生物認(rèn)證技術(shù)

生物認(rèn)證技術(shù)第一頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第1頁(yè)，共85頁(yè)。2人臉識(shí)別的感性認(rèn)識(shí)人臉識(shí)別的意義人體生物認(rèn)證技術(shù)人臉識(shí)別的系統(tǒng)第二頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第2頁(yè)，共85頁(yè)。人臉識(shí)別是一個(gè)活躍的研究領(lǐng)域，是人類(lèi)視覺(jué)最杰出的能力之一。雖然人臉識(shí)別的準(zhǔn)確性要低于虹膜、指紋的識(shí)別，但由于它的無(wú)侵害性和對(duì)用戶最自然、最直觀的方式，使人臉識(shí)別成為最容易被接受的生物特征識(shí)別方式。第三頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第3頁(yè)，共85頁(yè)。人臉識(shí)別是人體生物認(rèn)證技術(shù)的一種，首先我們談?wù)勅梭w生物認(rèn)證技術(shù)人體生物的生物特征包括生理特征和行為特征兩大類(lèi)。

⑴人體的生理特征主要包括人臉、指紋、掌紋、掌形、虹膜、視網(wǎng)膜、靜脈、DNA、顱骨等，這些特征是與生俱來(lái)的，是先天形成的；⑵而行為特征包括聲紋、簽名、步態(tài)、耳形、按鍵節(jié)奏、身體氣味等，這些特征是由后天的生活環(huán)境和生活習(xí)慣決定的。這些生物特征本身固有的特點(diǎn)決定了其在生物認(rèn)證中所起的作用是不同的。表1對(duì)各種生物認(rèn)證技術(shù)作了一個(gè)簡(jiǎn)單的比較。第四頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第4頁(yè)，共85頁(yè)。生物特征識(shí)別：人臉臉部熱量圖指紋手形手部血管分布虹膜視網(wǎng)膜簽名語(yǔ)音第五頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第5頁(yè)，共85頁(yè)。6基于生物特征的身份認(rèn)證生物特征=生理特征+行為特征生理特征與生俱來(lái)，如DNA、臉像、虹膜、指紋等行為特征后天習(xí)慣使然，如筆跡、步態(tài)等第六頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第6頁(yè)，共85頁(yè)。7人體生物特征的起源于

傳統(tǒng)的身份認(rèn)證的問(wèn)題基于知識(shí)的身份認(rèn)證容易忘記容易被盜容易攻擊基于令牌的身份認(rèn)證容易丟失容易被盜容易偽造知識(shí)+令牌第七頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第7頁(yè)，共85頁(yè)。第八頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第8頁(yè)，共85頁(yè)。9常用生物特征的比較生物特征普遍性獨(dú)特性穩(wěn)定性可采集性性能接受程度防欺騙性人臉HighLowMediumHighLowHighLow指紋MediumHighHighMediumHighMediumHigh手形MediumMediumMediumHighMediumMediumMedium虹膜HighHighHighMediumHighLowHigh視網(wǎng)膜HighHighMediumLowHighLowHigh簽名LowLowLowHighLowHighLow聲音MediumLowLowMediumLowHighLow［A.Jain,L.HongandS.Pankanti.“Biometrics:PromisingFrontiersforEmergingIdentificationMarket”，CommunicationACM,2000］第九頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第9頁(yè)，共85頁(yè)。人臉識(shí)別的意義BillGates:以人類(lèi)生物特征進(jìn)行身份驗(yàn)證的生物識(shí)別技術(shù)，在今后數(shù)年內(nèi)將成為IT產(chǎn)業(yè)最為重要的技術(shù)革命第十頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第10頁(yè)，共85頁(yè)。11生物特征的評(píng)估普遍性

Universality唯一性

Uniqueness恒久性 Permanence易采集性 Collectability系統(tǒng)性能 Performance(achievableidentificationaccuracy,resourcerequirements,robustness)

