五、總結
特徵提取與識別:與剛體不同,人臉是塑性變形體,更適合用 彈性模型來描述。因此,任何基於剛體特性的特徵抽取方法 都很難達到滿意的效果。其次,人臉識別被認為是人類視覺 中獨特的過程,因此對生理學和心理學結合是很有幫助的。 可以預見,在人類視覺和非剛體兩方面的研究成果將有助於 找到抽取和描述人臉特徵的最終解決方案。
每個Haar特徵對應著一個弱分類器，但並不是任何一個Haar特徵都能 較好的描述人臉灰度分佈的某一特點，如何從大量的Haar特徵中挑選 出最優的Haar特徵並製作成分類器用於人臉檢測，這是Adaboost演算 法訓練過程所要解決的關鍵問題。
三、人臉識別的過程-人臉識別的兩個技術環節
2.人臉特徵提取與識別的方法
三、人臉識別的過程-圖像的預處理工作
原始圖像及原始長條圖
長條圖均衡
直方均衡化的圖像及長條圖
長條圖均衡化處理的主要思想是把原始圖像的灰度長條圖從 某個比較集中的灰度區間映射到全部灰度範圍內的均勻分佈 。簡單來說，長條圖均衡化就是將圖像非線性拉伸，重新分 配圖像圖元值，使得一定灰度範圍內的圖元數量基本相同。
三、人臉識別的過程-人臉識別的兩個技術環節
2.人臉特徵提取與識別的方法
支援向量機(SVW)的方法
近年來，支援向量機是統計模式識別領域的一個新熱點，支持向量機 主要解決的是一個兩分類問題，它的基本思想是試圖把一個低維的線 性不可分的問題轉化成一個高維的線性可分的問題。實驗結果表明支 持向量機有較好的識別率。
基於幾何特徵的方法
人臉由眼睛、鼻子、嘴巴、下巴等部件構成,正因為這些部件的形狀、 大小和結構上的各種差異才使得世界上每個人臉千差萬別,因此對這些 部件的形狀和結構關係的幾何描述,可以做為人臉識別的重要特徵.
三、人臉識別的過程-人臉識別的兩個技術環節
2.人臉特徵提取與識別的方法
基於特徵臉的方法
三、人臉識別的過程-圖像的預處理工作
灰度變化
人臉圖像的灰度分佈是基於灰度圖像進行人臉識別的主要 資訊依據。不同光照條件下所獲得的同一人臉的兩幅圖像 可以說是完全不同的兩幅圖像，這兩幅圖像之間的灰度分 佈差異有可能大於不同人臉之間的灰度分佈的差異，因而 可能會導致識別率的下降。
三、人臉識別的過程-圖像的預處理工作
Low Medium Low
High
Low
一、人臉識別技術概述-常用生物特徵的比較
從表1中，我們可以看出指紋和虹膜生物特徵識別技術各個方 面都比較好，與指紋、虹膜相比，它們的穩定性包括性能都 比較好，但指紋、虹膜識別技術需要被識別者在設備前停留 、觸摸，而人臉識別只要人經過攝像頭，攝像頭就會將人臉 拍攝下來，這種識別方式適合在公共場合、特別是人群聚集 處使用。
平滑處理
人臉圖像邊緣也是人臉識別中的重要資訊，它是基於局部特徵的 人臉檢測與識別方法的重要依據。基於局部特徵的人臉檢測和識 別方法是依賴於眼睛、嘴等人臉器官的幾何結構特徵的提取，但 是人臉圖像的邊緣資訊對光照的反應很敏感。特別是光照角度發 生變化時，人臉表面紋理被陰影遮蔽，無法檢測到較完整的人臉 邊緣，從而導致識別的錯誤 。
三、人臉識別的過程-人臉識別的兩個技術環節
人臉檢測與定位 特徵提取與人臉識別
图像或 图像序列
人脸的检测与 定位
特征提取与 识别
名字
圖1人臉識別關鍵技術
三、人臉識別的過程-人臉識別的兩個技術環節
1.人臉檢測與定位
人臉識別的第一步就是要從原始的圖像提取我們感興趣的 區域。現在我們獲取原始圖像的管道主要有，導入原始的 圖像或者從視頻流中獲取。
人臉識別介紹
目錄
一、人臉識別技術概述 二、人臉識別的應用 三、人臉識別的過程
1、大致步驟 2、圖像與處理工作 3、人臉識別的兩個技術環節
四、人臉識別中的關鍵問題 五、總結
一、人臉識別技術概述
作為生物特徵識別領域中一種基於生理特徵的識別技術， 人臉識別技術是通過有攝像頭的終端設備拍攝人的行為圖 像，通過人臉檢測演算法，從原始的行為圖像中得到人臉 區域，用特徵提取演算法提取人臉的特徵，並根據這些特 徵確認身份的一種技術。
與傳統的身份鑒定手段相比，基於人臉生物特徵資訊的身份 鑒定技術具有以下優點： ①用戶易接受：簡單易用，對用戶無特殊要求。 ②防偽性能好：不易偽造或被盜。 ③“隨身攜帶”：不用擔心遺漏或丟失，隨時隨地可用。
二、人臉識別的應用
• 人臉識別系統在金融、證券、社保、公安、軍隊 及其他需要安全認證的行業和部門有著廣泛的應 用
它根據一組人臉訓練圖像構造主元子空間,由於主元具有臉的形狀,也 稱為特徵臉。識別時將測試圖像投影到主元子空間上,得到一組投影係 數,和各個已知人的人臉圖像比較進行識別。 特徵臉方法是一種簡單、快速、實用的基於變換係數特徵的演算法,但 由於它在本質上依賴於訓練集和測試集圖像的灰度相關性,而且要求測 試圖像與訓練集比較像,所以它有著很大的局限性。
