先进面部识别系统精.ppt
先进面部识别系统第1页，本讲稿共12页什么是人脸识别 人脸识别人脸识别人脸识别人脸识别提取特征点提取特征点人脸检测人脸检测比对比对成像成像 工作原理工作原理工作原理工作原理 面部识别是一种非常自然、友好的生物特征识别认证技术。面部识别是一种非常自然、友好的生物特征识别认证技术。面部识别是一种非常自然、友好的生物特征识别认证技术。面部识别是一种非常自然、友好的生物特征识别认证技术。面部识别技术是通过图像面部识别技术是通过图像面部识别技术是通过图像面部识别技术是通过图像或视频进行面部检测，然后提取面部特征、最后进行面部比对的一系列相关技术的总成。或视频进行面部检测，然后提取面部特征、最后进行面部比对的一系列相关技术的总成。或视频进行面部检测，然后提取面部特征、最后进行面部比对的一系列相关技术的总成。或视频进行面部检测，然后提取面部特征、最后进行面部比对的一系列相关技术的总成。图像预处理图像预处理 人脸识别是是人类视觉最杰出的能力之一。计算机人脸识别技术是一项新兴的生物人脸识别是是人类视觉最杰出的能力之一。计算机人脸识别技术是一项新兴的生物人脸识别是是人类视觉最杰出的能力之一。计算机人脸识别技术是一项新兴的生物人脸识别是是人类视觉最杰出的能力之一。计算机人脸识别技术是一项新兴的生物识别技术，也是一个活跃的研究领域。它是计算机交互是技术的重要组成部分具有广阔识别技术，也是一个活跃的研究领域。它是计算机交互是技术的重要组成部分具有广阔识别技术，也是一个活跃的研究领域。它是计算机交互是技术的重要组成部分具有广阔识别技术，也是一个活跃的研究领域。它是计算机交互是技术的重要组成部分具有广阔的发展前景。的发展前景。的发展前景。的发展前景。第2页，本讲稿共12页面部识别的优点 人脸识别技术由于它的安全性、无侵害性和对用户最自然、最直观的使用方式，使人脸识别成为人脸识别技术由于它的安全性、无侵害性和对用户最自然、最直观的使用方式，使人脸识别成为人脸识别技术由于它的安全性、无侵害性和对用户最自然、最直观的使用方式，使人脸识别成为人脸识别技术由于它的安全性、无侵害性和对用户最自然、最直观的使用方式，使人脸识别成为最容易被接受的生物特征识别方式。最容易被接受的生物特征识别方式。最容易被接受的生物特征识别方式。最容易被接受的生物特征识别方式。准确率准确率速度速度采集难度采集难度采集方式采集方式设备成本设备成本接受度接受度应用范围应用范围指纹指纹高高很快很快低低主动主动低低高高广泛广泛掌纹掌纹很高很高快快较低较低主动主动高高高高一般一般虹膜虹膜很高很高快快高高主动主动较高较高较低较低一般一般面部面部很高很高快快低低主动主动/被动被动低低很高很高广泛广泛DNA DNA 精确精确很慢很慢很高很高主动主动很高很高低低很窄很窄 和其他生物特征识别技术比较和其他生物特征识别技术比较和其他生物特征识别技术比较和其他生物特征识别技术比较第3页，本讲稿共12页面部识别的优点 1.1.1.1.识别准确安全；识别准确安全；识别准确安全；识别准确安全；2.2.2.2.伴随性无须介质不怕丢失或遗忘；伴随性无须介质不怕丢失或遗忘；伴随性无须介质不怕丢失或遗忘；伴随性无须介质不怕丢失或遗忘；3.3.3.3.非接触使用安全卫生；非接触使用安全卫生；非接触使用安全卫生；非接触使用安全卫生；4.4.4.4.隐蔽性适合特殊情况使用；隐蔽性适合特殊情况使用；隐蔽性适合特殊情况使用；隐蔽性适合特殊情况使用；5.5.5.5.使用方便无须学习和改变使用习惯；使用方便无须学习和改变使用习惯；使用方便无须学习和改变使用习惯；使用方便无须学习和改变使用习惯；6.6.6.6.设备使用寿命长；设备使用寿命长；设备使用寿命长；设备使用寿命长；7.7.7.7.对人的身体及生理无侵害。对人的身体及生理无侵害。对人的身体及生理无侵害。对人的身体及生理无侵害。面部识别面部识别面部识别面部识别不受季节及天气影响识别不受季节及天气影响识别准确率高准确率高非接触：设备使用寿命高，非接触：设备使用寿命高，使用更卫生。使用更卫生。