先进面部识别系统.ppt

1、什么是人脸识别,模式识别定义,模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类,生物特征识别,生物特征识别技术是指通过计算机利用人类自身的生理或行为特征进行身份认定的一种技术,生物特征识别种类,什么是人脸识别,人脸识别,提取特征点,人脸检测,比对,成像,工作原理,面部识别是一种非常自然、友好的生物特征识别认证技术。 面部识别技术是通过图像或视频进行面部检测，然后提取面部特征、最后进行面部比对的一系列相关技术的总成,图像预处理,人脸识别是是人类视觉最杰出的能力之一。计算机人脸识别技术是一项新兴的生物识别技术，也是一个活跃的研究领域

2、。它是计算机交互是技术的重要组成部分具有广阔的发展前景,面部识别的优点,人脸识别技术由于它的安全性、无侵害性和对用户最自然、最直观的使用方式，使人脸识别成为最容易被接受的生物特征识别方式,和其他生物特征识别技术比较,面部识别的优点,1.识别准确安全； 2. 伴随性无须介质不怕丢失或遗忘； 3. 非接触使用安全卫生； 4. 隐蔽性适合特殊情况使用； 5. 使用方便无须学习和改变使用习惯； 6. 设备使用寿命长； 7. 对人的身体及生理无侵害,主要优点,面部识别原理,结果,注册,比对,Boosting 眼部特征 分类器,通过摄像头采集到的灰度图像,训练集,检出率: 1、不考虑准确度的情况下眼睛的检

3、出率：DR=99.882、误差为5%眼睛的精确度检出率：DR(0.05)=80 3、误差为10%眼睛的精确度检出率： DR(0.1)=97 眼睛检测的速度: 3ms：电脑（1.7GHz的中央处理器，128MB内存）100ms的：嵌入式（MIPS 336MHz处理器，64MB内存,眼部检测性能评价,人脸特征提取前的预处理及图像标准化 1、 检测人脸平面内角度偏差并旋转。（根据眼睛） 2、缩放图像到合适大小。 （根据眼睛） 3、截取151*151图像。 4、通过局部差分及局部直方图均衡等措施对图像进行标准化（标准化前后图形如下,图像预处理及标准化,1、 特征提取是基于Gabor小波变换，特征编码的

4、信息包含光照，表情，姿态等。 2、 我们通过二维分解Gabor滤波器来提高特征提取速度,实部 虚部,3、 需要取标准图像中81个固定点，每个点进行16个方向8个频率的小波计算（如图,特征提取,如上所述，我们计算出特征点，根据在81点16方向和8个频率，所以我们得 到16 * 8 * 81 Gabor特征值。让我们在每一个点得到16 * 8 = 128 Gabor特征值,我们使用了编码功能，判断相邻点之间关系、方向和大小。因此，我们计算出每个特征编码的大小为2430Byte（还加入了一些其他信息，如光照强度、方向、注册时间等,特征提取,1、计算相似性 首先我们计算出每个的的相似性，再根据每个点的

5、相似性的差计算权重。 2、计算面部的光线变化,我们计算特征编码的时候加入了环境光线的基本信息，在比对中发现光线变化时会采取特殊的处理方式以增加光线变化时的识别率,比对过程,我们的技术参数,识别精度 RR是指等记的人和比对的人为同一人时的通过率。 0FMR是指不发生误识的时候，拒识率为15%。 FMR1000000 是指误识率为1/1000000，拒识率为12.5%。 FMR100000 是指误识率为1/100000，拒识率为11% 。 FMR10000 是指误识率为1/10000，拒识率为9% 。 适用范围 可以识别平面内-3030度的头部图像偏转或非平面外-1515度的头部旋转。 可适用不大

6、于？焦耳能量的干扰。 算法同时支持intel架构、DSP架构、ARM架构等多种平台 识别速度 速度0.1秒/pc；0.2秒/DSP；0.7秒/MIPS,面部识别技术现状,我们研究的重点是基于近红外摄像机的图像识别。但是我们的引擎在可见光识别中优于 “Verilook 4.0”（立陶宛）、 “Luxand 3.0” （美国），这是基于ColorFERET数据库的测试结果。在FRVT2006发表FMR10000识别率是35的室内普通光线环境。 此外Surrey, Dallan, Lockheed, Toshiba, Neurotech方案在MBGC（多生物识别技术挑战赛）挑战实验，公布结果在FMR1000 30 虽然在室内环境光照变化不大，但在可见光条件下还没有人可以克服，解决鲁棒性的问题。 在非可见光的条