用戶接受程度 UserAcceptance防欺騙能力 ResistancetoCircumvention第十一頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第11頁(yè)，共85頁(yè)。12各種生物特征市場(chǎng)份額的統(tǒng)計(jì)第十二頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第12頁(yè)，共85頁(yè)。生物認(rèn)證技術(shù)市場(chǎng)收入的預(yù)測(cè)13第十三頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第13頁(yè)，共85頁(yè)。14人臉識(shí)別的應(yīng)用人臉識(shí)別系統(tǒng)在金融、證券、社保、公安、軍隊(duì)及其他需要安全認(rèn)證的行業(yè)和部門(mén)有著廣泛的應(yīng)用典型應(yīng)用罪犯調(diào)查訪問(wèn)控制人員考勤重用門(mén)票駕駛執(zhí)照電子商務(wù)信用卡準(zhǔn)考證身份證第十四頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第14頁(yè)，共85頁(yè)。人臉識(shí)別人臉識(shí)別因識(shí)別方式友好、可隱蔽而備受學(xué)術(shù)界和工業(yè)界關(guān)注（但人臉識(shí)別不是萬(wàn)能的）第十五頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第15頁(yè)，共85頁(yè)。16人臉識(shí)別的軍事應(yīng)用導(dǎo)彈基地、軍火庫(kù)房等要地的門(mén)禁或通道控制核能設(shè)施等重要軍事裝備的啟動(dòng)控制第十六頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第16頁(yè)，共85頁(yè)。幾個(gè)人臉識(shí)別系統(tǒng)介紹1.中科奧森人臉識(shí)別系統(tǒng)2.南京理工的人臉識(shí)別3.深圳康貝爾人臉識(shí)別系統(tǒng)第十七頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第17頁(yè)，共85頁(yè)。1.中科奧森人臉識(shí)別系統(tǒng)第十八頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第18頁(yè)，共85頁(yè)。本系統(tǒng)采用了目前最先進(jìn)的人臉檢測(cè)與識(shí)別技術(shù)，具有人臉獲取隱蔽，識(shí)別速度快，檢測(cè)與識(shí)別率高，魯棒性好、安全性高和實(shí)用方便等優(yōu)點(diǎn)，可廣泛應(yīng)用于家庭安全監(jiān)控、辦公室安全監(jiān)控、通道監(jiān)控等諸多方面，推廣的應(yīng)用前景領(lǐng)域遍及家庭、辦公、軍隊(duì)、政法、銀行、物業(yè)、海關(guān)、互聯(lián)網(wǎng)等。第十九頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第19頁(yè)，共85頁(yè)。第二十頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第20頁(yè)，共85頁(yè)。第二十一頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第21頁(yè)，共85頁(yè)。1.中科奧森人臉識(shí)別系統(tǒng)（續(xù)）國(guó)際首創(chuàng)近紅外人臉識(shí)別關(guān)鍵技術(shù)，包括算法思路、軟件技術(shù)、以及光學(xué)和電子硬件設(shè)計(jì)。國(guó)內(nèi)首創(chuàng)中遠(yuǎn)距離(大于5米)人臉識(shí)別關(guān)鍵技術(shù)和系統(tǒng)。該系統(tǒng)能夠在中遠(yuǎn)距離快速準(zhǔn)確、穩(wěn)定地跟蹤多個(gè)人臉，并能在側(cè)臉，后腦勺狀態(tài)保持跟蹤，算法達(dá)到國(guó)際先進(jìn)水平。將人臉識(shí)別與智能監(jiān)控相結(jié)合是一項(xiàng)全新的技術(shù)。自主產(chǎn)權(quán)解決了環(huán)境光照對(duì)人臉識(shí)別不利影響等國(guó)際難題，實(shí)現(xiàn)了快速準(zhǔn)確可靠、不受環(huán)境光照影響的人臉識(shí)別技術(shù)，能防止照片模型等非法攻擊，系統(tǒng)性能達(dá)到國(guó)際領(lǐng)先水平。該系統(tǒng)已在我國(guó)深圳-香港通關(guān)口岸成功運(yùn)行多年。通過(guò)中國(guó)信息安全產(chǎn)品測(cè)評(píng)認(rèn)證中心身份認(rèn)證產(chǎn)品與技術(shù)測(cè)評(píng)中心權(quán)威測(cè)評(píng)。系統(tǒng)產(chǎn)品豐富,可以支持從幾個(gè)人到萬(wàn)人級(jí)的識(shí)別,。并采用國(guó)際標(biāo)準(zhǔn)接口，可以無(wú)縫接入現(xiàn)有的安全防范系統(tǒng)。支持多種數(shù)據(jù)庫(kù)系統(tǒng)，可建立高效索引機(jī)制實(shí)現(xiàn)快速查詢。模塊化組網(wǎng)方式，集合TCP/IP和RS485總線傳輸優(yōu)點(diǎn)，適合各種形式或規(guī)模的應(yīng)用。支持與其他密碼/生物特征識(shí)別等技術(shù)的邏輯組合運(yùn)算，實(shí)現(xiàn)更嚴(yán)格的安全管理.。具有自主知識(shí)產(chǎn)權(quán)的關(guān)鍵技術(shù)，包括如下功能：近紅外/可見(jiàn)光人臉識(shí)別、人臉圖像對(duì)比和檢索、監(jiān)控狀態(tài)下中遠(yuǎn)距離人臉識(shí)別，場(chǎng)景智能監(jiān)控及報(bào)警等。第二十二頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第22頁(yè)，共85頁(yè)。其領(lǐng)軍人物—李子青李子青,獲湖南大學(xué)學(xué)士、國(guó)防科大碩士、英國(guó)Surrey大學(xué)博士學(xué)位。2000年辭去新加坡南洋大學(xué)終身教職，加盟微軟亞洲研究院。2004年作為“百人計(jì)劃”入選者來(lái)到中科院自動(dòng)化所，現(xiàn)為中科院自動(dòng)化所生物識(shí)別與安全技術(shù)研究中心主任。第二十三頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第23頁(yè)，共85頁(yè)。在微軟研發(fā)的人臉識(shí)別系統(tǒng)EyeCU，比爾.蓋茨接受CNN采訪為之講解。在中科院自動(dòng)化所研發(fā)的“AuthenMetric中科奧森”人臉識(shí)別系統(tǒng)和智能視頻監(jiān)控系統(tǒng)，已包括北京奧運(yùn)會(huì)和邊境檢查等多個(gè)國(guó)家重大安全部門(mén)實(shí)施并發(fā)揮作用。第二十四頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第24頁(yè)，共85頁(yè)。北京奧運(yùn)開(kāi)幕式人臉識(shí)別門(mén)票查驗(yàn)現(xiàn)場(chǎng)－觀眾人臉身份驗(yàn)證第二十五頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第25頁(yè)，共85頁(yè)。中科院人臉識(shí)別技術(shù)成功用于奧運(yùn)會(huì)開(kāi)幕式

