最新人脸识别的特征提取概论课件PPT.ppt

《最新人脸识别的特征提取概论课件PPT.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、人脸识别的特征提取概论主要内容1.人脸识别的意义。1.特征提取在人脸识别中的重要性。2.特征提取的各种方法简单介绍。人脸识别是人体生物认证技术的一种，首先我们谈谈人体生物认证技术人体生物的生物特征包括生理特征和行为特征两大类。⑴人体的生理特征主要包括人脸、指纹、掌纹、掌形、虹膜、视网膜、静脉、DNA、颅骨等，这些特征是与生俱来的，是先天形成的；⑵而行为特征包括声纹、签名、步态、耳形、按键节奏、身体气味等，这些特征是由后天的生活环境和生活习惯决定的。这些生物特征本身固有的特点决定了其在生物认证中所起的作用是不同

2、的.人脸识别的商业前景BillGates:以人类生物特征进行身份验证的生物识别技术，在今后数年内将成为IT产业最为重要的技术革命人脸识别系统所谓人脸识别系统，是指不需要人为干预，能够自动获取人脸图像并且辨别出其身份的系统一个人脸识别系统至少要包含三个部分，即数据采集子系统、人脸检测子系统和人脸识别子系统数据采集子系统人脸识别子系统人脸检测子系统人脸识别系统识别结果：Heis…!人脸检测和人脸识别(1)人脸检测（FaceDetection）人脸检测（FaceDetection）是指在输入图像中确定所有人脸（如果

3、存在）的位置、大小、位姿的过程。人脸检测是自动人脸识别系统中的一个关键环节。(2)人脸识别人脸识别细分为两类，一类是回答我是谁的问题，即辨认（Identification），另一类是回答这个人是我吗？即确认（Verification）。显然，用于Identification模式的识别系统对算法的运算速度的要求要高于Verification模式的识别系统。人脸检测和人脸识别是人脸识别技术两大理论。两者的研究相对独立。对于人脸识别理论中特征提取方面的算法研究非常重要，是人脸识别能否成功的关键。问题的提出？1.特征

4、提取是人脸识别中最基本的问题之一。2.特征提取不但从原始模式信息中提取出最有利于模式分类的特征，而且极大地降低模式样本的维数。3.特征提取是模式识别的前期工作，处理的是否得当影响后期的成果，可谓“大军未动，粮草先行”所以对于人脸识别，有效的特征提取是解决问题的关键之一。特征提取在一个人脸识别系统中的地位人脸的检测与定位人脸图像处理特征提取特征匹配身份判决结论：特征提取在一个实际的人脸识别系统中也是至关重要的。特征提取的作用1.是寻找针对模式的最具鉴别性的描述，以使此类模式的特征能最大程度地区别于彼类。2.是在

5、适当的情况下实现模式数据描述的维数压缩，当描述模式的原始数据空间对应较大维数时，这一点会非常有意义，甚至必不可缺。特征提取要解决的关键问题。1.在人脸识别中存在的高维、非线性、小样本问题。2.如何有效地利用原图像数据。人脸识别中特征提取的困难特征提取的主要困难(1)外貌、表情、肤色等的不同，使人脸具有模式可变性(2)光照条件变化的影响，曝光及外在光源等引起的图像亮度、对比度的不同(3)眼镜、头发、饰物和其它外部物体等引起面部图像的部分遮挡(4)人脸与摄像头之间的相对运动引起人脸姿态的多样性(5)复杂背景对人脸

6、目标的干扰人脸识别特征提取的主要方法(l)基于几何特征的方法和模板匹配方法(2)基于子空间分析的方法(3)基于小波理论的人脸识别方法(4)基于神经网络的方法(5)基于隐马尔可夫模型的方法(6)基于支持向量机的方法(7)基于三维模型的方法1基于几何特征的方法和模板匹配方法1.1基于几何特征(GcometricalFeature)的方法思想：提取人脸面部具有代表性的部位(例如眉毛、眼睛、鼻子、嘴巴等)的相对位置和相对大小作为特征，再辅以人脸轮廓的形状信息作为特征。特点：容易受光照、表情、遮挡等因素的影响，稳定性不

7、高。1.2模板匹配方法思想：在人脸识别中，就是把数据库的人脸图像看作己知的模板，然后根据待识别图像和己知模板间相关性的大小来分类。特点：模板匹配方法的计算量较大，而且除了光照、表情以外，图像的平移旋转和放缩也会严重影响模板匹配中互相关的计算.1.3总结1.基于几何特征的方法和模板匹配方法一般优于基于几何特征的方法，但两者对外在条件要求比较苛刻。2.一般作为其他方法的辅助方法。2基于子空间分析的方法2.1基于子空间分析的方法是特征提取的主流方法。已形成形成一系列的方法群，但大致分为线性与非线性两种。基本思想：把

8、高维空间中松散分布的人脸图像，通过线性或非线性变换压缩到一个低维的子空间中去，使人脸图像的分布在低维的子空间中更紧凑，更有利于分类，另外也使高维的计算减小为低维计算.在一定程度上缓解了“维数灾难”2.2主要方法线性子空间方法：主元分析(PCA)、奇异值分解(SVD)、线性判别分析(LDA)、独立主元分析(ICA)、和非负矩阵因子(NMF)等非线性子空间方法：核主成分分析、核Fishe:判别分析、流形