人脸识别课件.ppt

人脸识别 Artificial Intelligence Face Recognition 定义 人脸识别是基于 计算机图像处理技术 和 生物特征识别技术 ，提取图像或视频中的人像特征信息， 并将其与已知人脸进行比对，从而识别每个人的身份。它集成了人工智能、机器学习、模型理论、视 频图像处理等多样专业技术。 随着智能手机的快速普及，可以通过手机镜头在手机上做基于人脸识别的身份注册、认证、登录 等，使身份认证进程更安全、方便。由于人脸比指纹等视觉辨识度更高，所以刷脸的应用前景更广阔。 目录 / Contents 01 03 人脸识别 . 应用 02 04 人脸图像 . 预处理 人脸图像 . 特征检测 人脸图像 . 匹配与识别 01 人脸识别 . 应用 1 应用场景 学校宿舍，刷脸进门 身份证查验，证据留存 当前主要是通过扫描或者复印身份证信 息，人工比对身份证照片。扫描或复印身份 证只是作为备案，并不能有效核实身份证真 伪。要确保是采用真实身份证办理业务，必 须有某种技术手段对办事人提供的身份证进 行查验。 电商网站，刷脸支付 02 人脸图像 . 预处理 预处理是人脸识别过程中的一个重要环节。输入图像由于采集环境的不同， 可能收到光照，遮挡的影响得到的样图是有缺陷的。 2 图像预处理 ? 灰度化 将彩色图像转换为灰度图，其中有三种方法：最大值法、平均值法、以及加权平均法。 ? 几何变换 通过平移、转置、镜像、旋转、缩放等几何变换对采集的图像进行处理，用于改正图像采集系统的系统误差。 ? 图像增强 图像增强是为了改善人脸图像的质量，在视觉上更加清晰图像，使图像更利于识别。 ? 归一化 归一化工作的目标是取得尺寸一致，灰度取值范围相同的标准化人脸图像。 2 灰度化 将彩色图像转化为灰度图像的过程是图像的灰度化处理。 彩色图像中的每个像素的颜色由 R ， G ， B 三个分量决定，而每个分量中可取值 0-255 ，像素 点的颜色变化范围太大。而灰度图像是 R ， G ， B 三个分量相同的一种特殊的彩色图像，会大 大减少后续的计算量。 ? 最大值法 将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。这种方法转化的灰度图亮度较高。 F(i,j) = max(R(i,j), G(i,j), B(i,j)) ? 平均值法 将彩色图像中的三分量亮度求平均得到一个灰度值。这种方法得到的灰度图比较柔和。 F(i,j) = (R(i,j), G(i,j), B(i,j))/3 ? 加权平均 将彩色图像中的三分量亮度按权值计算得到一个灰度值。这种方法得到的灰度图效果最好。 F(i,j) = (W R R(i,j), W G G(i,j), W B B(i,j))/3 2 灰度变换方法 g （ x ， y ） = T [ f （ x ， y ） ] f （ x ， y ）是输入图像， g （ x ， y ）是处理后的图像， T 是在 点（ x ， y ）邻域上定义的关于 f 的一种算子。 左图是一张进行灰度变换的灰度图，从图像的左上角开始， 以水平扫描的方式逐像素地处理，将原图灰度翻转。 matlab 当中常用的灰度变换函数是： imadjust(I,[low_in; high_in],[low_out; high_out],gamma) 2 几何变换 定义：图像空间变化，将一幅图的坐标位置映射到另一幅图像中的新坐标上。 目的：通过适当的几何变换，消除几何因素（视角，方位等）造成的图像外观变化。 ? 图像平移 ? 图像转置 ? 图像旋转 ? 图像缩放 2 图像增强 ? 直方图均衡化 原理：将原始图像的灰度图从比较集中的某 个灰度区间均匀分布在整个灰度空间中，实 现对图像的非线性拉伸，重新分配像素值。 ? 拉普拉斯算子 原理：利用图像的二次微分对图像进行蜕化， 在图像领域中微分是锐化，积分是模糊，即 利用邻域像素提高对比度。 ? Log 变换 原理：对数变换可以将图像的低灰度值部分 扩展，显示出低灰度部分更多的细节，将其 高灰度值部分压缩，减少高灰度值部分。 ? 伽马变换 原理：主要用于图像的校正，将灰度过高或 者灰度过低的图片进行修正，增强对比度。 2 归一化 ? 什么是归一化？ 所谓图像归一化 , 就是通过一系列变换 , 将待处理的原始图像转换成相应的 唯一标准形式 ( 该标准形式图像 对平移、旋转、缩放等仿射变换具有不变特性 ) 。 ? 为什么归一化？ 使不同成像条件（光照强度，方向，距离，姿势等）下拍摄的同一个人的照片具有一致性。图像可以抵抗 几何变换的攻击，也就是转换成唯一的标准形式以抵抗仿射变换。 ? ? 归一化的方法有哪些？ 线性归一化 也称 min-max 标准化；是对原始数据的线性变换，使得结果值映射到 [0