8月8日，數(shù)萬(wàn)名觀眾由國(guó)家體育場(chǎng)鳥(niǎo)巢的100多個(gè)人臉識(shí)別系統(tǒng)快速身份驗(yàn)證關(guān)口有序入場(chǎng)，參加2008北京奧運(yùn)會(huì)的開(kāi)幕式。據(jù)悉，該驗(yàn)證系統(tǒng)是由中科院自動(dòng)化所研制的。第二十六頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第26頁(yè)，共85頁(yè)。第二十七頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第27頁(yè)，共85頁(yè)。第二十八頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第28頁(yè)，共85頁(yè)。2.南京理工的人臉識(shí)別南京理工人臉識(shí)別其領(lǐng)軍人物是《楊靜宇》老教授。楊靜宇教授于1982—1984年在國(guó)際模式識(shí)別領(lǐng)域的權(quán)威—美國(guó)伊利諾斯大學(xué)CSL實(shí)驗(yàn)室T.S.Huang教授指導(dǎo)下從事模式識(shí)別理論研究。一生功勛卓越：他先后在國(guó)內(nèi)外學(xué)術(shù)刊物和國(guó)際學(xué)術(shù)會(huì)議上發(fā)表論文４００余篇，出版論（譯）著６本，指導(dǎo)【博士后】研究人員８人，培養(yǎng)【博士】研究生５７人。第二十九頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第29頁(yè)，共85頁(yè)。第三十頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第30頁(yè)，共85頁(yè)。他培養(yǎng)的57多名博士，如今都已成為各個(gè)單位的骨干。其中最著名的是：楊健博士（32歲當(dāng)教授），獲全國(guó)百篇優(yōu)秀博士論文提名獎(jiǎng)，他在模式識(shí)別頂級(jí)刊物IEEETPAMI上發(fā)表的兩篇論文，目前已經(jīng)分別被國(guó)內(nèi)外學(xué)者和專(zhuān)家引用180多次和近60次。劉克教授曾獲得了第三屆霍英東教育基金會(huì)青年教師基金和青年教師獎(jiǎng)。洪子泉博士在國(guó)際上首次提出了基于代數(shù)特征的人臉識(shí)別方法。金忠教授2001年發(fā)表在PatternRecognition上關(guān)于不相關(guān)鑒別分析的論文，曾收到著名的Thomson公司的賀信，祝賀該論文被引用次數(shù)位于同一領(lǐng)域引用次數(shù)最高的百分之一以內(nèi)。第三十一頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第31頁(yè)，共85頁(yè)。2008年，楊教授在相繼接受?chē)?guó)際著名學(xué)術(shù)期刊《PatternRecongnitionLetters》的主編、《Neurocomputing》的主編的邀請(qǐng)，加盟上述兩大國(guó)際學(xué)術(shù)期刊編委會(huì)，成為兩大國(guó)際學(xué)術(shù)期刊的編委(AssociateEditor)。上述兩大國(guó)際學(xué)術(shù)期刊對(duì)遴選編委會(huì)成員的要求非常高，《PatternRecongnitionLetters》在中國(guó)僅有四位編委，楊健教授是目前中國(guó)編委中最年輕的一位，其他三位分別來(lái)自清華大學(xué)、中國(guó)科學(xué)院和微軟亞洲研究院楊老師首次提出的2DPCA方法和在鑒別分析方面的研究成果已引起國(guó)內(nèi)外相關(guān)領(lǐng)域?qū)W者的廣泛關(guān)注。國(guó)內(nèi)模式識(shí)別研究領(lǐng)域的權(quán)威、西安交通大學(xué)的校長(zhǎng)鄭南寧院士最近在國(guó)際知名期刊《IEEEIntelligentSystems》上發(fā)表的題為“中國(guó)圖象處理和模式識(shí)別50年回顧”的論文中，著重指出了楊教授在基礎(chǔ)研究方面的四項(xiàng)研究成果，并強(qiáng)調(diào)說(shuō)“2DPCA與2DLDA方法是本世紀(jì)初源于中國(guó)的”。第三十二頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第32頁(yè)，共85頁(yè)。“9·11”事件是生物特征認(rèn)證技術(shù)在全球發(fā)展的一個(gè)轉(zhuǎn)折點(diǎn)?！?·11”以后生物識(shí)別技術(shù)的重要性被全球各國(guó)政府更加清楚地認(rèn)識(shí)到。傳統(tǒng)的身份鑒別技術(shù)面臨反恐任務(wù)時(shí)所表現(xiàn)出來(lái)的缺陷，使得各國(guó)政府在研究與應(yīng)用上對(duì)生物特征識(shí)技術(shù)開(kāi)始了大規(guī)模的投資。在美國(guó)：三個(gè)相關(guān)的法案（愛(ài)國(guó)者法案、邊境簽證法案、航空安全法案）都要求必須采用生物識(shí)別技術(shù)作為法律實(shí)施保證?？傮w上來(lái)說(shuō)，國(guó)外生物認(rèn)證技術(shù)的應(yīng)用已經(jīng)進(jìn)入了以政府應(yīng)用為主的階段。第三十三頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第33頁(yè)，共85頁(yè)。深圳康貝爾人臉識(shí)別系統(tǒng)第三十四頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第34頁(yè)，共85頁(yè)。第三十五頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第35頁(yè)，共85頁(yè)。第三十六頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第36頁(yè)，共85頁(yè)。人臉識(shí)別門(mén)禁系統(tǒng)

