人臉識(shí)別技術(shù)總

人臉識(shí)別技術(shù)總結(jié)《人臉識(shí)別技術(shù)總結(jié)》是一篇好的范文，感覺(jué)很有用處，希望大家能有所收獲。篇一：人臉識(shí)別技術(shù)大總結(jié)人臉識(shí)別技術(shù)大總結(jié)——&--搞了一年人臉識(shí)別，尋思著記錄點(diǎn)什么，于是想寫(xiě)這么個(gè)系列，介紹人臉識(shí)別的四大塊：,,（），本別代表從一張圖中識(shí)別出人臉位置，把人臉上的特征點(diǎn)定位，人臉校驗(yàn)和人臉識(shí)別。（后兩者的區(qū)別在于，人臉校驗(yàn)是要給你兩張臉問(wèn)你是不是同一個(gè)人，人臉識(shí)別是給你一張臉和一個(gè)庫(kù)問(wèn)你這張臉是庫(kù)里的誰(shuí)。人臉檢測(cè)（）在中早就有直接能拿來(lái)用的分類(lèi)器，基于-算法。但是畢竟是老掉牙的技術(shù)，/曲線(xiàn)渣到不行，在實(shí)際工程中根本沒(méi)法給看，作為腦殘粉，這里介紹一種在年的技術(shù)：（）。這篇文章直接在的時(shí)間里把和都給做了，曲線(xiàn)彪到很高，時(shí)效性高，內(nèi)存占用卻非常低，在一些庫(kù)上虐了++和，正好契合這篇想講的東西?？梢宰鳛楸竟?jié)的主線(xiàn)。人臉校準(zhǔn)（）是給你一張臉，你給我找出我需要的特征點(diǎn)的位置，比如鼻子左側(cè)，鼻孔下側(cè)，瞳孔位置，上嘴唇下側(cè)等等點(diǎn)的位置。如果覺(jué)得還是不明白，看下圖：最全面的范文寫(xiě)作網(wǎng)站圖中紅色框框就是在做，白色點(diǎn)點(diǎn)就是在做。如果知道了點(diǎn)的位置做一下位置驅(qū)動(dòng)的變形，臉就成正的了，如何驅(qū)動(dòng)變形不是本節(jié)的重點(diǎn)，在此省略。首先介紹一下下面正文要寫(xiě)的東西，由于干貨非常多所以可能會(huì)看著看著就亂了，所以給出框架圖：=================================廢話(huà)說(shuō)了這么多，正文開(kāi)始~作者建立了一個(gè)叫的分類(lèi)器，方法如下：樣本準(zhǔn)備：首先作者調(diào)用的-分類(lèi)器，將閥值設(shè)到%，這樣能夠盡可能地檢測(cè)出所有的臉，但是同時(shí)也會(huì)有非常多的不是臉的東東被檢測(cè)出來(lái)。于是，檢測(cè)出來(lái)的框框們被分成了兩類(lèi)：是臉和不是臉。這些圖片被到*。特征提取：接下來(lái)是特征提取，怎么提取呢？作者采用了三種方法：第一種：把劃分成*個(gè)小，分別提取特征，然后連接著個(gè)特征向量成為圖像的特征。第二種：先求出一個(gè)固定的臉的平均(個(gè)特征點(diǎn)的位置，比如眼睛左邊，嘴唇右邊等等)，然后以這個(gè)特征點(diǎn)為中心提取特征，然后連接后作為特征。第三種：用他們組去年的另一個(gè)成果()，范文也就是圖中的方法，回歸出每張臉的，然后再以每張臉自己的個(gè)為中心做，然后連接得到特征。分類(lèi)：將上述的三種特征分別扔到線(xiàn)性中做分類(lèi)，訓(xùn)練出一個(gè)能分辨一張圖是不是臉的模型。緊接著作者將以上三種方法做出的分類(lèi)器和初始分類(lèi)器進(jìn)行比對(duì)，畫(huà)了一個(gè)樣本分布的圖：這個(gè)圖從左到右依次是原始級(jí)聯(lián)分類(lèi)器得到的樣本分類(lèi)分布和第一種到第三種方法提取的特征得到的樣本分類(lèi)分布?？梢?jiàn)做一下可以得到一個(gè)更好的分類(lèi)效果。