识别方式为主、被动两种识别方式为主、被动两种不需要密钥或存放相关信不需要密钥或存放相关信息的介质（如息的介质（如ICIC、IDID等）等）更安全更方便更安全更方便我们的贡献我们的贡献1 1、提高了该技术、提高了该技术对环境光线的适对环境光线的适应性应性2 2、解决了戴眼镜、解决了戴眼镜的问题的问题3 3、降低了成本、降低了成本4 4、提高了识别速、提高了识别速度度用户选择的理由用户选择的理由方便、安全、价格适中方便、安全、价格适中这个技术在保证安全性的同时极大的方便这个技术在保证安全性的同时极大的方便了客户使用（不用记密码，不用带卡片和了客户使用（不用记密码，不用带卡片和钥匙），这是他价值的真正所在。钥匙），这是他价值的真正所在。并且在十年内无可替代他的技术会出现。并且在十年内无可替代他的技术会出现。复制难度高复制难度高 主要优点主要优点主要优点主要优点第4页，本讲稿共12页面部识别原理眼部检测眼镜发射光消除MB-LBP算法标准化根据眼睛位置做图像标准化局部直方图均衡、Gamma、局部差分等一系列变换记录当前图像的光线照射情况Boosting人脸特征分类器人脸检测Haar算法特征提取代数（主）加几何特征（辅助）Gabor小波转化特征库结果结果结果结果注册注册注册注册比对Boosting眼部特征分类器通过摄像头采集到的灰度图像训练集第5页，本讲稿共12页检检检检出率出率出率出率:1 1 1 1、不考虑准确度的情况下、不考虑准确度的情况下、不考虑准确度的情况下、不考虑准确度的情况下眼睛的眼睛的检检检检出率：出率：DR=DR=DR=DR=99.8899.8899.8899.882 2 2 2、误差为、误差为、误差为、误差为5%5%5%5%眼睛的精确度眼睛的精确度检检检检出率：出率：出率：出率：DR(0.05)=80DR(0.05)=80DR(0.05)=80DR(0.05)=803 3 3 3、误差为、误差为、误差为、误差为10%10%10%10%眼睛的精确度眼睛的精确度检检检检出率：出率：出率：出率：DR(0.1)=97DR(0.1)=97DR(0.1)=97DR(0.1)=97眼睛眼睛检测检测检测检测的速度的速度:3ms3ms3ms3ms：电脑电脑电脑电脑（1.7GHz1.7GHz1.7GHz1.7GHz的中央的中央处处处处理器，理器，128MB128MB128MB128MB内内内内存）存）100ms100ms100ms100ms的：的：嵌入式嵌入式嵌入式嵌入式（MIPS 336MHzMIPS 336MHzMIPS 336MHzMIPS 336MHz处理器处理器处理器处理器，64MB64MB64MB64MB内存内存内存内存）眼部检测性能评价第6页，本讲稿共12页人脸特征提取前的预处理及图像标准化人脸特征提取前的预处理及图像标准化人脸特征提取前的预处理及图像标准化人脸特征提取前的预处理及图像标准化 1 1 1 1、检测人脸平面内角度偏差并旋转。（根据眼睛）检测人脸平面内角度偏差并旋转。（根据眼睛）检测人脸平面内角度偏差并旋转。（根据眼睛）检测人脸平面内角度偏差并旋转。（根据眼睛）2 2 2 2、缩放图像到合适大小。、缩放图像到合适大小。、缩放图像到合适大小。、缩放图像到合适大小。（根据眼睛）（根据眼睛）（根据眼睛）（根据眼睛）3 3 3 3、截取、截取、截取、截取151*151151*151151*151151*151图像。图像。图像。图像。4 4 4 4、通过局部差分及局部直方图均衡等措施对图像进行标准化（标准化前后图形如下）、通过局部差分及局部直方图均衡等措施对图像进行标准化（标准化前后图形如下）、通过局部差分及局部直方图均衡等措施对图像进行标准化（标准化前后图形如下）、通过局部差分及局部直方图均衡等措施对图像进行标准化（标准化前后图形如下）图像预处理及标准化第7页，本讲稿共12页 1 1 1 1、特征提取是基于特征提取是基于GaborGaborGaborGabor小波小波变换变换变换变换，特征，特征编码编码编码编码的信息包含的信息包含的信息包含的信息包含光照，表情，姿光照，表情，姿态态态态等等等等。2 2 2 2、我我们们们们通通过过过过二二维维维维分解分解GaborGaborGaborGabor滤滤滤滤波器波器来提高来提高来提高来提高特征提取特征提取速度。速度。速度。速度。实部 虚部 3 3 3 3、需要取标准图像中需要取标准图像中需要取标准图像中需要取标准图像中81818181个固定点，每个点进行个固定点，每个点进行个固定点，每个点进行个固定点，每个点进行16161616个方向个方向个方向个方向8 8 8 8个频率的小波计算（如图）个频率的小波计算（如图）个频率的小波计算（如图）个频率的小波计算（如图）。