人臉識(shí)別大型場(chǎng)館準(zhǔn)入系統(tǒng)

第三十七頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第37頁(yè)，共85頁(yè)。人臉識(shí)別在銀行金庫(kù)的應(yīng)用中國(guó)人民銀行規(guī)定所有的金庫(kù)安防監(jiān)控系統(tǒng)都要有人臉識(shí)別功能第三十八頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第38頁(yè)，共85頁(yè)。聯(lián)合國(guó)的國(guó)際民用航空組織(ICAO)已對(duì)188個(gè)成員國(guó)發(fā)布了航空領(lǐng)域使用生物特征認(rèn)證技術(shù)的規(guī)劃，提出將在個(gè)人護(hù)照中加入生物特征(包括指紋識(shí)別、虹膜識(shí)別、面相識(shí)別)，并在進(jìn)入各個(gè)國(guó)家的邊境時(shí)進(jìn)行個(gè)人身份的確認(rèn)。目前，此規(guī)劃已經(jīng)在美國(guó)、歐盟、澳大利亞、日本、南韓、南非等國(guó)家和地區(qū)通過(guò)，從2004年底就開(kāi)始實(shí)施了。第三十九頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第39頁(yè)，共85頁(yè)。人臉識(shí)別技術(shù)在國(guó)外的研究現(xiàn)狀

當(dāng)前很多國(guó)家展開(kāi)了有關(guān)人臉識(shí)別的研究，主要有美國(guó)，歐洲國(guó)家，日本等，著名的研究機(jī)構(gòu)有美國(guó)MIT的Medialab,AIlab,CMU（卡耐基-梅隆大學(xué)）的Human-ComputerInterfaceInstitute，MicrosoftResearch,英國(guó)的DepartmentofEngineeringinUniversityofCambridge（劍橋大學(xué)）等。綜合有關(guān)文獻(xiàn)，目前的方法主要集中在以下幾個(gè)方面：第四十頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第40頁(yè)，共85頁(yè)。綜合有關(guān)文獻(xiàn)，目前的方法主要集中在以下幾個(gè)方面：（1）模板匹配（2）示例學(xué)習(xí)（3）神經(jīng)網(wǎng)絡(luò)（4）基于隱馬爾可夫模型的方法除此以外，基于AdaBoost的人臉識(shí)別算法，基于彩色信息的方法，基于形狀分析的方法，以及多模態(tài)信息融合的方法，國(guó)外都進(jìn)行了大量的研究與實(shí)驗(yàn)。第四十一頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第41頁(yè)，共85頁(yè)。研究現(xiàn)狀國(guó)際上對(duì)人臉及人臉面部表情識(shí)別的研究現(xiàn)在逐漸成為科研熱點(diǎn)。國(guó)內(nèi)外很多機(jī)構(gòu)都在進(jìn)行這方面的研究,尤其美國(guó)、日本。進(jìn)入90年代,對(duì)人臉表情識(shí)別的研究變得非?；钴S,吸引了大量的研究人員和基金支持,EI可檢索到的相關(guān)文獻(xiàn)就多達(dá)數(shù)千篇。美國(guó)、日本、英國(guó)、德國(guó)、荷蘭、法國(guó)等經(jīng)濟(jì)發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家如印度、新加坡都有專(zhuān)門(mén)的研究組進(jìn)行這方面的研究。其中MIT、CMU、Maryland大學(xué)、Standford大學(xué)、日本城蹊大學(xué)、東京大學(xué)、ATR研究所的貢獻(xiàn)尤為突出。國(guó)內(nèi)國(guó)內(nèi)的清華大學(xué)、哈爾濱工業(yè)大學(xué)、中科院、中國(guó)科技大學(xué)、南京理工大學(xué)、北方交通大學(xué)等都有人員從事人臉及人臉表情識(shí)別的研究

