生物認證技術

1人臉識別的感性認識人臉識別的意義人體生物認證技術人臉識別的系統(tǒng)第一頁第二頁，共84頁。人臉識別是一個活躍的研究領域，是人類視覺最杰出的能力之一。雖然人臉識別的準確性要低于虹膜、指紋的識別，但由于它的無侵害性和對用戶最自然、最直觀的方式，使人臉識別成為最容易被接受的生物特征識別方式。第二頁第三頁，共84頁。人臉識別是人體生物認證技術的一種，首先我們談談人體生物認證技術人體生物的生物特征包括生理特征和行為特征兩大類。

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)境和生活習慣決定的。這些生物特征本身固有的特點決定了其在生物認證中所起的作用是不同的。表1對各種生物認證技術作了一個簡單的比較。第三頁第四頁，共84頁。生物特征識別：人臉臉部熱量圖指紋手形手部血管分布虹膜視網(wǎng)膜簽名語音第四頁第五頁，共84頁。5基于生物特征的身份認證生物特征=生理特征+行為特征生理特征與生俱來，如DNA、臉像、虹膜、指紋等行為特征后天習慣使然，如筆跡、步態(tài)等第五頁第六頁，共84頁。6人體生物特征的起源于

傳統(tǒng)的身份認證的問題基于知識的身份認證容易忘記容易被盜容易攻擊基于令牌的身份認證容易丟失容易被盜容易偽造知識+令牌第六頁第七頁，共84頁。第七頁第八頁，共84頁。8常用生物特征的比較生物特征普遍性獨特性穩(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］第八頁第九頁，共84頁。人臉識別的意義BillGates:以人類生物特征進行身份驗證的生物識別技術，在今后數(shù)年內(nèi)將成為IT產(chǎn)業(yè)最為重要的技術革命第九頁第十頁，共84頁。10生物特征的評估普遍性 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第十頁第十一頁，共84頁。11各種生物特征市場份額的統(tǒng)計第十一頁第十二頁，共84頁。生物認證技術市場收入的預測12第十二頁第十三頁，共84頁。13人臉識別的應用人臉識別系統(tǒng)在金融、證券、社保、公安、軍隊及其他需要安全認證的行業(yè)和部門有著廣泛的應用典型應用罪犯調(diào)查訪問控制人員考勤重用門票駕駛執(zhí)照電子商務信用卡準考證身份證第十三頁第十四頁，共84頁。人臉識別人臉識別因識別方式友好、可隱蔽而備受學術界和工業(yè)界關注（但人臉識別不是萬能的）第十四頁第十五頁，共84頁。15人臉識別的軍事應用導彈基地、軍火庫房等要地的門禁或通道控制核能設施等重要軍事裝備的啟動控制第十五頁第十六頁，共84頁。幾個人臉識別系統(tǒng)介紹1.中科奧森人臉識別系統(tǒng)2.南京理工的人臉識別3.深圳康貝爾人臉識別系統(tǒng)第十六頁第十七頁，共84頁。1.中科奧森人臉識別系統(tǒng)第十七頁第十八頁，共84頁。本系統(tǒng)采用了目前最先進的人臉檢測與識別技術，具有人臉獲取隱蔽，識別速度快，檢測與識別率高，魯棒性好、安全性高和實用方便等優(yōu)點，可廣泛應用于家庭安全監(jiān)控、辦公室安全監(jiān)控、通道監(jiān)控等諸多方面，推廣的應用前景領域遍及家庭、辦公、軍隊、政法、銀行、物業(yè)、海關、互聯(lián)網(wǎng)等。第十八頁第十九頁，共84頁。第十九頁第二十頁，共84頁。第二十頁第二十一頁，共84頁。1.中科奧森人臉識別系統(tǒng)（續(xù)）國際首創(chuàng)近紅外人臉識別關鍵技術，包括算法思路、軟件技術、以及光學和電子硬件設計。國內(nèi)首創(chuàng)中遠距離(大于5米)人臉識別關鍵技術和系統(tǒng)。該系統(tǒng)能夠在中遠距離快速準確、穩(wěn)定地跟蹤多個人臉，并能在側(cè)臉，后腦勺狀態(tài)保持跟蹤，算法達到國際先進水平。將人臉識別與智能監(jiān)控相結(jié)合是一項全新的技術。自主產(chǎn)權解決了環(huán)境光照對人臉識別不利影響等國際難題，實現(xiàn)了快速準確可靠、不受環(huán)境光照影響的人臉識別技術，能防止照片模型等非法攻擊，系統(tǒng)性能達到國際領先水平。該系統(tǒng)已在我國深圳-香港通關口岸成功運行多年。通過中國信息安全產(chǎn)品測評認證中心身份認證產(chǎn)品與技術測評中心權威測評。系統(tǒng)產(chǎn)品豐富,可以支持從幾個人到萬人級的識別,。并采用國際標準接口，可以無縫接入現(xiàn)有的安全防范系統(tǒng)。支持多種數(shù)據(jù)庫系統(tǒng)，可建立高效索引機制實現(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，適合各種形式或規(guī)模的應用。支持與其他密碼/生物特征識別等技術的邏輯組合運算，實現(xiàn)更嚴格的安全管理.。具有自主知識產(chǎn)權的關鍵技術，包括如下功能：近紅外/可見光人臉識別、人臉圖像對比和檢索、監(jiān)控狀態(tài)下中遠距離人臉識別，場景智能監(jiān)控及報警等。第二十一頁第二十二頁，共84頁。其領軍人物—李子青李子青,獲湖南大學學士、國防科大碩士、英國Surrey大學博士學位。2000年辭去新加坡南洋大學終身教職，加盟微軟亞洲研究院。2004年作為“百人計劃”入選者來到中科院自動化所，現(xiàn)為中科院自動化所生物識別與安全技術研究中心主任。第二十二頁第二十三頁，共84頁。在微軟研發(fā)的人臉識別系統(tǒng)EyeCU，比爾.蓋茨接受CNN采訪為之講解。在中科院自動化所研發(fā)的“AuthenMetric中科奧森”人臉識別系統(tǒng)和智能視頻監(jiān)控系統(tǒng)，已包括北京奧運會和邊境檢查等多個國家重大安全部門實施并發(fā)揮作用。第二十三頁第二十四頁，共84頁。北京奧運開幕式人臉識別門票查驗現(xiàn)場－觀眾人臉身份驗證第二十四頁第二十五頁，共84頁。中科院人臉識別技術成功用于奧運會開幕式

