人脸识别技术流程一览资料下载

资料大小: 709.79KB

所需积分: 0

下载次数:

用户评论: 0条评论,查看

上传日期: 2021-04-03

上 传 者: 发烧友他上传的所有资料

资料介绍

标签:神经(20)人工智能(33262)AI(17849)机器人(19176)
最近,有两则新闻引了人们较大关注,一则是“iPhone8可能启用人脸识别解锁耗时不到1秒钟”。另一则是“上海用人脸识别技术抓拍行人闯红灯照片将被示众”。这两则新闻均提到了“人脸识别技术”,那么,什么是人脸识别技术?这到底会给我们的生活带来怎样的改变呢?且听小编细细道来。什么是人脸识别技术人脸识别技术,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。传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式。简单的来说就是一个让计算机认出你的过程。人脸识别技术主要是通过人脸图像特征的提取与对比来进行的。人脸识别系统将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别技术特点传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们最熟悉的识别方式,已有30多年的研发历史。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧下降,无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别,和热成像人脸识别。但这两种技术��远不成熟,识别效果不尽人意。迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来,它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。与其它类型的生物识别比较人脸识别具有如下特点:非强制性:用户不需要专门配合人脸采集设备,几乎可以在无意识的状态下就可获取人脸图像,这样的取样方式没有“强制性”;非接触性:用户不需要和设备直接接触就能获取人脸图像;并发性:在实际应用场景下可以进行多个人脸的分拣、判断及识别;除此之外,还符合视觉特性:“以貌识人”的特性,以及操作简单、结果直观、隐蔽性好等特点。人脸识别技术流程人脸识别系统主要包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。人脸图像采集及检测人脸图像采集:不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost学习算法,Adaboost算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。人脸图像预处理人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。人脸图像特征提取人脸图像特征提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。人脸图像匹配与识别人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。人脸识别三大关键技术基于特征的人脸检测技术通过采用颜色、轮廓、纹理、结构或者直方图特征等进行人脸检测。基于模板匹配人脸检测技术从数据库当中提取人脸模板,接着采取一定模板匹配策略,使抓取人脸图像与从模板库提取图片相匹配,由相关性的高低和所匹配的模板大小确定人脸大小以及位置信息。

用户评论

查看全部 条评论

发表评论请先 , 还没有账号?免费注册

发表评论

用户评论
技术交流、我要发言! 发表评论可获取积分! 请遵守相关规定。
上传电子资料

下载排行

本周

  1. 统一框架下期望在线核选择的竞争性分析
  2. 人工智能赋能的查询处理与优化技术
  3. 基于关键字的自定义古诗句生成设计与实现
  4. 应用于风格化数据的正则化最小二乘以支持向量机
  5. 机器人运动控制系统的选型资料下载
  6. 基于深度神经网络的强对流天气智能识别模型
  7. 深度神经网络模型的压缩和优化综述
  8. 基于深度学习的跨域小样本人脸欺诈检测算法
  9. 结合深度与演化算法的群竞争合作优化算法
  10. 通用知识图谱构建技术的应用及发展趋势

本月

  1. 统一框架下期望在线核选择的竞争性分析
  2. 基于LSTM和CNN融合的深度神经网络个人信用评分方法
  3. 基于深度学习的自适应梯度阀值判别方法
  4. 综述深度神经网络的解释方法及发展趋势
  5. 分析总结基于深度神经网络的图像语义分割方法
  6. 人脸识别技术流程一览资料下载
  7. BP神经网络原理及MATLAB仿真的详细资料说明
  8. 一种可有效提高准确率的小目标检测网络
  9. 视觉目标跟踪相关算法、优缺点及发展趋势
  10. 基于深度学习的家庭基站下行链路功率分配

总榜

  1. micropython的详细中文教程资料免费下载
  2. 深度学习入门教程之TensorFlow入门、原理与进阶实战教程免费下载
  3. 电子书 中美人工智能行业生态比较
  4. HALCON机器视觉软件的中文手册免费下载
  5. 学习OpenCV中文版PDF电子书免费下载
  6. 汽车电器与电子控制技术PDF电子书免费下载
  7. 《Python编程:从入门到实践》的源代码文件免费下载
  8. Python机器学习基础教程PDF版电子书免费下载
  9. Protues教程之我的Protues资料库免费下载
  10. 周志华机器学习PDF电子书免费下载