动态人脸识别技术与应用研究.ppt

《动态人脸识别技术与应用研究.ppt》由会员分享，可在线阅读，更多相关《动态人脸识别技术与应用研究.ppt（27页珍藏版）》请在三一办公上搜索。

1、C A S I P P,动态人脸识别技术与应用研究,报告人:徐从东,导 师:,肖炳甲 研究员,罗家融 研究员,C A S I P P,报告主要内容,一、研究的目的和意义二、研究历史与现状三、研究的一般过程四、系统设计五、技术关键点六、进度安排,C A S I P P,一、研究的目的和意义,人脸识别的一般概念：根据场景中的静态图像或视频，利用给定的人脸数据库信息，鉴别或确认该场景中的一位或多位人的身份的过程。,C A S I P P,一、研究的目的和意义,近年来，随着计算机技术的迅速发展，生物特征的自动识别技术得到广泛研究与开发，如指纹识别、掌形识别等。人脸识别是基于脸像的身份鉴别，旨在使计算机

2、具有通过脸像来鉴别身份的功能，是一种依托于图像理解、模式识别、计算机视觉等高技术的智能系统，与其它人体生物特征识别技术相比具有直接、友好、方便的特点，是最自然直接的手段，易于为用户所接受。,C A S I P P,一、研究的目的和意义,人脸识别技术应用前景广泛,可用于银行、海关的监控系统及自动门卫系统等。特别是在非接触环境和不惊动被检测人的情况下，人脸识别技术的优越性远远超过已有的指纹等检测方法。自美国“911”事件以来，这一技术引起广泛关注。作为最容易隐蔽使用的识别技术，人脸识别成为当今国际反恐和安全防范最重要的手段之一。,C A S I P P,二、研究历史与现状,（一）在人脸识别方面，人

3、类最早的研究工作至少可追朔到二十世纪五十年代在心理学方面的研究和六十年代在工程学方面的研究。,心理学：J.S.Bruner The perception of people 1954,工程学：Bledsoe Facial Recognition Project Report 1964,C A S I P P,二、研究历史与现状,（二）关于人脸的机器识别研究开始于二十世纪七十年代。,M.D.Kelly Visual Identification of People by Computer 1970,Picture Processing System by Computer Complex and

4、 Recognition of Human Faces Kanades Ph.D.Thesis 1973,C A S I P P,二、研究历史与现状,（三）20世纪90年代以来，随着高精度高性能计算机的出现，人脸识别方法有了重大突破，才进入了真正的机器自动识别阶段。,在用静态图像或视频图像做人脸识别的领域中，国际上形成了以下几类主要的人脸识别方法：基于几何特征的人脸识别方法；基于模板匹配的人脸识别方法；基于K-L交换的特征脸方法；隐马尔可夫模型方法；神经网络识别方法；基于动态链接结构的弹性图匹配方法；利用运动和颜色信息对动态图像序列进行人脸识别的方法等。,C A S I P P,二、研究历史与

5、现状,近几年来，国际上发表有关人脸识别方面的论文数量大幅度增加，每年的国际会议上关于人脸识别的专题也屡屡可见。与此同时，一些科研单位和公司开始将研究成果转移为实用产品，如Miros公司的TrueFace，Visinocs公司的FaceIt，以及Zn Bochum Gmbh公司研制的ZN-Face等,C A S I P P,二、研究历史与现状,（四）国内关于人脸识别的研究始于20世纪80年代，研究主要集中于部分高等院校和科研院所。,四川大学周激流等运用积分投影法提取面部特征的关键点并用于识别；南京理工大学杨静宇等采用奇异值分解方法进行人脸识别研究；南京邮电大学顾庆寿等提出一种基于自适应神经网络判

6、决树的人脸识别方法，综合利用多种神经网络模型和特征提取算法。中科院自动化所、公安部等单位也进行了人脸识别方面的研究。,C A S I P P,二、研究历史与现状,（五）在人脸识别研究中存在的主要困难,人脸识别研究的困难主要存在于两个方面：人脸模式的可变性和外界场景的复杂性。人脸模式的可变性主要包括：人脸图像的大小、人脸的姿态、肤色、表情和遮避的可变性。外界场景的复杂性主要包括：复杂的图像背景、不可控的光照条件等。由于以上的两个方面的原因，使人脸识别研究很难取得较满意的结果。,C A S I P P,三、研究的一般过程,输入图像或视频,人脸检测与分割,特征提取,人脸识别,输出识别结果,C A S