8月8日，數(shù)萬名觀眾由國家體育場鳥巢的100多個人臉識別系統(tǒng)快速身份驗證關口有序入場，參加2008北京奧運會的開幕式。據(jù)悉，該驗證系統(tǒng)是由中科院自動化所研制的。第二十五頁第二十六頁，共84頁。第二十六頁第二十七頁，共84頁。第二十七頁第二十八頁，共84頁。2.南京理工的人臉識別南京理工人臉識別其領軍人物是《楊靜宇》老教授。楊靜宇教授于1982—1984年在國際模式識別領域的權威—美國伊利諾斯大學CSL實驗室T.S.Huang教授指導下從事模式識別理論研究。一生功勛卓越：他先后在國內(nèi)外學術刊物和國際學術會議上發(fā)表論文４００余篇，出版論（譯）著６本，指導【博士后】研究人員８人，培養(yǎng)【博士】研究生５７人。第二十八頁第二十九頁，共84頁。第二十九頁第三十頁，共84頁。他培養(yǎng)的57多名博士，如今都已成為各個單位的骨干。其中最著名的是：楊健博士（32歲當教授），獲全國百篇優(yōu)秀博士論文提名獎，他在模式識別頂級刊物IEEETPAMI上發(fā)表的兩篇論文，目前已經(jīng)分別被國內(nèi)外學者和專家引用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青年教師基金和青年教師獎。洪子泉博士在國際上首次提出了基于代數(shù)特征的人臉識別方法。金忠教授2001年發(fā)表在PatternRecognition上關于不相關鑒別分析的論文，曾收到著名的Thomson公司的賀信，祝賀該論文被引用次數(shù)位于同一領域引用次數(shù)最高的百分之一以內(nèi)。第三十頁第三十一頁，共84頁。2008年，楊教授在相繼接受國際著名學術期刊《PatternRecongnitionLetters》的主編、《Neurocomputing》的主編的邀請，加盟上述兩大國際學術期刊編委會，成為兩大國際學術期刊的編委(AssociateEditor)。上述兩大國際學術期刊對遴選編委會成員的要求非常高，《PatternRecongnitionLetters》在中國僅有四位編委，楊健教授是目前中國編委中最年輕的一位，其他三位分別來自清華大學、中國科學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內(nèi)外相關領域?qū)W者的廣泛關注。國內(nèi)模式識別研究領域的權威、西安交通大學的校長鄭南寧院士最近在國際知名期刊《IEEEIntelligentSystems》上發(fā)表的題為“中國圖象處理和模式識別50年回顧”的論文中，著重指出了楊教授在基礎研究方面的四項研究成果，并強調(diào)說“2DPCA與2DLDA方法是本世紀初源于中國的”。第三十一頁第三十二頁，共84頁?！?·11”事件是生物特征認證技術在全球發(fā)展的一個轉(zhuǎn)折點?！?·11”以后生物識別技術的重要性被全球各國政府更加清楚地認識到。傳統(tǒng)的身份鑒別技術面臨反恐任務時所表現(xiàn)出來的缺陷，使得各國政府在研究與應用上對生物特征識技術開始了大規(guī)模的投資。在美國：三個相關的法案（愛國者法案、邊境簽證法案、航空安全法案）都要求必須采用生物識別技術作為法律實施保證。總體上來說，國外生物認證技術的應用已經(jīng)進入了以政府應用為主的階段。第三十二頁第三十三頁，共84頁。深圳康貝爾人臉識別系統(tǒng)第三十三頁第三十四頁，共84頁。第三十四頁第三十五頁，共84頁。第三十五頁第三十六頁，共84頁。人臉識別門禁系統(tǒng)