第四十二頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第42頁(yè)，共85頁(yè)。人臉識(shí)別技術(shù)在國(guó)內(nèi)的研究現(xiàn)狀

國(guó)內(nèi)關(guān)于人臉自動(dòng)識(shí)別的研究始于二十世紀(jì)80年代，主要的研究單位有中科院自動(dòng)化所計(jì)算所，清華大學(xué)，南京理工大學(xué)，哈爾濱工業(yè)大學(xué)，復(fù)旦大學(xué)，北京科技大學(xué)等，并都取得了一定的成果。第四十三頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第43頁(yè)，共85頁(yè)。國(guó)內(nèi)的研究工作主要是集中在三大類(lèi)方法的研究：①基于幾何特征的人臉正面自動(dòng)識(shí)別方法②基于代數(shù)特征的人臉正面自動(dòng)識(shí)別方法③基于連接機(jī)制的人臉正面自動(dòng)識(shí)別方法。第四十四頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第44頁(yè)，共85頁(yè)。周激流實(shí)現(xiàn)了具有反饋機(jī)制的人臉正面識(shí)別系統(tǒng)，運(yùn)用積分投影法提取面部特征的關(guān)鍵點(diǎn)并用于識(shí)別，獲得了比較滿意的效果。他同時(shí)也嘗試了“穩(wěn)定視點(diǎn)”特征提取方法，即為使識(shí)別系統(tǒng)中包含3D信息，他對(duì)人臉側(cè)面剪影識(shí)別做了一定的研究，并實(shí)現(xiàn)了正，側(cè)面互相參照的識(shí)別系統(tǒng)。彭輝、張長(zhǎng)水等對(duì)“特征臉”的方法做了進(jìn)一步的發(fā)展，提出采用類(lèi)間散布矩陣作為產(chǎn)生矩陣，進(jìn)一步降低了產(chǎn)生矩陣的維數(shù)，在保持識(shí)別率的情況下，大大降低了運(yùn)算量。程永清，莊永明等對(duì)同類(lèi)圖像的平均灰度圖進(jìn)行SVD分解得到特征臉空間，每一幅圖像在特征臉空間上的投影作為其代數(shù)特征，然后利用層次判別進(jìn)行分類(lèi)。張輝，周洪祥，何振亞采用對(duì)稱主元分析神經(jīng)網(wǎng)絡(luò)，用去冗余和權(quán)值正交相結(jié)合的方法對(duì)人臉進(jìn)行特征提取和識(shí)別。該方法所用特征數(shù)據(jù)量小，特征提取運(yùn)算量也較小，比較好地實(shí)現(xiàn)了大量人臉樣本的存儲(chǔ)和人臉的快速識(shí)別。北京科技大學(xué)的王志良教授主要研究人工心理，建立了以數(shù)學(xué)公式為基礎(chǔ)的心理學(xué)模型。第四十五頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第45頁(yè)，共85頁(yè)。人臉識(shí)別的過(guò)程第四十六頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第46頁(yè)，共85頁(yè)。47人臉識(shí)別的過(guò)程登記過(guò)程識(shí)別過(guò)程一對(duì)一的驗(yàn)證過(guò)程一對(duì)多的辨別過(guò)程第四十七頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第47頁(yè)，共85頁(yè)。48登記過(guò)程第四十八頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第48頁(yè)，共85頁(yè)。49一對(duì)一的驗(yàn)證過(guò)程第四十九頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第49頁(yè)，共85頁(yè)。50一對(duì)多的辨別過(guò)程第五十頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第50頁(yè)，共85頁(yè)。自動(dòng)人臉識(shí)別系統(tǒng)所謂自動(dòng)人臉識(shí)別系統(tǒng)，是指不需要人為干預(yù)，能夠自動(dòng)獲取人臉圖像并且辨別出其身份的系統(tǒng)一個(gè)自動(dòng)人臉識(shí)別系統(tǒng)至少要包含三個(gè)部分，即數(shù)據(jù)采集子系統(tǒng)、人臉檢測(cè)子系統(tǒng)和人臉識(shí)別子系統(tǒng)“人臉識(shí)別”有時(shí)是指整個(gè)自動(dòng)人臉識(shí)別系統(tǒng)所做的工作，有時(shí)是指人臉識(shí)別子系統(tǒng)所做的工作數(shù)據(jù)采集子系統(tǒng)人臉識(shí)別子系統(tǒng)人臉檢測(cè)子系統(tǒng)自動(dòng)人臉識(shí)別系統(tǒng)識(shí)別結(jié)果：Heis…!第五十一頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第51頁(yè)，共85頁(yè)。人臉檢測(cè)與人臉識(shí)別的研究?jī)?nèi)容(1)人臉檢測(cè)（FaceDetection）人臉檢測(cè)（FaceDetection）是指在輸入圖像中確定所有人臉（如果存在）的位置、大小、位姿的過(guò)程。人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)中的一個(gè)關(guān)鍵環(huán)節(jié)。(2)人臉識(shí)別人臉識(shí)別細(xì)分為兩類(lèi)，一類(lèi)是回答我是誰(shuí)的問(wèn)題，即辨認(rèn)（Identification），另一類(lèi)是回答這個(gè)人是我嗎？即確認(rèn)（Verification）。顯然，用于Identification模式的識(shí)別系統(tǒng)對(duì)算法的運(yùn)算速度的要求要高于Verification模式的識(shí)別系統(tǒng)。第五十二頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第52頁(yè)，共85頁(yè)。