工业机器人视觉技术及行业应用 课件 3-6图像分析的应用领域

图像分析的应用领域一、人脸识别二、指纹识别三、光学字符识别四、手写识别1/19一人脸识别广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。2/19一人脸识别（1）人脸识别的优势人脸识别的优势在于其自然性和不被被测个体察觉的特点。所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同（人类也是通过观察比较人脸区分和确认身份的）。另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。3/19一人脸识别（2）技术困难虽然人脸识别有很多其他识别无法比拟的优点，但是它本身也存在许多困难。人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。人脸在视觉上的特点是：不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行检测区域定位是有利的，但是对于利用人脸区分人类个体是不利的。人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄、拍摄的姿态角度等多方面因素的影响。4/19一人脸识别（3）技术细节一般来说，人脸识别过程包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。目前人脸识别的算法可以分类为：基于人脸特征点的识别算法（feature-basedrecognitionalgorithms）；基于整幅人脸图像的识别算法（appearance-basedrecognitionalgorithms）；基于模板的识别算法（template-basedrecognitionalgorithms）；利用神经网络进行识别的算法（recognitionalgorithmsusingneuralnetwork）；利用支持向量机进行识别的算法（recognitionalgorithmsusingSVM）。5/19一人脸识别（4）发展与应用人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主。人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度。人脸识别系统集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。6/19一人脸识别人脸识别的应用主要有：门禁系统：受安全保护的地区可以通过人脸识别辨识试图进入者的身份，比如监狱、看守所、小区、学校等；摄像监视系统：在例如银行、机场、体育场、商场、超级市场等公共场所对人群进行监视，以达到身份识别的目的，例如在机场安装监视系统以防止恐怖分子登机；网络应用：利用人脸识别辅助信用卡网络支付，以防止非信用卡的拥有者使用信用卡，社保支付防止冒领等；学生考勤系统：香港及澳门的中、小学已开始将智能卡配合人脸识别来为学生进行每天的出席点名记录；相机：新型的数码相机已内建人脸识别功能以辅助拍摄人物时对焦；智能手机：解锁手机、识别使用者。7/19二指纹识别指纹识别技术是一种生物识别技术，指纹识别系统是一套包括指纹图像获取、处理、特征提取和比对等模块的模式识别系统。常用于需要人员身份确认的场所，如门禁系统、考勤系统、笔记本电脑、银行内部处理、银行支付等。指纹是灵长类手指末端指腹上由凹凸的皮肤所形成的纹路，也可指这些纹路在物体上印下的印痕。纹路的细节特征点有起点、终点、结合点和分叉点。由于每个人的指纹并不相同，同一人的不同手指的指纹也不一样，指纹识别就是通过比较这些细节特征的区别来进行鉴别。8/19二指纹识别（1）历史指纹由于具有个体差异性及稳定性，早在中国古代便用于身份确认，当时人们以指纹或手印画押。在西方，1890年代以后警察逐渐将指纹作为辨认罪犯的方法之一。1960年代随着电脑技术的发展，美国联邦调查局和法国巴黎警察局等开始研究电脑指纹识别技术。1990年代用于个人身份鉴别的自动指纹识别系统开发完成并推广应用。9/19二指纹识别（2）分析步骤指纹识别系统通常包括以下几部分：图像获取：通过专门的指纹采集或扫描仪、数字相机、智能手机等获取指纹图像。根据采集指纹面积大体可以分为滚动捺印指纹和平面捺印指纹，公安行业普遍采用滚动捺印指纹；图像压缩：将指纹数据库的图像经过压缩后存储，主要方法为转换为JPEG、WSQ、EZW等文件。目的是减少存储空间。其中，EZW被列入中国公安部刑侦领域指纹图像压缩的国家标准；图像处理：指纹区域检测、图像质量判断、方向图和频率估计、图像增强、指纹图像二值化和细化等；指纹形态和细节特征提取：获取指纹特征并提取交下一步分析。指纹形态特征包括中心（上、下）和三角点（左、右）等，细节特征点主要包括纹线的起点、终点、结合点和分叉点；指纹比对：对比两个以上指纹以分析是否为同一指纹来源。10/19二指纹识别（3）指纹识别技术的应用领域疑犯指纹对比；电脑使用者身份确认；儿童指纹数据库。11/19三光学字符识别光学字符识别（OpticalCharacterRecognition,OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。OCR的概念是在1929年由德国科学家Tausheck最先提出来，并申请了专利。后来美国科学家Handel也提出了利用技术对文字进行识别的想法。中国最早的OCR商业应用是由科学家王庆人教授在南开大学开发出来的，并在美国市场投入商业使用。12/19三光学字符识别OCR的识别过程：①图像输入、图像预处理：对于不同的图像格式，有着不同的存储格式，不同的压缩方式，目前有OpenCV、CxImage等开源项目。图像预处理主要包括二值化，噪声去除，倾斜校正等；②噪声去除：对于不同的文档，对噪声的定义可以不同，根据噪声的特征进行去噪；③倾斜校正：由于一般的用户在拍照文档时都比较随意，因此拍照出来的图片不可避免的产生倾斜，这就需要文字识别软件进行较正；④版面分析：将文档图片分段落，分行的过程就叫做版面分析，由于实际文档的多样性、复杂性，因此，目前还没有一个固定的，最优的切割模型；13/19三光学字符识别⑤字符切割：由于拍照条件的限制，经常造成字符粘连，断笔，因此极大限制了识别系统的性能。⑥字符识别：早期的方式有模板匹配，后来以特征提取为主，由于文字的位移、笔画的粗细、断笔、粘连、旋转等因素的影响，极大影响特征的提取的难度；⑦版面还原：人们希望识别后的文字，仍然像原文档图片那样排列着，段落不变，位置不变，顺序不变地输出到Word文档、PDF文档等，这一过程就叫做版面还原；⑧后处理、校对：根据特定的语言上下文的关系，对识别结果进行校正，就是后处理。14/19四手写识别手写识别（Handwritingrecognition）是计算机在纸、照片、触摸屏或其他设备中接收并识别人手写的文字等信息的技术，主要应用于光学字符识别技术（OCR）。15/19四手写识别（1）离线手写识别离线手写识别主要应用在打印出来的文字识别上，涉及到将图像中的文本自动转换成是计算机可以使用的字符代码。离线手写识别是比较困难的，因为不同的人有不同的书写风格。减少识别错误的技术常常使用缩小识别范围，例如邮政编码只包含1~9的数字，识别这种数字可以减少错误的可能。主要应用的技术有：指定特定的字符范围、识别字符的专有特点等。16/19四手写识别（2）在线手写识别从硬件方面来说，早在20世纪80年代，就有人提出在商业产品中将手写体识别作为键盘输入的一种替代方式。虽然公众已经习惯将手写识别看作一种输入方式，但在台式电脑或笔记本电脑中并没有得到广泛的使用。键盘仍被普遍认为是速度更快，更可靠输入方式。截至2006年，已有许多掌上型电脑提供手写输入，但精确度仍是一个问题，有的人还认为屏幕键盘更有效率。在线手写识别可以分解为几个通用的步骤:预处理；特征的提取；分离出字符。预处理的目的是摒弃无关的输入数