但是問(wèn)題來(lái)了：如果把所有的都做一下，即使是的速度一張圖可能也要處理上秒，這無(wú)法滿(mǎn)足一般一秒幀的實(shí)時(shí)需求。作者也說(shuō)，用分類(lèi)器，參數(shù)設(shè)成%的率將會(huì)帶來(lái)很?chē)?yán)重的效率災(zāi)難——一張圖能找出來(lái)個(gè)框，處理一張圖都要好幾秒。這么渣的效率可咋辦呢？以上內(nèi)容已經(jīng)證明了確實(shí)對(duì)的有幫助，這就夠啦，對(duì)下面的工作也是個(gè)啟發(fā)——能不能在做的同時(shí)把做了呢？的中間結(jié)果是否能給帶來(lái)一些幫助呢？后面慢慢講。先說(shuō)兩個(gè)通用的面部檢測(cè)和矯正的模型：級(jí)聯(lián)檢測(cè)分類(lèi)器（）：不失一般性，一個(gè)簡(jiǎn)單的級(jí)聯(lián)分類(lèi)器是這樣的：百度圖中的代表的是第個(gè)弱分類(lèi)器。代表的是特征向量，代表分類(lèi)得分。每個(gè)會(huì)根據(jù)自己的分類(lèi)方法對(duì)輸出一個(gè)分類(lèi)結(jié)果，比如是一張臉或者不是一張臉，而（=~）都會(huì)對(duì)應(yīng)一個(gè)，讓任意一個(gè)小于對(duì)應(yīng)的的時(shí)候，樣本就會(huì)被拒絕。通常不是一張臉的圖片在經(jīng)過(guò)前幾個(gè)弱分類(lèi)器的判斷后就會(huì)被拒絕，根本不用做后面的判斷，所以速度很快。級(jí)聯(lián)回歸校準(zhǔn)（我這翻譯_這里介紹的是另一個(gè)人在年發(fā)的文章：（），給圖像一個(gè)初始（通常采用平均），然后通過(guò)一次一次的回歸把回歸到正確的地方。算法結(jié)構(gòu)很簡(jiǎn)單，但是效果確實(shí)非常好：回歸過(guò)程如下：首先提取特征，原作者采用的是-，然后根據(jù)特征訓(xùn)練回歸函數(shù)（可以用線(xiàn)性回歸，，隨機(jī)森林等等），原作者采用了一個(gè)叫的東西，范文寫(xiě)作這里翻譯成隨機(jī)蕨好了（這名字）回歸出這一階段的偏移量，然后加上這個(gè)偏移量，反復(fù)這一過(guò)程，直到迭代上限或者錯(cuò)誤率不再下降。隨機(jī)蕨的算法過(guò)程和隨機(jī)森林類(lèi)似，他是一個(gè)半樸素貝葉斯模型。首先選取組每組個(gè)特征建立個(gè)蕨（弱分類(lèi)器），然后假設(shè)蕨內(nèi)特征是相關(guān)的，蕨間特征是獨(dú)立的，這樣從統(tǒng)計(jì)學(xué)上隨機(jī)蕨是一個(gè)完整的把樸素貝葉斯分類(lèi)器，讓計(jì)算變得簡(jiǎn)單：式中代表分類(lèi)，代表第類(lèi)，代表蕨數(shù)量。綜上，這樣回歸的過(guò)程可以總結(jié)成如下形式：代表，代表在回歸第階段的，他等于上一階段的加上一個(gè)偏置，這個(gè)偏置就是上述回歸方法之一搞定的。比如隨機(jī)森林或者隨機(jī)蕨，或者線(xiàn)性回歸?，F(xiàn)在再說(shuō)說(shuō)怎么訓(xùn)練得到這個(gè)回歸。有兩種思路：一種是像剛才隨機(jī)蕨那樣，每個(gè)每個(gè)蕨的葉子節(jié)點(diǎn)存儲(chǔ)一個(gè)偏移量，計(jì)算訓(xùn)練的時(shí)候落入這個(gè)葉子節(jié)點(diǎn)的樣本偏移之平均，然后作為最終的葉子節(jié)點(diǎn)偏移量。