人臉識別大型場館準入系統(tǒng)

第三十六頁第三十七頁，共84頁。人臉識別在銀行金庫的應用中國人民銀行規(guī)定所有的金庫安防監(jiān)控系統(tǒng)都要有人臉識別功能第三十七頁第三十八頁，共84頁。聯(lián)合國的國際民用航空組織(ICAO)已對188個成員國發(fā)布了航空領域使用生物特征認證技術的規(guī)劃，提出將在個人護照中加入生物特征(包括指紋識別、虹膜識別、面相識別)，并在進入各個國家的邊境時進行個人身份的確認。目前，此規(guī)劃已經(jīng)在美國、歐盟、澳大利亞、日本、南韓、南非等國家和地區(qū)通過，從2004年底就開始實施了。第三十八頁第三十九頁，共84頁。人臉識別技術在國外的研究現(xiàn)狀

當前很多國家展開了有關人臉識別的研究，主要有美國，歐洲國家，日本等，著名的研究機構(gòu)有美國MIT的Medialab,AIlab,CMU（卡耐基-梅隆大學）的Human-ComputerInterfaceInstitute，MicrosoftResearch,英國的DepartmentofEngineeringinUniversityofCambridge（劍橋大學）等。綜合有關文獻，目前的方法主要集中在以下幾個方面：第三十九頁第四十頁，共84頁。綜合有關文獻，目前的方法主要集中在以下幾個方面：（1）模板匹配（2）示例學習（3）神經(jīng)網(wǎng)絡（4）基于隱馬爾可夫模型的方法除此以外，基于AdaBoost的人臉識別算法，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，國外都進行了大量的研究與實驗。第四十頁第四十一頁，共84頁。研究現(xiàn)狀國際上對人臉及人臉面部表情識別的研究現(xiàn)在逐漸成為科研熱點。國內(nèi)外很多機構(gòu)都在進行這方面的研究,尤其美國、日本。進入90年代,對人臉表情識別的研究變得非常活躍,吸引了大量的研究人員和基金支持,EI可檢索到的相關文獻就多達數(shù)千篇。美國、日本、英國、德國、荷蘭、法國等經(jīng)濟發(fā)達國家和發(fā)展中國家如印度、新加坡都有專門的研究組進行這方面的研究。其中MIT、CMU、Maryland大學、Standford大學、日本城蹊大學、東京大學、ATR研究所的貢獻尤為突出。國內(nèi)國內(nèi)的清華大學、哈爾濱工業(yè)大學、中科院、中國科技大學、南京理工大學、北方交通大學等都有人員從事人臉及人臉表情識別的研究