特征提取第8页，本讲稿共12页如上所述，我们计算出特征点，根据在如上所述，我们计算出特征点，根据在如上所述，我们计算出特征点，根据在如上所述，我们计算出特征点，根据在8181点点点点1616方向和方向和方向和方向和8 8个频率，所以我们得个频率，所以我们得个频率，所以我们得个频率，所以我们得到到到到16*8*81 Gabor16*8*81 Gabor特征值。特征值。特征值。特征值。让我们在每一个点得到让我们在每一个点得到让我们在每一个点得到让我们在每一个点得到16*8=128 Gabor16*8=128 Gabor特征值特征值特征值特征值。我们使用了编码功能，判断相邻点之间关系、方向和大小。因此，我们计算出每个我们使用了编码功能，判断相邻点之间关系、方向和大小。因此，我们计算出每个我们使用了编码功能，判断相邻点之间关系、方向和大小。因此，我们计算出每个我们使用了编码功能，判断相邻点之间关系、方向和大小。因此，我们计算出每个特征编码的大小为特征编码的大小为特征编码的大小为特征编码的大小为2430Byte2430Byte2430Byte2430Byte（还加入了一些其他信息，如光照强度、方向、注册时间等）。（还加入了一些其他信息，如光照强度、方向、注册时间等）。（还加入了一些其他信息，如光照强度、方向、注册时间等）。（还加入了一些其他信息，如光照强度、方向、注册时间等）。特征提取第9页，本讲稿共12页1 1 1 1、计算相似性、计算相似性、计算相似性、计算相似性 首先我们计算出每个的的相似性，再根据每个点的相似性的差计算权重。首先我们计算出每个的的相似性，再根据每个点的相似性的差计算权重。首先我们计算出每个的的相似性，再根据每个点的相似性的差计算权重。首先我们计算出每个的的相似性，再根据每个点的相似性的差计算权重。2 2 2 2、计算面部的光线变化、计算面部的光线变化、计算面部的光线变化、计算面部的光线变化 我我们计们计们计们计算算特征编码的时候加入了环境光线的基本信息，在比对中发现光线变化时会采取特殊的处特征编码的时候加入了环境光线的基本信息，在比对中发现光线变化时会采取特殊的处特征编码的时候加入了环境光线的基本信息，在比对中发现光线变化时会采取特殊的处特征编码的时候加入了环境光线的基本信息，在比对中发现光线变化时会采取特殊的处理方式以理方式以理方式以理方式以增加光增加光线线线线变变变变化化时时时时的的识别识别识别识别率率。比对过程第10页，本讲稿共12页我们的技术参数识别精度识别精度识别精度识别精度 RR RR RR RR是指是指是指是指等等等等记的人和比对的人为同一人时的通过率。记的人和比对的人为同一人时的通过率。记的人和比对的人为同一人时的通过率。记的人和比对的人为同一人时的通过率。0FMR 0FMR 0FMR 0FMR是是指不发生误识的时候，指不发生误识的时候，指不发生误识的时候，指不发生误识的时候，拒拒识率为识率为识率为识率为15%15%15%15%。FMR1000000 FMR1000000 FMR1000000 FMR1000000 是是指误识率为指误识率为指误识率为指误识率为1/10000001/10000001/10000001/1000000，拒拒识率为识率为识率为识率为12.5%12.5%12.5%12.5%。FMR100000 FMR100000 FMR100000 FMR100000 是是指误识率为指误识率为指误识率为指误识率为1/1000001/1000001/1000001/100000，拒拒识率为识率为识率为识率为11%11%11%11%。FMR10000 FMR10000 FMR10000 FMR10000 是是指误识率为指误识率为指误识率为指误识率为1/100001/100001/100001/10000，拒拒识率为识率为识率为识率为9%9%9%9%。适用范围适用范围适用范围适用范围 可以可以识别识别识别识别平面平面内内内内-30-30-30-3030303030度的头部度的头部度的头部度的头部图图图图像像偏偏偏偏转转转转或非平面外或非平面外或非平面外或非平面外-15-15-15-1515151515度的头部旋转度的头部旋转度的头部旋转度的头部旋转。