從人臉自動(dòng)識(shí)別技術(shù)所依據(jù)的理論來(lái)講，人臉檢測(cè)與人臉識(shí)別都是模式識(shí)別問(wèn)題。人臉檢測(cè)是把所有的人臉作為一個(gè)模式，而非人臉作為另一個(gè)模式，人臉檢測(cè)的過(guò)程就是將人臉模式與非人臉模式區(qū)別開(kāi)來(lái)。人臉識(shí)別是把每一個(gè)人的人臉作為一個(gè)模式來(lái)對(duì)待，不同人的臉屬于不同的模式類(lèi)，人臉識(shí)別的過(guò)程是將屬于不同人的臉歸于各自的模式。換句話說(shuō)，人臉檢測(cè)強(qiáng)調(diào)的是人臉之間的共性，而人臉識(shí)別則要區(qū)分不同人臉之間的差異，二者同屬于模式分類(lèi)問(wèn)題。第五十三頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第53頁(yè)，共85頁(yè)。第五十四頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第54頁(yè)，共85頁(yè)。應(yīng)用—人臉識(shí)別第五十五頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第55頁(yè)，共85頁(yè)。第五十六頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第56頁(yè)，共85頁(yè)。人臉檢測(cè)與人臉識(shí)別的評(píng)價(jià)標(biāo)準(zhǔn)定義1：檢測(cè)（Detection）指對(duì)人臉圖像進(jìn)行檢測(cè)和定位的過(guò)程。定義2：拒檢（DetectionRejection）指不能正常檢測(cè)到人臉或人臉不能定位以及人臉檢測(cè)失敗。定義3：拒檢率DRR（DetectionRejectionRate）指被拒檢的人臉圖像占統(tǒng)計(jì)總數(shù)的比例，用百分比表示。定義4：比對(duì)（Matching）指以人臉特征與另一人臉特征比較的過(guò)程。定義5：匹配相似度（Similarity）人臉特征比對(duì)的輸出結(jié)果，代表參與比對(duì)的兩個(gè)人臉特征的相似程度。用0到1之間的小數(shù)表示，該數(shù)字愈大表示比對(duì)的人臉特征相似程度愈大，該數(shù)字愈小表示參與比對(duì)的人臉特征相似程度愈小。第五十七頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第57頁(yè)，共85頁(yè)。定義6：錯(cuò)誤拒絕FR（FalseRejection）指定某匹配相似度為判定閾值，在來(lái)自于同一個(gè)個(gè)體的人臉特征之間的比對(duì)，其結(jié)果（匹配相似度）小于設(shè)定閾值。即指授權(quán)人不能被正確接受的比率。定義7：錯(cuò)誤接受FA（FalseAcceptance）指定某匹配相似度為判定閾值，在來(lái)自于同一個(gè)個(gè)體的人臉特征之間的比對(duì)，其結(jié)果（匹配相似度）大于設(shè)定閾值。即指非授權(quán)人錯(cuò)誤的判斷為授權(quán)人的比率。定義8：錯(cuò)誤拒絕率（FalseRejectionRate）指發(fā)生FR的比對(duì)次數(shù)占總統(tǒng)計(jì)比對(duì)次數(shù)的比例，用百分比表示，也叫拒真率。定義9：錯(cuò)誤接受率FAR（FalseAcceptanceRate）指發(fā)生FA的比對(duì)次數(shù)占總統(tǒng)計(jì)比對(duì)次數(shù)的比例，用百分比表示，也叫錯(cuò)誤通過(guò)率，或認(rèn)假率。定義10：相等錯(cuò)誤率EER（EqualErrorRate）指在某給定匹配相似度下，F(xiàn)AR與FRR相等時(shí)的錯(cuò)誤率，即FAR=FRR。第五十八頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第58頁(yè)，共85頁(yè)。定義11：登陸時(shí)間（EnrollmentTime）從一幅人臉圖像獲取后，進(jìn)行人臉檢測(cè)、定位和特征提取所花費(fèi)的時(shí)間，此時(shí)間是數(shù)學(xué)統(tǒng)計(jì)平均值，用毫秒（ms）表示。定義12：比對(duì)時(shí)間（MatchingTime）比較兩張人臉特征所花費(fèi)的時(shí)間，此時(shí)間包含文件讀寫(xiě)時(shí)間的數(shù)學(xué)統(tǒng)計(jì)平均值，用毫秒（ms）來(lái)表示?；蛘呤菍⒁粡埲四樚卣髋c一定數(shù)量的人臉特征進(jìn)行比對(duì)所花費(fèi)的時(shí)間的總和，表示為毫秒/萬(wàn)人。定義13：首選識(shí)別率（FirstHit）匹配相似度最大的人臉是正確的人的比率。即將識(shí)別結(jié)果按照匹配相似度從大到小排列，排在第一位的人臉就是正確的被識(shí)別的人的比率。定義14：累計(jì)識(shí)別率（FirsnHit）正確的識(shí)別結(jié)果在前N個(gè)候選人中的比率。即將識(shí)別結(jié)果按照匹配相似度從大到小排列，在前N個(gè)結(jié)果中存在被識(shí)別的人的比率。第五十九頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第59頁(yè)，共85頁(yè)。本征臉（eigenface）方法是人臉識(shí)別的基準(zhǔn)技術(shù)，并已成為事實(shí)上的工業(yè)標(biāo)準(zhǔn)該方法基于主成分分析（PCA）PCA是將分散在一組變量上的信息集中到某幾個(gè)綜合指標(biāo)（主成分）上的數(shù)學(xué)方法，實(shí)際上起著數(shù)據(jù)降維的作用，并保證降維過(guò)程最大化保留原數(shù)據(jù)的差異這對(duì)最大化類(lèi)間差異（即不同人之間的差異）并最小化類(lèi)內(nèi)差異（即同一人的不同圖像間的差異）很有效用PCA將2維數(shù)據(jù)降到1維的例子，綠色點(diǎn)表示二維數(shù)據(jù)，PCA的目標(biāo)就是找到這樣一條直線，使得所有點(diǎn)在這條直線上的投影點(diǎn)之間的平均距離最大。