通过测试样本和特
5、征样本的弹性匹配来完成识别。但是，基于弹性图匹配的识别系统的主要缺点是对每个存储的人脸需要计算其模型图，因此计算复杂，存储量大。,局部特征方法 主元子空间的表示是紧凑的,特征维数大大降低,但它是非局部化的,其核函数的支集扩展在整个坐标空间中,同时它是非拓扑的,某个轴投影后临近的点与原图像空间中点的临近性没有任何关系,而局部性和拓扑性对模式分析和分割是理想的特性,似乎这更符合神经信息处理的机制,因此寻找具有这种特性的表达十分重要.这种方法构成FaceIt人脸识别软件的基础。,神经网络方法 人工神经网络(ANN)方法是把模式的统计特性隐含在网络结构和参数之中。对于人脸这类复杂的、难以显示描述的模式
6、，基于ANN的方法具有独特的优势。人工神经网络是由多个神经元按照一定的排列顺序构成的，是一个非线性动力学系统，其特色是信息的分布式存储和并行协同处理。 神经网络方法在人脸识别上的应用比起前述几类方法来有一定的优势,因为对人脸识别的许多规律或规则进行显性的描述是相当困难的,而神经网络方法则可以通过学习的过程获得对这些规律和规则的隐性表达,它的适应性更强,一般也比较容易实现.,支持向量机(SVW)的方法 近年来，支持向量机是统计模式识别领域的一个新热点，支持向量机主要解决的是一个两分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。实验结果表明支持向量机有较好的
7、识别率。,人脸识别的具体算法,基于线性子空间分析的人脸特征提取 主成分分析方法(PCA),1,2,3,算法简介,算法的主要步骤,在人脸识别中的应用,是模式识别领域中一种重要的特征提取方法，该方法通过KL变换展开式来提取样本的主要特征。 由于它保留了原向量在其协方差矩阵最大特征值对应的特征向量方向上的投影一主分量(Principal Components)，所以称为主成分分析。,人脸识别的具体算法,算法简介,利用较少数据的特征对样本进行描述以达到降低特征空间维数的目的，根据样本点在多维空间的位置分布，以样本点在空间中变化最大方向，即方差最大方向，作为差别矢量来实现数据的特征提取。,主成分分析（P
8、rincipal Component Analysis，简称PCA）,算法核心思想,人脸识别的具体算法,算法主要步骤及公式,将mn的人脸图像，重新排列为mn维的列向量,则所有的训练图像经此变换后得到一组列向量：xi，xiRnm i=1,，N，其中N代表训练样本集中图像的个数。,将图像看成一随机列向量，并通过训练样本对其均值向量和协方差矩阵进行估计。,假设我们有N个样本数据xn,每个样本数据是D维，我们希望样本数据映射到MD维的子空间，并且使映射后的数据方差最大化。 我们设低维空间的方向向量为D维单位向量u1,并且具有正交性,即u1Tu1= 一个样本数据点xn被映射到1维空间后就表示成了u1Tx
9、n。,人脸识别的具体算法,算法主要步骤及公式,红点代表原始数据点；绿点代表被映射到低维空间后的点；紫线代表映射面,人脸识别的具体算法,算法主要步骤及公式,均值向量通过下式估计：,协方差矩阵ST估计：,则将投影变换矩阵A取为ST的前k个最大特征值对应的特征向量。利用以下变换式对原图像进行去相关并降维：,人脸识别的具体算法,算法在人脸识别中的应用,在训练阶段，每个已知人脸映射到特征脸子空间，得到维向量：,在识别阶段，首先把待识别图像映射到特征脸子空间，得到向量：,区别人脸与非人脸：计算原始图像与其有特征空间重建的图像之间的距离,采用最小距离法对人脸进行分类,人脸识别的具体算法,算法在人脸识别中的应
10、用,1,2,3,若 ，则输入的图像不是人脸,若 ， ，则输入图像中包含未知人脸,若 ，= ，则输入图像为库中第个人脸,总结,人脸特征稳定性差：人脸有极强可塑性的三维柔性皮肤表面，会随着表情、年龄而发生改变。,总结,人脸识别的缺陷,可靠性、安全性较低：很多人面孔之间差别非常微妙（双胞胎）,总结,人脸识别的缺陷,总结,人脸识别的缺陷,图像的设置过程决定了人脸图像识别系统必须面对不同的光照条件、视角、距离变化等非常困难的视觉问题。这些成像因素都会极大影响人脸图像的表现，从而使得识别性能不够稳定。,总结,人脸识别的缺陷,图像采集受各种外界影响很大，因此识别性能低,总结,人脸识别的用途,出入控制,单位、公司、政府的考勤，海关用于门禁,公共安全,协助公安破案，如帮助公安机关进行自动身份识别、在机场、车站、码头等地用于可疑分子跟踪,信息安全,利用人脸识别技术可以加强局域网和广域网的安全性，并且可以解除必须记录各复杂用户名、密码的烦恼,人机交互,人脸识别还可以应用于虚拟现实、视频会议等场合。人脸识别技术的研究涉及模式识别、计算机视觉、人工智能、图像处理、心理学、生理学和认知科学等多学科,THANK YOU,人脸识别,
