当前位置:首页 > 服务 > 技术中心 > 人脸识别算法原理

人脸识别算法原理


       瑞为人脸识别技术包含人脸检测、人脸跟踪与人脸比对等课题。人脸检测是指在动态的场景与复杂的背景中,判断是否存在人脸并分离出人脸。人脸跟踪指对被检测到的人脸进行动态目标跟踪。人脸比对则是对被检测到的人脸进行身份确认或在人脸库中进行目标搜索。

      人脸检测分为参考模板、人脸规则、样本学习、肤色模型与特征子脸等方法。参考模板方法首先设计一个或数个标准人脸模板,然后计算测试样本与标准模板之间的匹配程度,通过计算机比对来判断是否存在人脸;人脸具有一定的结构分布特征,人脸规则即提取这些特征生成相应的规则以判断是否测试样本包含人脸;样本学习则采用模式识别中人工神经网络方法,通过对人脸样本集和非人脸样本集的学习产生分类器;肤色模型依据人脸肤色在色彩空间中分布相对集中的规律来进行检测;特征子脸将所有人脸集合视为一个人脸子空间,基于检测样本与其在子空间的投影之间的距离判断是否存在人脸。上述方法在实际系统中也可综合采用。

      任何一个人脸识别系统的基本要点是如何将人脸进行编码。如上图示,人脸识别技术使用局部特征分析LFA来描述面部图象,他源于类似搭建积木的局部统计的原理。LFA 是基于以下事实的一种计算方法,即所有的人脸(包括各种复杂的式样)都可以从由很多不能再简化的结构单元子集综合而成。这些单元使用了复杂的统计技术而形成的,它们代表了整个人脸。他们通常跨越多个象素(在局部区域内)并代表了普遍的面部形状,但并不是通常意义上的面部特征。实际上面部结构单元比人脸的部位要多得多。

      然而,要综合形成一张逼真,精确的人脸,只需要整个可用集合中很少的单元子集(12-40 特征单元)。要确定身份不仅仅取决于特性的单元,还决定于他们的几何结构(比如他们的相关位置) 通过这种方式,LFA 将个人的特性对应成一种复杂的数字表达方式,可以进行对比和识别。

      人脸跟踪一般采用基于模型的方法或基于运动与模型相结合的方法,另外,肤色模型跟踪也不失为一种简单有效的手段。

      人脸比对从本质上讲是采样人脸与库存人脸的依次比对并找出最佳匹配对象。因此,人脸的描述决定了人脸识别的具体方法与性能。目前主要有特征向量与面纹模板两种描述方法,特征向量法是先确定瞳孔、鼻翼、嘴角等人脸五官轮廓的大小、位置、距离、角度等等属性,然后计算出它们的几何特征量,这些特征量形成一描述该人脸的特征向量;面纹模板法则在库中存储若干标准人脸模板或人脸器官模板,在比对时,采样人脸所有象素与库中所有模板采用归一化相关量度量进行匹配。另外,还有模式识别的自相关网络或特征与模板结合的方法。

      人脸识别系统采用"局部特征分析"(Local Feature Analysis, LFA)算法,该算法速度快,误认低,无需学习,利用人脸各器官及特征部位的方位、比例、对应几何关系等数据形成识别参数,与数据库中所有原始参数比较、判断、确认。

      与其他生物识别技术,诸如指纹识别,掌形识别,眼虹膜识别和声音识别相比较,人脸识别具有以下两点独一无二的特性:

      1、其他每种生物识别方法都需要一些人的配合动作,而人脸识别不需要被动配合,可以自动用在隐蔽的场合,如公安部门监控行动。
      2、当记录一个企图登录的人的生物记录时,只有人脸能更直观,更方便的核查该人的身份。
      由于与传统的生物识别技术相比,人脸识别具有更为简便、准确、经济及可扩展性良好等众多优势,可广泛应用于安全验证、监控、控制等各个方面。 


联系我们
Contact us
  • 电话:400-089-0203
  • 邮箱:sales@reconova.com
  • Q Q:591461248
订阅号:reconova
订阅号:aboutshop
联系我们
  • 400电话:400-089-0203
  • 销售QQ:591461248