可适用不大于？焦耳能量的干扰。可适用不大于？焦耳能量的干扰。可适用不大于？焦耳能量的干扰。可适用不大于？焦耳能量的干扰。算法同时支持算法同时支持算法同时支持算法同时支持intelintel架构、架构、架构、架构、DSPDSP架构、架构、架构、架构、ARMARM架构等多种平台架构等多种平台架构等多种平台架构等多种平台识别速度识别速度识别速度识别速度 速度速度速度速度0.10.10.10.1秒秒秒秒/pc/pc/pc/pc；0.20.20.20.2秒秒秒秒/DSP/DSP/DSP/DSP；0.70.70.70.7秒秒秒秒/MIPS/MIPS/MIPS/MIPSRRRR0FMR0FMRFMR1000000FMR1000000FMR100000FMR100000FMR10000FMR100002%15%12.5%11%9%第11页，本讲稿共12页面部识别技术现状 我们研究的重点是基于近红外摄像机的图像识别。但是我们的引擎在可见光识别中优我们研究的重点是基于近红外摄像机的图像识别。但是我们的引擎在可见光识别中优我们研究的重点是基于近红外摄像机的图像识别。但是我们的引擎在可见光识别中优我们研究的重点是基于近红外摄像机的图像识别。但是我们的引擎在可见光识别中优于于于于“Verilook 4.0Verilook 4.0Verilook 4.0Verilook 4.0”（立陶宛）、（立陶宛）、（立陶宛）、（立陶宛）、“Luxand 3.0Luxand 3.0Luxand 3.0Luxand 3.0”（美国），这是基于（美国），这是基于（美国），这是基于（美国），这是基于ColorFERETColorFERETColorFERETColorFERET数据库的测试数据库的测试数据库的测试数据库的测试结果。在结果。在结果。在结果。在FRVT2006FRVT2006FRVT2006FRVT2006发表发表发表发表FMR10000FMR10000FMR10000FMR10000识别率是识别率是识别率是识别率是35353535的室内普通光线环境。的室内普通光线环境。的室内普通光线环境。的室内普通光线环境。此外此外此外此外Surrey,Dallan,Lockheed,Toshiba,NeurotechSurrey,Dallan,Lockheed,Toshiba,NeurotechSurrey,Dallan,Lockheed,Toshiba,NeurotechSurrey,Dallan,Lockheed,Toshiba,Neurotech方案在方案在方案在方案在MBGCMBGCMBGCMBGC（多生物识别技术（多生物识别技术（多生物识别技术（多生物识别技术挑战赛）挑战实验，公布结果在挑战赛）挑战实验，公布结果在挑战赛）挑战实验，公布结果在挑战赛）挑战实验，公布结果在FMR1000 30FMR1000 30FMR1000 30FMR1000 30 虽然在室内环境光照变化不大，但在可见光条件下还没有人可以克服，解决鲁棒性的问题。虽然在室内环境光照变化不大，但在可见光条件下还没有人可以克服，解决鲁棒性的问题。虽然在室内环境光照变化不大，但在可见光条件下还没有人可以克服，解决鲁棒性的问题。虽然在室内环境光照变化不大，但在可见光条件下还没有人可以克服，解决鲁棒性的问题。在非可见光的条件下，我们更高于其他竞争对手。这是中科院研制算法在室内非可见光情况下的在非可见光的条件下，我们更高于其他竞争对手。这是中科院研制算法在室内非可见光情况下的在非可见光的条件下，我们更高于其他竞争对手。这是中科院研制算法在室内非可见光情况下的在非可见光的条件下，我们更高于其他竞争对手。这是中科院研制算法在室内非可见光情况下的FMR10000 18FMR10000 18FMR10000 18FMR10000 18 ，汉王为，汉王为，汉王为，汉王为FMR10000 22%FMR10000 22%FMR10000 22%FMR10000 22%。同时我们是全球第一家将算法移植到同时我们是全球第一家将算法移植到同时我们是全球第一家将算法移植到同时我们是全球第一家将算法移植到ARMARMARMARM平台上的并完成产品化的厂家，平台上的并完成产品化的厂家，平台上的并完成产品化的厂家，平台上的并完成产品化的厂家，第12页，本讲稿共12页