也就是最大化地保留了原數(shù)據(jù)的差異性第六十頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第60頁(yè)，共85頁(yè)。本征臉?lè)椒ㄖ苯佑?jì)算C的本征值和本征向量是困難的，可以通過(guò)對(duì)矩陣做奇異值分解間接求出m值的選擇：如果將本征向量恢復(fù)成圖像，這些圖像很像人臉，因此稱為“本征臉”[M.Turk&A.Pentland,JCN91]第六十一頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第61頁(yè)，共85頁(yè)。本征特征（eigenfeature）方法利用PCA分析眼、鼻、嘴等局部特征，即本征特征方法[R.Brunelli&T.Poggio,TPAMI93][A.Pentlandetal.,CVPR94]這實(shí)際上相當(dāng)于：為若干重要的特征建立本征空間，然后將多個(gè)本征空間集成起來(lái)第六十二頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第62頁(yè)，共85頁(yè)。本征臉vs.本征特征本征臉利用全局特征，本征特征利用局部特征，二者各有優(yōu)勢(shì)待識(shí)別圖像本征臉識(shí)別結(jié)果本征特征識(shí)別結(jié)果[A.Pentlandetal.,CVPR94]第六十三頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第63頁(yè)，共85頁(yè)。本征臉vs.本征特征(2)(1)(3)(4)難題——能否自動(dòng)確定：該用哪些特征？（眼睛？鼻子？嘴？……）特征的確切位置在哪兒？（從哪兒到哪兒算眼睛？……）將二者結(jié)合，可以得到更好的識(shí)別效果同樣，這實(shí)際上相當(dāng)于：為若干重要的特征建立本征空間，然后將多個(gè)本征空間集成起來(lái)由于嘴部受表情影響很?chē)?yán)重，因此未考慮嘴部特征第六十四頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第64頁(yè)，共85頁(yè)。實(shí)驗(yàn)結(jié)果[X.Geng&Z.-H.Zhou,unpub04]FERET人臉數(shù)據(jù)庫(kù)上的結(jié)果(3)(2)(1)(4)(2)(1)(3)(4)待識(shí)別圖像出現(xiàn)在算法返回的前Rank個(gè)圖像中SEME選擇的特征本征臉+本征特征所用的特征第六十五頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第65頁(yè)，共85頁(yè)。SEME的可擴(kuò)展性SEME的訓(xùn)練（計(jì)算）開(kāi)銷(xiāo)很大，但只需訓(xùn)練一次[X.Geng&Z.-H.Zhou,unpub04]將FERET人臉數(shù)據(jù)庫(kù)上選擇出的本征空間集成直接用于ORL（左）和BioID（右）這兩個(gè)人臉數(shù)據(jù)庫(kù)的結(jié)果第六十六頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第66頁(yè)，共85頁(yè)。人臉識(shí)別的關(guān)鍵問(wèn)題1.人臉面部形態(tài)（面型、眼睛、鼻子）2.人臉識(shí)別中的視覺(jué)特征（早期MARR理論框架3個(gè)層次計(jì)算理論、算法、實(shí)現(xiàn)機(jī)制；現(xiàn)多層次）3人臉識(shí)別中的光照問(wèn)題4.人臉識(shí)別中的姿態(tài)問(wèn)題第六十七頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第67頁(yè)，共85頁(yè)。關(guān)鍵技術(shù)人臉檢測(cè)圖像預(yù)處理人臉特征選擇人臉識(shí)別第六十八頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第68頁(yè)，共85頁(yè)。學(xué)科基礎(chǔ)面部運(yùn)動(dòng)測(cè)量技術(shù)圖像處理技術(shù)人臉檢測(cè)跟蹤技術(shù)面部特征提取算法面部特征的模式識(shí)別算法第六十九頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第69頁(yè)，共85頁(yè)。面部特征提取算法幾何特征提取統(tǒng)計(jì)特征提?。ㄖ鞒煞帧?維主成分、線性判別分析法、獨(dú)立成分分析法）頻率域特征提?。℅abol、離散余弦）運(yùn)動(dòng)特征提取代數(shù)特征提取第七十頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第70頁(yè)，共85頁(yè)。面部特征的模式識(shí)別算法線性判別分析（Fisher線性判別）支持向量機(jī)SVM貝葉斯網(wǎng)絡(luò)隱馬爾可夫模型及其基本問(wèn)題人工神經(jīng)網(wǎng)絡(luò)模糊模式識(shí)別第七十一頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第71頁(yè)，共85頁(yè)。人臉識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)人臉識(shí)別系統(tǒng)的總體設(shè)計(jì)人臉識(shí)別系統(tǒng)的算法設(shè)計(jì)人臉識(shí)別系統(tǒng)的實(shí)現(xiàn)第七十二頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第72頁(yè)，共85頁(yè)。人臉識(shí)別系統(tǒng)的開(kāi)發(fā)與試驗(yàn)工具Intel?開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)OpenCV簡(jiǎn)介Intel?開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)OpenCV第七十三頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第73頁(yè)，共85頁(yè)。OpenCV概述