其實(shí)就是在優(yōu)化一個(gè)如下目標(biāo)函數(shù)：然而組在中采用的是另一種方法，形狀的偏移量為：目標(biāo)函數(shù)是：其實(shí)也是同樣的思路，代表特征提取函數(shù)，論文中稱(chēng)的輸出為局部二值特征（），為線(xiàn)性回歸參數(shù)矩陣，其實(shí)就是把提取出來(lái)的特征映射到一個(gè)二維的偏移量上，是一個(gè)*（特征空間維數(shù)）的變換矩陣。首先講是怎么訓(xùn)練的：其實(shí)就是一個(gè)隨機(jī)森林。思想?yún)R報(bào)專(zhuān)題輸入像素差特征（-），輸出一個(gè)。訓(xùn)練的時(shí)候隨機(jī)給每個(gè)根節(jié)點(diǎn)像素差特征中的一部分。非葉節(jié)點(diǎn)的分裂依據(jù)是從輸入的-中找出能夠做到最大的方差衰減的。在最后的葉子節(jié)點(diǎn)上寫(xiě)上落在葉子節(jié)點(diǎn)上的樣本偏移量，這個(gè)偏移量在之前說(shuō)到的里有用，但是在這里沒(méi)啥用，因?yàn)樽髡咂喝四樧R(shí)別技術(shù)綜述人臉識(shí)別研究代上（河南大學(xué)環(huán)境與規(guī)劃學(xué)院河南開(kāi)封）摘要：現(xiàn)今世界經(jīng)濟(jì)發(fā)展迅速，而面對(duì)繁雜的社會(huì)安全問(wèn)題卻顯得有些捉襟見(jiàn)肘，人臉識(shí)別技術(shù)能夠因通過(guò)面部特征信息識(shí)別身份而受到廣泛關(guān)注。人臉識(shí)別通常使用采集含有人臉圖像或視頻流的設(shè)備，將收集到的人臉信息進(jìn)行臉部檢測(cè),進(jìn)而與數(shù)據(jù)庫(kù)中已有信息進(jìn)行對(duì)比確定被識(shí)別對(duì)象的身份,已經(jīng)廣泛的應(yīng)用于公共安全、教育等多個(gè)方面，且在以后的社會(huì)發(fā)展中具有很大的應(yīng)用前景。本文主要對(duì)人臉識(shí)別的發(fā)展歷程、主要識(shí)別方法予以總結(jié)概括，并對(duì)其應(yīng)用范圍與發(fā)展趨勢(shì)進(jìn)行分析。關(guān)鍵詞：人臉識(shí)別；方法；應(yīng)用；發(fā)展引言人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。該項(xiàng)技術(shù)目前應(yīng)用到社會(huì)的各個(gè)領(lǐng)域，例如個(gè)人家庭自動(dòng)門(mén)的安全系統(tǒng)、犯罪人的身份識(shí)別系統(tǒng)、銀行自動(dòng)取款的服務(wù)系統(tǒng)等。人臉識(shí)別系統(tǒng)給人帶了很多方便，應(yīng)用能力很強(qiáng)，但是人臉識(shí)別仍然有很多阻礙其發(fā)展的困難之處。主要表現(xiàn)在：在收集圖像中目標(biāo)自身的影響；在系統(tǒng)收集圖像的過(guò)程中容易受到各種外界因素以及系統(tǒng)收集圖像之后由于其它因素造成的面部損傷所帶來(lái)的影響；隨著時(shí)間的變遷，人的面部逐步發(fā)生變化的影響。這些都對(duì)人臉識(shí)別技術(shù)的發(fā)展造成了一定的困難，也使得該項(xiàng)技術(shù)面臨著多種挑戰(zhàn)性。人臉識(shí)別研究的發(fā)展歷史與研究現(xiàn)狀發(fā)展歷史很早在世紀(jì)年代就有關(guān)于通過(guò)人臉對(duì)人類(lèi)的身份進(jìn)行辨別的論文發(fā)表，但是由于技術(shù)水平與設(shè)備的限制，人臉識(shí)別技術(shù)并沒(méi)有受到重視。直到世紀(jì)年代末，［］提出了人臉識(shí)別研究的雛形，人臉識(shí)別技術(shù)才被人們接受。