第四十一頁第四十二頁，共84頁。人臉識別技術在國內(nèi)的研究現(xiàn)狀

國內(nèi)關于人臉自動識別的研究始于二十世紀80年代，主要的研究單位有中科院自動化所計算所，清華大學，南京理工大學，哈爾濱工業(yè)大學，復旦大學，北京科技大學等，并都取得了一定的成果。第四十二頁第四十三頁，共84頁。國內(nèi)的研究工作主要是集中在三大類方法的研究：①基于幾何特征的人臉正面自動識別方法②基于代數(shù)特征的人臉正面自動識別方法③基于連接機制的人臉正面自動識別方法。第四十三頁第四十四頁，共84頁。周激流實現(xiàn)了具有反饋機制的人臉正面識別系統(tǒng)，運用積分投影法提取面部特征的關鍵點并用于識別，獲得了比較滿意的效果。他同時也嘗試了“穩(wěn)定視點”特征提取方法，即為使識別系統(tǒng)中包含3D信息，他對人臉側(cè)面剪影識別做了一定的研究，并實現(xiàn)了正，側(cè)面互相參照的識別系統(tǒng)。彭輝、張長水等對“特征臉”的方法做了進一步的發(fā)展，提出采用類間散布矩陣作為產(chǎn)生矩陣，進一步降低了產(chǎn)生矩陣的維數(shù)，在保持識別率的情況下，大大降低了運算量。程永清，莊永明等對同類圖像的平均灰度圖進行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行分類。張輝，周洪祥，何振亞采用對稱主元分析神經(jīng)網(wǎng)絡，用去冗余和權值正交相結(jié)合的方法對人臉進行特征提取和識別。該方法所用特征數(shù)據(jù)量小，特征提取運算量也較小，比較好地實現(xiàn)了大量人臉樣本的存儲和人臉的快速識別。北京科技大學的王志良教授主要研究人工心理，建立了以數(shù)學公式為基礎的心理學模型。第四十四頁第四十五頁，共84頁。人臉識別的過程第四十五頁第四十六頁，共84頁。46人臉識別的過程登記過程識別過程一對一的驗證過程一對多的辨別過程第四十六頁第四十七頁，共84頁。47登記過程第四十七頁第四十八頁，共84頁。48一對一的驗證過程第四十八頁第四十九頁，共84頁。49一對多的辨別過程第四十九頁第五十頁，共84頁。自動人臉識別系統(tǒng)所謂自動人臉識別系統(tǒng)，是指不需要人為干預，能夠自動獲取人臉圖像并且辨別出其身份的系統(tǒng)一個自動人臉識別系統(tǒng)至少要包含三個部分，即數(shù)據(jù)采集子系統(tǒng)、人臉檢測子系統(tǒng)和人臉識別子系統(tǒng)“人臉識別”有時是指整個自動人臉識別系統(tǒng)所做的工作，有時是指人臉識別子系統(tǒng)所做的工作數(shù)據(jù)采集子系統(tǒng)人臉識別子系統(tǒng)人臉檢測子系統(tǒng)自動人臉識別系統(tǒng)識別結(jié)果：Heis…!第五十頁第五十一頁，共84頁。人臉檢測與人臉識別的研究內(nèi)容(1)人臉檢測（FaceDetection）人臉檢測（FaceDetection）是指在輸入圖像中確定所有人臉（如果存在）的位置、大小、位姿的過程。人臉檢測是自動人臉識別系統(tǒng)中的一個關鍵環(huán)節(jié)。(2)人臉識別人臉識別細分為兩類，一類是回答我是誰的問題，即辨認（Identification），另一類是回答這個人是我嗎？即確認（Verification）。顯然，用于Identification模式的識別系統(tǒng)對算法的運算速度的要求要高于Verification模式的識別系統(tǒng)。第五十一頁第五十二頁，共84頁。從人臉自動識別技術所依據(jù)的理論來講，人臉檢測與人臉識別都是模式識別問題。人臉檢測是把所有的人臉作為一個模式，而非人臉作為另一個模式，人臉檢測的過程就是將人臉模式與非人臉模式區(qū)別開來。人臉識別是把每一個人的人臉作為一個模式來對待，不同人的臉屬于不同的模式類，人臉識別的過程是將屬于不同人的臉歸于各自的模式。換句話說，人臉檢測強調(diào)的是人臉之間的共性，而人臉識別則要區(qū)分不同人臉之間的差異，二者同屬于模式分類問題。