一、人臉識別技術概述-生物特徵識別
人臉
臉部熱量圖
指紋
手形 手部血管分佈
虹膜
視網膜
簽名
語音
一、人臉識別技術概述-常用生物特徵的比較
生物特徵 普遍性
人臉
High
獨特性 Low
穩定性
可採集 性
Medium High
性能 Low
接受程 度
防欺騙性
High
Low
指紋 Medium High
High Medium High Medium High
三、人臉識別的過程-人臉識別的兩個技術環節
1.人臉檢測與定位
基於知識建模的人臉檢測方法
(1)器官分佈規則:雖然人臉在外觀上變化很大,但遵循一些幾乎是普遍 適用的規則,如五官的空間位置分佈大致符合“三庭五眼”等。 (2)輪廓規則:人臉的輪廓可以簡單地看成一個近似橢圓,而人臉檢測可 以通過橢圓檢測來完成。 (3)顏色、紋理規則:同民族人的面部膚色在顏色空間中的分佈相對比 較集中,顏色資訊在一定程度上可以將人臉同大部分背景區分開來。 (4)運動規則:通常相對背景人總是在運動的,利用運動資訊可以簡單有 效的將人從任意複雜背景中分割出來。其中包括利用眨眼、說話等方 法的活體人臉檢測方法。 (5)對稱性:人臉具有一定的軸對稱性,各器官也具有一定的對稱性。
三、人臉識別的過程-人臉識別的兩個技術環節
1.人臉檢測與定位
Adaboost是一種反覆運算演算法，其核心思想是針對同一個訓練集訓 練不同的分類器(弱分類器)，然後把這些弱分類器集合起來，構成一 個更強的最終分類器(強分類器)。其演算法本身是通過改變資料分佈 來實現的，它根據每次訓練集之中每個樣本的分類是否正確，以及上 次的總體分類的準確率，來確定每個樣本的權值。將修改過權值的新 資料集送給下層分類器進行訓練，最後將每次訓練得到的分類器最後 融合起來，作為最後的決策分類器。
二、人臉識別的應用-Example
門禁系統： 受安全保護的地區可以通過人臉識 別辨識試圖進入者的身份，高檔社 區的門禁系統以及家庭安保系統。
網路應用： 利用人臉識別系統確認信用卡網 路支付，以防止盜用信用卡等。
三、人臉識別的過程-大致步驟
自動人臉識別技術基本框圖
三、人臉識別的過程-大致步驟
登記過程
11
三、人臉識別的過程-大致步驟
一對一的驗證過程
三、人臉識別的過程-大致步驟
一對多的辨別過程
13
三、人臉識別的過程-圖像的預處理工作
光線補償
光照變化主要表現為強度變化和角度變化。光照強度變化 會導致極端光照情況的出現(如暗光、高光等現象的出現) ；而光照角度變化會產生不同程度的表面明暗區，光照暗 區會遮蓋人臉本身的紋理資訊。這兩種光照變化都會對人 臉圖像的整體灰度分佈、對人臉圖像的邊緣資訊和人臉的 彩色圖像的色度空間產生很大的影響。
三、人臉識別的過程-人臉識別的兩個技術環節
2.人臉特徵提取與識別的方法
局部特徵方法
主元子空間的表示是緊湊的,特徵維數大大降低,但它是非局部化的,其 核函數的支集擴展在整個座標空間中,同時它是非拓撲的,某個軸投影 後臨近的點與原圖像空間中點的臨近性沒有任何關係,而局部性和拓撲 性對模式分析和分割是理想的特性,似乎這更符合神經資訊處理的機制 ,因此尋找具有這種特性的表達十分重要.這種方法構成FaceIt人臉識別 軟體的基礎。
另外,無論對於檢測定位還是識別,如何將能夠獲得的各種 資訊最大限度、有機地集成起來加以利用,這是一個具有普 遍意義的課題,而且也是有效提高人臉識別系統效率的手段 。
Thank You
手形 Medium Medium Medium High Medium Medium Medium
虹膜
High
High
High Medium High
Low
High
視網膜 High
High Medium Low
High
Low
High
簽名
Low
Low
Low
High
Low
High
Low
聲音 Medium Low
三、人臉識別的過程-人臉識別的兩個技術環節
1.人臉檢測與定位
基於統計的人臉檢測方法
(1)事例學習：將人臉檢測視為區分非人臉樣本與人臉樣本的兩類模式 分類問題,通過對人臉樣本集和非人臉樣本集進行學習以產生分類器. 目前國際上普遍採用人工神經網路。 (2)子空間方法：在人臉識別中利用的是主元子空間(特徵臉) ,而人臉檢 測利用的是次元子空間(特徵臉空間的補空間)。用待檢測區域在次元 子空間上的投影能量,也即待檢測區域到特徵臉子空間的距離做為檢測 統計量,距離越小,表明越像人臉。子空間方法的特點在於簡便易行,但 由於沒有利用反例樣本資訊,對與人臉類似的物體辨別能力不足。 (3)空間匹配濾波器方法：包括各種範本匹配方法、合成辨別函數方法 等。