人脸识别的基本原理.pdfVIP

⼈脸识别的基本原理 编辑导语：⼈脸识别产品早已被应⽤到⽣活的各个场景之中。 是你了解它的应⽤原理吗？本篇⽂章⾥，作者便将⼈ 脸识别原理进⾏了拆解。感兴趣的话就⼀起看下去吧。 现在A I发展的如⽕如荼，我们已逐步进⼊智能时代。虽然⼈⼯智能偏技术类，学习和理解需要⼀定的技术背景和数学做 ⽀撑。 拆开看，其原理、⽅法、思路并不复杂， 「不懂技术」的产品经理也能理解。 ⼈⼯智能牵扯很多学科，知识点盘根错节，需要具备多学科的知识储备。从学习路径上看，⽐较适合做成系列，从浅⼊ 深，从基础到应⽤，逐渐深⼊。 ⽆形中提⾼了学习门槛，降低了学习的兴趣，导致很难坚持。 有感于此，我想以⼀种轻松、探索的视⾓，跟⼤家⼀起摸索，⽤简单、直⽩的⽅式来学习A I。这样，虽然会有错误、遗 漏等， 学习难度会降低，那就在过程中完善吧，毕竟 「模糊的正确⼤于精确的错误」。 ⼀、⼈脸识别产品 我们从⼈脸识别开始，逐步了解其技术路径的演变和原理等，今天先从最简单的原理讲起。 ⼈脸识别其实很早就有了，多年前就以⼈脸考勤的⽅式出现， 由于使⽤效果不好，⽤户体验不佳，逐步被市场淘汰。 ⽽这⼀波⼈⼯智能的⽕热，计算能⼒、模型等都是其重要推动⼒， 更重要的是产品能够落地，能够在实际业务场景中 使⽤。 尤其是⼈脸识别，产品在识别精度、速度、⽤户友好度等多个⽅⾯都有明显提升，⽤户和市场的接受度明显上升。 ⼆、图像表⽰ 了解⼈脸识别，先要从图像表⽰讲起。 ⼤家都知道，计算机能够识别和处理的是⼆进制，不管我们输⼊的是⽂本、图像、声⾳，计算机都是⽤⼀定长度的⼆进 制串进⾏存储和处理。 我们先以⿊⽩图⽚为例，看看计算机是怎么表⽰的。 计算机程序可以将⿊⽩图⽚可以表⽰为灰度图像。在灰度图像中，⼀个像素使⽤8个⽐特位，从⽽可以表⽰256个灰度 阶，表⽰范围是0-255。其中0代表纯⿊⾊，255代表纯⽩⾊。 ⼀个字节可以表⽰⼀个像素，那怎么表⽰⼀张图⽚呢，⽤矩阵进⾏表⽰。 简单来说，就是表格，⽐如可以使⽤8⾏8列来表⽰⼀张8*8的灰度图⽚。 这样我们就解决了图像的表⽰问题，建⽴了图像和矩阵的等价关系。图⽚可以转化为矩阵，通过矩阵也可以恢复原始图 ⽚。 ⼤家能算出来下⾯的矩阵表⽰什么吗？ 对的，⼀眼就看出来了数字1，看来⼤家都有搞A I的天赋，加油。 三、图像识别 通过矩阵表⽰图像后，图像的各种处理就转化为数学问题，可以使⽤数学的理论和⽅法进⾏解决，⽽这正是计算机所擅 长的。 我们输⼊图⽚，希望计算机能够将内容识别出来，将结果输出。 仍以数字为例，当输⼊图⽚并⽤矩阵表⽰后，通过将灰度值转化为灰度，可以轻松辨识其所表⽰的内容。 在计算机的世界⾥，只有0和1。想要通过辨识矩阵内容并将结果输出，就必须建⽴矩阵到结果的映射。这样，输⼊⼀ 张图⽚，经过处理和计算后，才能输出⼀个数字。 很朴素的想法就是将各个数字所代表的矩阵提前存放在计算机内，当输⼊⼀张图⽚后，计算机通过计算，从⽽找到最适 合的数字进⾏输出。 举个例⼦，更容易理解⼀些。⽐如，计算机内部已经存放了包含数字1和7以及它们所对应的灰度矩阵。 数字1 数字7 当新输⼊⼀张图像后，程序会⾃动计算它的矩阵与这些矩阵的相似度。相似度计算可使⽤的公式很多，⽐如可以使⽤百 当新输⼊⼀张图像后，程序会⾃动计算它的矩阵与这些矩阵的相似度。相似度计算可使⽤的公式很多，⽐如可以使⽤百 分⽐，距离等。 简单起见，就使⽤两个矩阵对应元素之差的绝对值之和或者平⽅和等，计算机进⾏快速运算，找到最相似的矩阵，然后 将其所代表的数字进⾏输出。 当输⼊以下内容时，经过简单计算，可以知道输出结果为 7。 四、⼈脸表⽰ 既然可以⽤矩阵来表⽰图⽚，⼈脸也是照⽚，那么也可以⽤同样的⽅法来进⾏表⽰，下⾯的这张⼈脸可以表⽰为： ⼈脸照⽚ 矩阵表⽰ 五、⼈脸识别 虽然被叫做⼈脸识别， 更准确的名字应该是 「⼈脸⽐对」。⼈脸识别的背后，是⼀张待⽐对图⽚和⼈脸底库中的所有 照⽚进⾏⽐对，从⽽判别图⽚中⼈员的⾝份。 ⼀般来说，待⽐对照⽚就是我们在⽇常⽣活中被各种设备所采集的照⽚，⽐如通过⼈脸识别考勤机抓拍的照⽚。 ⼀般来说，待⽐对照⽚就是我们在⽇常⽣活中被各种设备所采集的照⽚，⽐如通过⼈脸识别考勤机抓拍的照⽚。 由于环境、姿势等原因，采集的照⽚具有很⼤的差异，导致⽐对成功率不⾼。为了提升⽐对的成功率和速度，很多时候 会同时抓拍多张⼈脸进⾏识别， 每次⽐对的时候输⼊照⽚只有⼀张。 所谓的⼈脸底库就是我们在系统中提前录⼊的⼈脸照⽚，照⽚和我们的名字⼀⼀对应。根据⼈脸底库中照⽚数量的不 同，可以将⼈脸⽐对分为1:1和1：