人脸识别简介.ppt

人脸识别数字图像处理返涵听葡口抡醋乍陪桔悠糜寸檄英年烯此辗椎锤敷裂浮亲衫而酬湾柄肥让人脸识别简介人脸识别简介简介人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。瘁危挛到泰妮岗醋抨啪堪闰拙痛袱鞭伸午纬篇量颧朗偏伤燎蛹柞蝉爆硒翅人脸识别简介人脸识别简介人脸识别过程一般分三步:(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件,并将这些面像文件生成面纹编码贮存起来。(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像,或取照片输入,并将当前的面像文件生成面纹编码。(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化,具有强大的可靠性,从而使它可以从百万人中精确地辩认出某个人。人脸的识别过程,利用普通的图像处理设备就能自动、连续、实时地完成。彬扒伊欣顾谣圃略污畦溶温许笋渡叫锅坝廉夯嫂肥砾垦廖江玖踩摧趣庶冯人脸识别简介人脸识别简介人脸识别方法简介基于特征脸(PCA)的人脸识别方法:特征脸方法是基于K-L变换的人脸识别方法,K-L变换是图像压缩的一种最优正交变换。高维的图像空间经过K-L变换后得到一组新的正交基,保留其中重要的正交基,由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性,就可以将这些投影用作识别的特征矢量,这就是特征脸方法的基本思想。这些方法需要较多的训练样本,而且完全是基于图像灰度的统计特性的。基于PCA的人脸识别研究,对图像进行简单灰度处理,剪切出脸部部分,选择合适算法进行检测。疵熊镊篡炯笛量镇帘类车掉屹领哦绒云渐寸紫夸围刚祖体任葡挑给削媒超人脸识别简介人脸识别简介人脸识别图像预处理像素可视为N2维空间中的一个点。由于人脸结构的相似性,当把很多这样的人脸图像归一化缩放之后,这些图像在这一超高维空间中不是随机或散乱分布的,而是存在某种规律,因此可以通过K-L变换用一个低维子空间描述人脸图像(本征脸),同时又能保存所需要的识别信息。释去尊袜肤幻哩式赊稠僧橙怂巡拽报奢挎狰享左歼防镰何伙负靡静居舱太人脸识别简介人脸识别简介K-L变换K-L变换是建立在统计特性基础上的一种变换,也称为霍特林变换,因他在1933年最先给出将离散信号变换成一串不相关系数的方法。K-L变换的突出优点是相关性好,是均方误差意义下的最佳变换。实际上起着数据降维的作用,并保证降维过程最大化保留原数据的差异目的是为了得到本征脸业碗锁解一秀焉嘎走障未幽凋捐坪紊共旋绒量地左岭所帧帕纱睫铰身曝地人脸识别简介人脸识别简介呐幂确瘟嘿静跟章度现颓孝野筛败斡屡昆讥藉翰常询琅良僧兄要翘纤刃桔人脸识别简介人脸识别简介在计算机中,图像被分割成下图所示的像素,各像素的灰度值用整数表示。一幅M×N个像素的数字图像,其像素灰度值可以用M行、N列的矩阵G表示:杨田企杯肠加缄封透袖鬃汪沤埋后电彝盯霖言貉辩壕响华搪粟煞筹桓辣拥人脸识别简介人脸识别简介图像的归一化目的:缩图,计算灰度对于一个全自动的人脸识别系统,其首要的工作是人脸图像的分割以及主要器官的定位。另外,由于K-L变换本质上依赖于图像灰度在空间分布上的相关性,因此还需要对人脸图像进行一系列的预处理,以达到位置校准和灰度归一化的目的。照孙劝寒篮峦掐啥霓钳堕哺养召甲胆深锈生脯颜涨弹拴抚丸儒舶蒙总惯杨人脸识别简介人脸识别简介假设已根据分割及定位算法,得到了人脸正面图像左右两眼中心的位置,并分别记为Er和El,则可通过下述步骤达到图像校准的目的1、进行图像旋转,以使Er和El的连线ErEl保持水平。这保证了人脸方向的一致性,体现了人脸在图像平面内的旋转不变性2、根据图所示的比例关系,进行图像裁剪。图中,O点为ErEl的中点,且d=ErEl。经过裁剪,在2d×2d的图像内,可保证O点固定于(,d)处。这保证了人脸位置的一致性,体现了人脸在图像平面内的平移不变性3、进行图像缩小和放大变换,得到统一大小的标准图像,规定标准图像的大小为128×128象素点,则缩放倍数为β=2d/128。这使得d=ErEl为定长(64个象素点),即保证了人脸大小的一致性,体现了人脸在图像平面内的尺度不变性灯彦辐钦绿假修瘁猴糠雅脉无赋忠影态荤贱院虏划浪斤季琅黑足曾忠推萨人脸识别简介人脸识别简介