在人臉識(shí)別研究的早期階段，人們主要研究的是人臉識(shí)別的各種方法，但是在實(shí)際應(yīng)用方面卻沒(méi)有得到實(shí)質(zhì)性的進(jìn)展。進(jìn)入世紀(jì)年代末的時(shí)候，人臉識(shí)別技術(shù)進(jìn)入了一個(gè)快速發(fā)展階段，在這個(gè)時(shí)期各種新的人臉識(shí)別方法相繼出現(xiàn)，并創(chuàng)建了人臉圖像數(shù)據(jù)庫(kù)，對(duì)人臉識(shí)別的發(fā)展起到了巨大的促進(jìn)作用。在實(shí)際應(yīng)用方面也取得了很大的進(jìn)展，運(yùn)用人臉識(shí)別技術(shù)的產(chǎn)品逐漸進(jìn)入了社會(huì)市場(chǎng)。進(jìn)入世紀(jì)以后，人臉識(shí)別技術(shù)已經(jīng)逐步發(fā)展成熟，但是由于非理想條件如（光照、天氣、姿態(tài)）的影響，對(duì)人臉識(shí)別技術(shù)的要求也更高。為了解決這些不利因素所造成的影響，研究者們一直努力尋找更加趨于完美的方法，從而減少這些因素所帶來(lái)的不利影響。研究現(xiàn)狀近幾年來(lái)，人臉識(shí)別技術(shù)已經(jīng)從以前的認(rèn)知階段發(fā)展到了實(shí)際應(yīng)用階段。但是由于每個(gè)人的面部都會(huì)因?yàn)楦鞣N不同的原因發(fā)生改變，這給人臉識(shí)別帶來(lái)了不小的影響。如光照不同可能提取的圖像不同；提取圖像的角度和人物自身表情不同也會(huì)最終產(chǎn)生不同的形態(tài)；因?yàn)橥饨缫蛩厥姑娌渴盏絺涂赡軐?dǎo)致人臉系統(tǒng)無(wú)法識(shí)別的情況。這些因素都讓人臉識(shí)別技術(shù)的研究現(xiàn)狀不容樂(lè)觀。但是研究者多年積累的豐富經(jīng)驗(yàn)給以后的研究建立了穩(wěn)定的基礎(chǔ)，讓以后的人臉識(shí)別研究少走了很多彎路。在人臉識(shí)別領(lǐng)域世界各國(guó)都取得了很多成果，如我國(guó)人臉識(shí)別的快速通關(guān)系統(tǒng)（），取得了國(guó)際先進(jìn)的整體性能；美國(guó)國(guó)防部的人臉識(shí)別（）技術(shù)工程［］，創(chuàng)建的人臉數(shù)據(jù)庫(kù)包含萬(wàn)多張不同的人臉圖像，是人臉識(shí)別領(lǐng)域應(yīng)用最廣泛的人臉數(shù)據(jù)庫(kù)之一，但此人臉庫(kù)只限于軍方使用；英國(guó)的人臉庫(kù)，深入得對(duì)本地人臉進(jìn)行了研究。這些都為人臉識(shí)別技術(shù)的發(fā)展建立了一個(gè)個(gè)新的里程碑。在人臉識(shí)別技術(shù)領(lǐng)域，各種新技術(shù)也不斷涌現(xiàn)出來(lái)。如和的局部二元模式法、等人的組合分類(lèi)融合方法等。這些新的人臉識(shí)別技術(shù)對(duì)未來(lái)的人臉識(shí)別研究了巨大的幫助。人臉識(shí)別的主要方法人臉識(shí)別從應(yīng)用上看，主要有兩種方式：一種是對(duì)未知身份的人臉目標(biāo)與相關(guān)系統(tǒng)圖像數(shù)據(jù)庫(kù)中已經(jīng)有的圖像進(jìn)行比較，通過(guò)辨別之后確定未知目標(biāo)的身份；另一種是以一個(gè)目標(biāo)人臉來(lái)辨別一個(gè)或者多個(gè)待識(shí)別的人臉，從而判斷是否是已知目標(biāo)人臉。