來源:物联网智库 (轉載自CPS中安往)
人臉辨識，一種基於人的臉部特徵資訊，進行身份認證的生物特徵辨識技術。近年來，隨著歐美先進國家人臉辨識技術開始進入實用階段後，人臉辨識迅速成為近年來全球的一個市場熱點。
人臉辨識技術包含三個部分：
1.人臉檢測
面貌檢測是指在動態的場景與複雜的背景中，判斷是否存在面像，並分離出這種面像。一般有下列幾種方法：
①參考範本法
首先設計一個或數個標準人臉的範本，然後計算測試採集的樣品與標準範本之間的匹配程度，並通過閾值來判斷是否存在人臉。
②人臉規則法
由於人臉具有一定的結構分佈特徵，所謂人臉規則的方法即提取這些特徵生成相應的規則以判斷測試樣品是否包含人臉。
③樣品學習法
這種方法即採用模式辨識中人工神經網路的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器。
④膚色模型法
這種方法是依據面貌膚色在色彩空間中分佈相對集中的規律來進行檢測。
⑤特徵子臉法
這種方法是將所有面像集合，視為一個面像子空間，並基於檢測樣品，與其在子空間的投影之間的距離，判斷是否存在面像。
值得提出的是，上述5種方法在實際檢測系統中也可綜合採用。
2.人臉跟蹤
面貌跟蹤是指對被檢測到的面貌，進行動態目標跟蹤。具體採用基於模型的方法或基於運動與模型相結合的方法。此外，利用膚色模型跟蹤，也不失為一種簡單而有效的手段。
3.人臉比對
面貌比對是對被檢測到的面貌像進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將採樣到的面像與庫存的面像依次進行比對，並找出最佳的匹配物件。所以，面像的描述決定了面像識別的具體方法與性能。主要採用特徵向量與面紋範本兩種描述方法：
①特徵向量法
該方法是先確定眼虹膜、鼻翼、嘴角等臉像五官輪廓的大小、位置、距離等屬性，然後再計算出它們的幾何特徵量，而這些特徵量形成一描述該面像的特徵向量。
②面紋範本法
 |
| 原來臉型辨識與「面相」有關係? |
該方法是在庫中儲存若干標準面像範本，或面像器官範本，在進行比對時，將採樣面像所有象素與庫中所有範本，採用歸一化相關量度量進行匹配。此外，還有採用模式辨識的自相關網路，或特徵與範本相結合的方法。
人臉辨識技術的核心實際為“局部人體特徵分析”和“圖形/神經識別演算法。”這種演算法是利用人體臉部各器官，及特徵部位的方法。
如對應幾何關係多資料，形成辨識參數與資料庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低於1秒。
0 comments:
張貼留言