目錄1什么是OpenCV

2重要特性

3誰(shuí)創(chuàng)建了它

4新特征

5從哪里下載OpenCV

6如果在安裝/運(yùn)行/使用OpenCV中遇到問(wèn)題

7OpenCV參考手冊(cè)

8中文翻譯者

第七十四頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第74頁(yè)，共85頁(yè)。什么是OpenCVOpenCV是Intel?開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)。它由一系列C函數(shù)和少量C++類(lèi)構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法。

opencv自帶的sample里面有很多識(shí)別例子，有人臉視頻跟蹤的，還有畫(huà)圖的，也有定位人臉的。第七十五頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第75頁(yè)，共85頁(yè)。總綱：用C/C++編寫(xiě)的開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)。目的是為了實(shí)時(shí)應(yīng)用。獨(dú)立于操作系統(tǒng)/硬件/圖形管理器。通用的圖像/視頻載入、保存和獲取模塊。底層和高層的應(yīng)用開(kāi)發(fā)包。第七十六頁(yè)，編輯于星期六：二十二點(diǎn)五十七分。第76頁(yè)，共85頁(yè)。OpenCV模塊：cv–主要的OpenCV函數(shù)。cvaux–輔助的（實(shí)驗(yàn)性的）OpenCV函數(shù)。cxcor