第五十二頁第五十三頁，共84頁。第五十三頁第五十四頁，共84頁。應用—人臉識別第五十四頁第五十五頁，共84頁。第五十五頁第五十六頁，共84頁。人臉檢測與人臉識別的評價標準定義1：檢測（Detection）指對人臉圖像進行檢測和定位的過程。定義2：拒檢（DetectionRejection）指不能正常檢測到人臉或人臉不能定位以及人臉檢測失敗。定義3：拒檢率DRR（DetectionRejectionRate）指被拒檢的人臉圖像占統(tǒng)計總數(shù)的比例，用百分比表示。定義4：比對（Matching）指以人臉特征與另一人臉特征比較的過程。定義5：匹配相似度（Similarity）人臉特征比對的輸出結(jié)果，代表參與比對的兩個人臉特征的相似程度。用0到1之間的小數(shù)表示，該數(shù)字愈大表示比對的人臉特征相似程度愈大，該數(shù)字愈小表示參與比對的人臉特征相似程度愈小。第五十六頁第五十七頁，共84頁。定義6：錯誤拒絕FR（FalseRejection）指定某匹配相似度為判定閾值，在來自于同一個個體的人臉特征之間的比對，其結(jié)果（匹配相似度）小于設定閾值。即指授權人不能被正確接受的比率。定義7：錯誤接受FA（FalseAcceptance）指定某匹配相似度為判定閾值，在來自于同一個個體的人臉特征之間的比對，其結(jié)果（匹配相似度）大于設定閾值。即指非授權人錯誤的判斷為授權人的比率。定義8：錯誤拒絕率（FalseRejectionRate）指發(fā)生FR的比對次數(shù)占總統(tǒng)計比對次數(shù)的比例，用百分比表示，也叫拒真率。定義9：錯誤接受率FAR（FalseAcceptanceRate）指發(fā)生FA的比對次數(shù)占總統(tǒng)計比對次數(shù)的比例，用百分比表示，也叫錯誤通過率，或認假率。定義10：相等錯誤率EER（EqualErrorRate）指在某給定匹配相似度下，F(xiàn)AR與FRR相等時的錯誤率，即FAR=FRR。第五十七頁第五十八頁，共84頁。定義11：登陸時間（EnrollmentTime）從一幅人臉圖像獲取后，進行人臉檢測、定位和特征提取所花費的時間，此時間是數(shù)學統(tǒng)計平均值，用毫秒（ms）表示。定義12：比對時間（MatchingTime）比較兩張人臉特征所花費的時間，此時間包含文件讀寫時間的數(shù)學統(tǒng)計平均值，用毫秒（ms）來表示?；蛘呤菍⒁粡埲四樚卣髋c一定數(shù)量的人臉特征進行比對所花費的時間的總和，表示為毫秒/萬人。定義13：首選識別率（FirstHit）匹配相似度最大的人臉是正確的人的比率。即將識別結(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別的人的比率。定義14：累計識別率（FirsnHit）正確的識別結(jié)果在前N個候選人中的比率。即將識別結(jié)果按照匹配相似度從大到小排列，在前N個結(jié)果中存在被識別的人的比率。第五十八頁第五十九頁，共84頁。本征臉（eigenface）方法是人臉識別的基準技術，并已成為事實上的工業(yè)標準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綜合指標（主成分）上的數(shù)學方法，實際上起著數(shù)據(jù)降維的作用，并保證降維過程最大化保留原數(shù)據(jù)的差異這對最大化類間差異（即不同人之間的差異）并最小化類內(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，綠色點表示二維數(shù)據(jù)，PCA的目標就是找到這樣一條直線，使得所有點在這條直線上的投影點之間的平均距離最大。也就是最大化地保留了原數(shù)據(jù)的差異性第五十九頁第六十頁，共84頁。本征臉方法直接計算C的本征值和本征向量是困難的，可以通過對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]第六十頁第六十一頁，共84頁。