人工智能概论（第2版） 课件第5章 人脸识别与视觉图像

第五章人脸识别与视觉图像——让人工智能观察世界

人脸识别流程首先要完成的是对目标图片的扫描检测，确定画面中是否存在人脸，人脸的位置以及人脸的质量等信息。人脸识别的第二步是人脸关键点定位。主要目的是确定眼睛、鼻子、嘴等核心区域的位置，为人脸识别做准备。人脸识别的第三步是将人脸核心区域的特征值提取后，与人员底库中保存的人脸特征值计算比对，识别出人脸身份。人脸检测关键点定位特征提取及比对70%“无卡校园”人脸库学生人脸自助采集校园出入口人员身份管理幼儿园家长接送管理走读生管理请假管理校门口宿舍管理智能签到模式通道考勤模式无感知人脸考勤及专注度分析数据清洗通过筛选，无效数据，并进行分类比如：同一秒去掉钟同一学生有多条数据，只保留一条分配权重按照数据有效性，进行个人权重打分比如：同一秒学生抬头越多，分配的权重越大归一化处理等比缩放到（0,100）范围，使数据具有可比性比如：处理前一班的数据是（11,35），二班的数据为（33,90），都等比缩放到（0,100）思考人脸识别离不开视觉图像，在日常中除了人脸识别，视觉图像技术还用在哪些方面？目录人类视觉与机器视觉计算机视觉图像技术计算机视觉图像系统及应用视觉图像智能分析的核心技术手写数字识别案例人类视觉与机器视觉PART01人类视觉人类视觉视觉是人类五觉中最特别的一种感官能力，大部分的外来信息都是通过视觉获得并传递到人类的大脑，因此人类的视觉系统是获取外界环境信息的重要途径人类是如何通过眼球看到物体的，视觉的成像过程是怎么样的？（画图讲解）人类视觉人类是如何通过眼球看到物体的，视觉的成像过程是怎么样的？（画图讲解）眼球通过接收并聚合外界物体反射的光线，依次经过角膜、瞳孔、晶状体和玻璃体，并经过晶状体等的折射，最终落在视网膜上，形成物象。视网膜上的感光细胞将物象信息通过视觉神经传递给大脑，人就产生了视觉机器视觉机器视觉是人工智能快速发展的一个分支。机器视觉主要是使用机器来模拟人的视觉功能，从客观事物的图像中提取有用信息，进行处理并加以理解，最终用于企业生产中的检测、测量和控制等。机器视觉技术机器视觉技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科，它最大的特点就是速度快、信息量大、功能多。机器视觉系统机器视觉系统是指，利用机器视觉技术，通过机器视觉设备将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄取目标的形态信息，根据像素分布、颜色、亮度等信息，转换成数字化信号。图像系统通过对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉系统的作用？计算机视觉图像技术PART02计算机视觉图像技术在人工智能领域中，机器视觉系统扮演着非常重要的角色，并形成了一个特定的研究领域——计算机视觉。计算机视觉是一门研究如何使机器“看”的科学，也就是研究如何使用电脑和摄影机来代替人眼完成对目标的识别、跟踪和测量等工作，并进一步通过计算机进行图形图像处理，使之成为更适合人眼观察或传送给仪器检测的图像。计算机视觉主要是通过对相关理论技术的研究，试图建立能够从图像或者多维数据中获取“信息”的人工智能系统。计算机视觉图像技术计算机视觉图像技术也可以看作是研究如何使人工智能系统从图像或多维数据中“感知”信息的科学。而计算机视觉图像技术的实现原理，就是通过各种成像系统来代替视觉器官（眼睛）作为输入，由计算机来代替大脑完成处理和解释。计算机视觉图像技术的最终研究目标就是使计算机能够做到像人一样通过视觉系统来观察和理解世界，并且具备自主适应环境的能力。计算机视觉和机器视觉计算机视觉计算机视觉是利用计算机和其辅助设备来模拟人的视觉功能，实现对客观世界的三维场景的感知、识别和理解，更加偏重于软件系统，侧重于通过算法来对图像进行识别分析机器视觉机器视觉包含了诸如采集设备、光源、镜头、控制、算法等一系列的硬件系统，更加侧重于工程上的实际应用计算机视觉图像系统及应用PART03计算机视觉图像系统处理过程计算机视觉图像系统的结构形式很大程度上依赖于其具体的应用方向。计算机视觉图像系统处理过程——图像获取一幅数字图像是由一个或多个图像感知器产生，这里的感知器可以是各种光敏摄像机，包括遥感设备，X射线断层摄影仪，雷达，超声波接收器等。取决于不同的感知器，产生的图片可以是普通的二维图像，三维图组或者一个图像序列。计算机视觉图像系统处理过程——图像预处理使用二次取样保证图像坐标的正确；使用平滑去噪来滤除感知器引入的设备噪声；通过提高对比度来保证实现相关信息可以被检测到；通过调整尺度空间使图像结构适合局部应用。计算机视觉图像系统处理过程——特征提取从图像中提取各种复杂度的特征。例如：线，边缘提取；提取局部化的特征点检测，如边角检测，斑点检测；还有一些更复杂的特征与图像中的纹理形状或运动有关。计算机视觉图像系统处理过程——检测分割在图像处理过程中，有时会需要对图像进行分割来提取有价值的，用于后继处理的部分，例如：筛选特征点；分割一或多幅图片中含有特定目标的部分。计算机视觉图像系统处理过程——高级处理高级处理包括：①验证得到的数据是否符合前提要求；②估测特定系数，比如目标物理的姿态，体积；③对目标物体进行分类。高级处理还包括对图像内容的理解，主要是针对分割以后的图像块进行理解，例如进行识别等操作。计算机视觉图像系统的应用安防监控、人脸识别交通、无人驾驶计算机视觉图像系统的应用工业生产在线购物非精密测量；识别工业部件上的缺陷和划痕等；筛选不合格产品；通过不同角度的照片重建零部件三维模型计算机视觉图像系统的应用游戏娱乐机器人、无人机计算机视觉图像系统的应用生物医学影像视觉图像智能分析的核心技术PART04图像分类案例当w1=w2=1,令θ=2，则

图像分类的过程包含两个核心步骤：特征提取和特征分类图像的特征主要包括图像的颜色特征、纹理特征、形状特征和空间关系特征。图像分类案例颜色特征和纹理特征都是全局特征，描述了图像或图像区域所对应的景物的表面性质。空间关系特征，是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。形状特征又包括了两类特征，一类是轮廓特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。图片如何在计算机中存储矩

阵

像

素

分辨率是1280×720灰度图像0黑色，255白色彩色图像（R,G,B）三阶张量

三个通道图像分类案例特征小猫小鸟飞机汽车特征1：有没有翅膀没有有有没有特征2：有没有眼睛有有没有没有卷积运算卷积运算利用卷积提取图像特征——原理通过卷积运算，我们可以将原图像变换为一幅新图像。这幅新图像有时候比原图像更清楚地表示了某些性质，我们就可以把它当作原图像的一个特征。这里用到的小矩阵就称为卷积核。通常，图像矩阵中的元素都是介于0到2