人脸识别技术简介课件.ppt

单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,人脸识别系统简介,目录,引言,人脸识别技术的基本原理,人脸识别系统简介,国际上人脸识别技术的发展趋势,总结,引言（,I,）,基于生物特征的身份认证,(Biometrics),：,通过计算机利用人体所固有的生理特征或行为特征来进行个人身份识别认证。,生物特征,=,生理特征,+,行为特征,生理特征,(what you are?),与生俱来，如,DNA,、脸像、指纹等,行为特征,(what you do?),后天习惯形成，如笔迹步态等,不易遗忘或丢失、不易伪造或被盗、随身携带,4,摄像机高度,H,到被摄人的距离,D,身,高,h,脸中心大约离地,高度,f,俯角,视频监控：,引言（,II,）：,人脸识别技术：,通过计算机利用每人所固有的人脸特征来进行个人身份识别认证的技术。,1,、最自然、最友好，易接受；,2,、采集设备成本很低，容易采集；,3,、普遍性好，人人都有。,人脸识别系统分类：,识别（,identification,）：这是谁？,1,对多比对，从计算机存储的人脸图像库中找出与输入人脸图像相似的若干图像。,验证（,verification,）：这是否是某人？,1,对,1,比对，确认给定的人脸图像是否为某人的人脸图像。,监控（,watch list,）：这是否为要找的人？,识别验证，确认给定的人脸图像是否在监控名单中，如果在，还必须确定该人身份。,输入图像或视频,人脸识别,系统,个人身份,输入图像或视频,人脸验证,系统,个人身份,是,/,否,输入图像或视频,人脸监控,系统,个人身份,/,否,人脸识别系统的评价指标：,识别：这是谁？,N,选累积识别率：前,N,候选中包含正确结果的几率。,验证：这是否是某人？,错误接受率（,FAR,）：违冒样本被错误接受的几率；,错误拒绝率（,FRR,）：真实样本被错误拒绝的几率；,等错误率（,EER,）或加权错误率（,WER,）。,监控：这是否为要找的人？,FAR,：输入图象没有监控名单中的人脸时错误报警的几率；,N,选累积侦测率：输入图像包含监控名单中的人脸时输,出的前,N,候选中包含正确结果的几率。,输入图像或视频,人脸识别,系统,个人身份,输入图像或视频,人脸验证,系统,个人身份,是,/,否,输入图像或视频,人脸监控,系统,个人身份,/,否,目录,引言,人脸识别技术的基本原理,人脸识别系统简介,国际上人脸识别技术的发展趋势,总结,计算机模式识别的基本原理：,未知样本,特征,抽取,特征,比对,识别结果,已知样本,类别,模板库,特征,抽取,识别过程,训练过程,主要问题是样本的变化引起特征抽取和比对的困难。,人脸识别问题的困难性：,不同人的人脸图象具有相似的结构，相同人的人脸图象受各种变化因素的影响很大。,1,、采集设备,2,、表情,3,、饰物,4,、发型,5,、姿态,6,、光照,7,、年龄,多姿态人脸检测结果示例：,多姿态人脸检测结果示例：,目录,引言,人脸识别技术的基本原理,人脸识别系统简介,国际上人脸识别技术的发展趋势,总结,14,人脸识别系统简介：,人脸监控系统（采集模块,+,识别、验证模块）,摄像机,结果输出,基础产品形式：,1,、形式一：,人脸,采集模块,前端采集,+,人脸,监控系统,（识别,+,验证模块）,结果输出,摄像机,前端采集,2,、形式二：,15,人脸识别系统简介：,定制化的人脸监控平台：,以基本形式为基础，根据各个行业不同需要进行定制化开发。,人脸监控平台,16,提供快速查找录像的手段，提高工作效率；,人脸黑名单报警，防患于未然。,宾馆,网吧,车站安检口,售票窗口,银行柜台,小区出入口,场景,功能,刷卡信息与现场视频做标签绑定；,通过证件条件查询录像；,身份证信息黑名单布控；,人脸正面图片,1:1,、,1:N,比对。,刷卡者长什么样？是否是本人？周围还有些什么人？,用途,人脸识别系统简介：,现有应用平台：,1,、,针对平安城市建设的卡视联动平台,17,人脸识别系统简介：,现有应用平台：,2,、,针对平安城市建设以人脸监控为基础的人员卡口平台,政务部门,小区,金融,学校,通过人脸图片快速回放录像，提高工作效率；,人脸黑名单报警，防患于未然。,场景,用途,人脸检测、识别与验证；,生成图片标签索引；,片段录像快速回放。,功能,目录,引言,人脸识别技术的基本原理,人脸识别系统简介,国际上人脸识别技术的发展趋势,总结,19,国际上人脸识别技术的发展趋势：,传统的,2D,人脸识别方法在限定性条件下得到了一些推广应用，但在相对复杂的环境下还无法满足使用要求：,大的姿态变化、户外光照变化、大的年龄变化。,在不影响人脸识别技术应用方便性的前提下，通过传感器技术的发展及算法的配合，在一次拍摄的情况下获取多种生物特征，通过多模生物特征融合的方法提高人脸识别的准确率：,欧盟的,3D Face,项目,美国,NIST,组织的,MBGC,项目,20,欧盟的,3D Face,项目：,项目背景：,欧盟各个国家的电子护照都包含人脸照片；,针对出入境自助检查，进一步提高人脸识别技术的性能。,项目网址：,www.3dface.org,21,3D Face,项目总结：,开发能够同时采集,3D,和高清,2D,人脸数据的传感器；,在算法层面上通过普通人脸识别算法、高清人脸识别算法和,3D,人脸识别算法的多算法融合来提高人脸识别技术的精度。,22,美国,NIST,组织的,MBGC,项目：,MBGC(Multiple Biometric Grand Challenge),的主要目的：研究与实际应用环境相关的人脸和虹膜识别问题,静态图像和视频中的虹膜识别；,通道入口处高清近红外和可见光的人脸视频的识别；,非限制条件的人脸识别。,目录,引言,人脸识别技术的基本原理,人脸识别系统简介,国际上人脸识别技术的发展趋势,总结,总结：,传统以较低分辨率人脸图像为对象的人脸识别其主流方法为基于图像的人脸识别方法，在限制性条件下取得了较好的应用效果，但进一步提高其性能目前遇到瓶颈。,人脸识别技术的一个发展趋势是通过传感器技术的发展及算法的配合，在不影响其应用方便性的前提下，通过一次拍摄获取多种生物特征，以多模生物特征融合的方法提高身份认证的准确率：,目前可能的多种生物特征包括传统人脸灰度特征、皮肤纹理特征、,3D,人脸形状特征和虹膜特征。,怎样提高非限制条件下的人脸识别性能仍是待解决的问题。,25,Thank You!,