新闻和案例

NEWS & CASES
新闻和案例

首页 > 新闻和案例 > 新闻资讯

浅谈人 脸识别技术总结    日期:2019-05-30

上海奥 畅智能科技有限公司主营:科睿齐人脸识别、医院物 联网运维智慧平台、智能机器人、AR增强现实技术、AI人工智能、大数据 分析等应用解决方案,是一家 可以为用户 提供定制型应用方案,提供二 次开发的应用解决方案提供商,奥畅科 技研发的产品及解决方案普遍应用于金融、高校、企业、交通、安防、政府、军警等多个行业,奥畅的 目标是打造一个来更智能、更有效、更便捷、更安全的时代。
自七十年代以来,人脸识 别已经成为了计算机视觉和生物识别领域被研究多的主题之一。基于人 工设计的特征和传统机器学习技术的传统方法近来已被使用非常大型的数据集训练的深度神经网络取代。在这篇论文中,我们对 流行的人脸识别方法进行了全面且新的文献总结,其中既包括传统方法(基于几何的方法、整体方法、基于特 征的方法和混合方法),也有深度学习方法。

人脸识 别技术这些年已经发生了重大的变化。传统方 法依赖于人工设计的特征(比如边和纹理描述量)与机器学习技术(比如主成分分析、线性判 别分析或支持向量机)的组合。
人工设 计在无约束环境中对不同变化情况稳健的特征是很困难的,这使得 过去的研究者侧重研究针对每种变化类型的专用方法,比如能 应对不同年龄的方法 [4,5]、能应对 不同姿势的方法 [6]、能应对 不同光照条件的方法 [7,8] 等。近段时间,传统的 人脸识别方法已经被基于卷积神经网络(CNN)的深度学习方法接替。深度学 习方法的主要优势是它们可用非常大型的数据集进行训练,从而学 习到表征这些数据的佳特征。网络上 可用的大量自然人脸图像已让研究者可收集到大规模的人脸数据集 [9-15],这些图 像包含了真实世界中的各种变化情况。使用这 些数据集训练的基于 CNN 的人脸 识别方法已经实现了非常高的准确度,因为它 们能够学到人脸图像中稳健的特征,从而能 够应对在训练过程中使用的人脸图像所呈现出的真实世界变化情况。此外,深度学 习方法在计算机视觉方面的不断普及也在加速人脸识别研究的发展,因为 CNN 也正被 用于解决许多其它计算机视觉任务,
比如目标检测和识别、分割、光学字符识别、面部表情分析、年龄估计等。
人脸识 别系统通常由以下构建模块组成:
人脸检测。人脸检 测器用于寻找图像中人脸的位置,如果有人脸,就返回 包含每张人脸的边界框的坐标。如图 3a 所示。
人脸对齐。人脸对 齐的目标是使用一组位于图像中固定位置的参考点来缩放和裁剪人脸图像。这个过 程通常需要使用一个特征点检测器来寻找一组人脸特征点,在简单的 2D 对齐情况中,即为寻 找适合参考点的佳仿射变换。图 3b 和 3c 展示了 两张使用了同一组参考点对齐后的人脸图像。更复杂的 3D 对齐算法(如 [16])还能实现人脸正面化,即将人 脸的姿势调整到正面向前。
人脸表征。在人脸表征阶段,人脸图 像的像素值会被转换成紧凑且可判别的特征向量,这也被称为模板(template)。理想情况下,同一个 主体的全部人脸都应该映射到相似的特征向量。人脸匹配。在人脸 匹配构建模块中,两个模板会进行比较,从而得 到一个相似度分数,该分数 给出了两者属于同一个主体的可能性。
经过上海奥 畅智能科技有限公司的介绍,上海奥 畅智能科技有限公司为您介绍,如有任何关于人脸识别技术问题,欢迎前来咨询。

文章转载自:www.

nTNSF9Jb5W1837Bvom9US5WrMHXKMoz3dOynK1Y04G6OXAOkADccoa407NwlXrpRO1Atzf61lsZEzozictpARfnQjn43hx+EI/nCSTXKn5xtQM1CkP9Ti8XLp0oBYQNOHTl963IeOtMZLmavG+ZhrBMLx3LZ3SZt2v61OYO4PsU=
友情链接:    优乐彩彩票app二维码   新2彩注册   优乐彩彩票   彩35官网   彩35平台