人臉識(shí)別從研究上看，常用的人臉?lè)椒ㄓ刑卣髂樔四樧R(shí)別方法、彈性圖匹配方法、基于線(xiàn)性判別準(zhǔn)則的人臉識(shí)別方法、基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法、基于支持向量機(jī)的人臉識(shí)別方法、基于貝葉斯的人臉識(shí)別方法。對(duì)目前主流人臉識(shí)別技術(shù)中識(shí)別方法進(jìn)行分類(lèi)，大致可以分為基于模板匹配的方法和基于幾何特征的方法兩大類(lèi)別［］?；谀０迤ヅ涞姆椒ɑ谀０迤ヅ涞姆椒ㄊ翘崆巴ㄟ^(guò)采集圖像信息制作出一個(gè)原始的標(biāo)準(zhǔn)人臉模板，然后在檢測(cè)人臉的時(shí)候，系統(tǒng)會(huì)將待檢測(cè)人臉的相關(guān)數(shù)值進(jìn)行匹配，如果符合原始模板的標(biāo)準(zhǔn)，就可以說(shuō)是匹配成功。此方法主要是看模板與目標(biāo)的相似度，因此這種方法的優(yōu)點(diǎn)就在于可以輕易完成一定量的人臉識(shí)別，但是缺點(diǎn)就是容易受到各種因素的影響，從而造成識(shí)別效果達(dá)不到理想狀態(tài)，甚至是檢測(cè)錯(cuò)誤。因此可以采用變形模板，即事先制定多個(gè)模板，用這些已經(jīng)制定好的多個(gè)模板對(duì)單個(gè)待檢測(cè)的目標(biāo)進(jìn)行匹配檢測(cè)。最常用的一種模型稱(chēng)作隱馬爾可夫（，）模型［］。起先模型并沒(méi)有運(yùn)用到人臉識(shí)別技術(shù)上，而是運(yùn)用于聲音識(shí)別技術(shù)上，后來(lái)才被引用到人臉識(shí)別系統(tǒng)領(lǐng)域中。的狀態(tài)我們不能夠直接觀察到，而隱馬爾可夫模型屬于馬爾可夫鏈，可以通過(guò)觀測(cè)向量序列觀察。由于每個(gè)觀測(cè)向量的的分布表現(xiàn)所呈現(xiàn)出來(lái)的狀態(tài)迥異，但是每個(gè)觀測(cè)向量又是由相對(duì)應(yīng)的狀態(tài)序列產(chǎn)生。因此，隱馬爾可夫模型所表現(xiàn)出來(lái)的是一種雙重的隨機(jī)過(guò)程。隱馬爾可夫模型通過(guò)對(duì)每個(gè)待識(shí)別人臉的觀測(cè)向量進(jìn)行計(jì)算得出概率，從而判別檢測(cè)的結(jié)果。方法對(duì)面部表情變化不敏感又具有很好的魯棒性，因此該方法的辨別率很強(qiáng)。多模板匹配的方法是由梁路宏［］等人提出。該模板不是由傳統(tǒng)的單一模板組成，而是由人眼模板和人臉模板組成的多個(gè)模板。傳統(tǒng)模板都是直接與待檢測(cè)目標(biāo)進(jìn)行匹配，該模板先通過(guò)人眼模板對(duì)待檢測(cè)的目標(biāo)進(jìn)行搜索篩檢，然后再通過(guò)人臉模板進(jìn)行檢測(cè)直到確定是否相互匹配。在多模型中等人提出了最為經(jīng)典的兩種方法：主動(dòng)形狀模型（,）和主動(dòng)表象模型（,）。首先創(chuàng)建一個(gè)模型參數(shù)，然后用建立的模型在圖像中定位幾個(gè)關(guān)鍵位置（如額頭、眼睛、鼻子、下巴等），再進(jìn)行相似變換從而得到關(guān)鍵點(diǎn)的位置。是的一個(gè)擴(kuò)展，通過(guò)目標(biāo)的形狀和紋理結(jié)合在一起建立一個(gè)統(tǒng)一的模型。在與目標(biāo)匹配的過(guò)程中，不斷的調(diào)整模型參數(shù)，以達(dá)到與目標(biāo)紋理相吻合。基于幾何特征的方法基于幾何特征的方法最早是由提出，也是最傳統(tǒng)的一種方法。該方法對(duì)我們的人臉中的具體部位，如眉毛、眼睛、鼻子、