7、 I P P,三、研究的一般过程,输入图像或视频,人脸检测与分割,特征提取,人脸识别,输出识别结果,人脸检测与分割：从任意的场景中检测人脸的存在并进行定位，提取出一个人脸。,C A S I P P,三、研究的一般过程,输入图像或视频,人脸检测与分割,特征提取,人脸识别,输出识别结果,特征提取是指根据已知数据库中的人脸的表征方法，从人脸图像中提取出该人脸图像的表征值。人脸的表征方法很多，通常的方法有几何特征、代数特征、特征脸、固定特征模板等。,C A S I P P,三、研究的一般过程,输入图像或视频,人脸检测与分割,特征提取,人脸识别,输出识别结果,人脸识别：根据人脸的表征方法，选择适当的匹配

8、策略将得到的人脸与数据库中的已知人脸相比较，确定是否为已知的人脸。,C A S I P P,四、系统设计,系统设计为基于动态图像的人脸识别系统，设计本系统的目的是通过前端的摄像头判断某一视野是否有人，如果有人则对其身份进行鉴定,进而作出一些必要的反应。,C A S I P P,四、系统设计,前端摄像头,图像采集,人脸检测,人脸识别,特征库管理,人脸特征库,C A S I P P,四、系统设计,图像采集,图像采集是指将前端摄像头传过来的信号采集为视频和图片。对于市场上常用的数字摄像头，在WINDOWS系统中，我们可采用VFW方式或者DIRECTSHOW 方式来采集摄像头传过来的数字信号。,C A

9、 S I P P,四、系统设计,根据采集的图像，确定图像中是否有人脸，如果有则确定人脸的位置，并转化成标准大小的人脸图像。此处我们采用基于图像颜色的人脸检测方法。首先在图像中检测人的皮肤，确定皮肤的位置，以此作为人脸的候选区域。再在这些候选区域中检测脸部特征，进一步确定人脸区域。,人脸检测,C A S I P P,四、系统设计,光线补偿,人脸检测,颜色模型转换,构造皮肤颜色模型,皮肤区域检测与分割,人脸区域的确定,C A S I P P,四、系统设计,根据检测的人脸图像，计算其特征，根据这些特征判断是不是已知的人脸，从而确定人的身份。,人脸识别,确定人脸的表征方法,构造人脸的特征模型,计算特征

10、值进行身份鉴定,C A S I P P,四、系统设计,主要是对已知人脸的学习，并将得到的特征值保存到人脸特征库中,人脸特征库管理,确定已知人脸的图像,确定学习算法,特征库自动和人工管理,C A S I P P,五、技术关键点,（一）皮肤颜色模型的构建,皮肤颜色模型决定皮肤检测、人脸检测的精度，要构造合适的皮肤颜色模型，首先必须确定使用何种颜色模型，在此基础上，统计分析人的皮肤颜色的分布规律，确定分布模型，根据大量的皮肤样本，求出该模型的参数值，完成模型构建。,C A S I P P,五、技术关键点,（二）人脸表征方式确定与人脸特征模型构造,人脸表征方式的选取与人脸特征模型构造密切相关，表征方式选择和人脸特征模型构造的恰当与否，决定着人脸识别算法的精度。,C A S I P P,五、技术关键点,（三）已知人脸的特征的学习算法,已知人脸的特征的学习算法是特征库管理模块的核心，该算法必须以人脸表征方式为对象来进行构造，学习的精度必须合适，保证算法的合理性和科学性。,C A S I P P,六、进度安排,图像的采集及从视频中分割图像 2004-10图像的人脸检测与分割 2004-112005-5人脸识别与人脸特征库的管理 2005-62006-3系统总体调试与总结 2006-42006-7,C A S I P P,谢 谢！,汇报结束！,