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]這實際上相當于：為若干重要的特征建立本征空間，然后將多個本征空間集成起來第六十一頁第六十二頁，共84頁。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)勢待識別圖像本征臉識別結(jié)果本征特征識別結(jié)果[A.Pentlandetal.,CVPR94]第六十二頁第六十三頁，共84頁。本征臉vs.本征特征(2)(1)(3)(4)難題——能否自動確定：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，可以得到更好的識別效果同樣，這實際上相當于：為若干重要的特征建立本征空間，然后將多個本征空間集成起來由于嘴部受表情影響很嚴重，因此未考慮嘴部特征第六十三頁第六十四頁，共84頁。實驗結(jié)果[X.Geng&Z.-H.Zhou,unpub04]FERET人臉數(shù)據(jù)庫上的結(jié)果(3)(2)(1)(4)(2)(1)(3)(4)待識別圖像出現(xiàn)在算法返回的前Rank個圖像中SEME選擇的特征本征臉+本征特征所用的特征第六十四頁第六十五頁，共84頁。SEME的可擴展性SEME的訓練（計算）開銷很大，但只需訓練一次[X.Geng&Z.-H.Zhou,unpub04]將FERET人臉數(shù)據(jù)庫上選擇出的本征空間集成直接用于ORL（左）和BioID（右）這兩個人臉數(shù)據(jù)庫的結(jié)果第六十五頁第六十六頁，共84頁。人臉識別的關鍵問題1.人臉面部形態(tài)（面型、眼睛、鼻子）2.人臉識別中的視覺特征（早期MARR理論框架3個層次計算理論、算法、實現(xiàn)機制；現(xiàn)多層次）3人臉識別中的光照問題4.人臉識別中的姿態(tài)問題第六十六頁第六十七頁，共84頁。關鍵技術人臉檢測圖像預處理人臉特征選擇人臉識別第六十七頁第六十八頁，共84頁。學科基礎面部運動測量技術圖像處理技術人臉檢測跟蹤技術面部特征提取算法面部特征的模式識別算法第六十八頁第六十九頁，共84頁。面部特征提取算法幾何特征提取統(tǒng)計特征提取（主成分、2維主成分、線性判別分析法、獨立成分分析法）頻率域特征提?。℅abol、離散余弦）運動特征提取代數(shù)特征提取第六十九頁第七十頁，共84頁。面部特征的模式識別算法線性判別分析（Fisher線性判別）支持向量機SVM貝葉斯網(wǎng)絡隱馬爾可夫模型及其基本問題人工神經(jīng)網(wǎng)絡模糊模式識別第七十頁第七十一頁，共84頁。人臉識別系統(tǒng)設計與實現(xiàn)人臉識別系統(tǒng)的總體設計人臉識別系統(tǒng)的算法設計人臉識別系統(tǒng)的實現(xiàn)第七十一頁第七十二頁，共84頁。人臉識別系統(tǒng)的開發(fā)與試驗工具Intel?開源計算機視覺庫OpenCV簡介Intel?開源計算機視覺庫OpenCV第七十二頁第七十三頁，共84頁。OpenCV概述

目錄1什么是OpenCV

2重要特性

3誰創(chuàng)建了它

4新特征

5從哪里下載OpenCV

6如果在安裝/運行/使用OpenCV中遇到問題

7OpenCV參考手冊

8中文翻譯者

第七十三頁第七十四頁，共84頁。什么是OpenCVOpenCV是Intel?開源計算機視覺庫。它由一系列C函數(shù)和少量C++類構(gòu)成，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。

opencv自帶的sample里面有很多識別例子，有人臉視頻跟蹤的，還有畫圖的，也有定位人臉的。第七十四頁第七十五頁，共84頁?？偩V：用C/C++編寫的開源計算機視覺庫。目的是為了實時應用。獨立于操作系統(tǒng)/硬件/圖形管理器。通用的圖像/視頻載入、保存和獲取模塊。底層和高層的應用開發(fā)包。第七十五頁第七十六頁，共84頁。OpenC