版权声明:转载请注明出处。 https://blog.csdn.net/Xin_101/article/details/82625600
人脸识别四个步骤,分别为人脸图像采集及检测,人脸图像预处理,人脸图像特征提取和人脸图像匹配与识别.
1 人脸图像采集及检测
- 人脸图像采集
即通过摄像镜头获取人脸的数字图像. - 人脸检测(判断是否有人脸)
人脸检测是人脸识别的预处理,在图像中标定出人脸的位置和大小.人脸图像中包含的模式特征十分丰富,如直方图特征,颜色特征,模板特征,结构特征及哈尔特征(Haar-like feature)等.人脸检测是将这些有用的信息提取出来,利用这些特征进行人脸检测.
(1) 对检测的对象进行概率统计,得到检测对象的特征,建立检测模型;
(2) 用得到的模型匹配输入的图像,如果有匹配则输入匹配的区域,无则无动作; - 人脸检测算法
模板匹配模型,Adaboost模型,其中Adaboost模型在速度与精度的综合性能上表现最好,特点是训练慢,检测快,基本可达到视频流实时检测.
2 人脸图像预处理
检测到输入图片中的人脸目标,需要对人脸图像预处理,为特征提取做准备.系统的数字人脸会受到各种条件的限制和随机干扰,需要进行如下操作:
序号 | 预处理 | 描述 |
---|---|---|
1 | 缩放 | |
2 | 旋转 | |
3 | 拉伸 | |
4 | 光线补偿 | |
5 | 灰度变换 | |
6 | 直方图均衡化 | |
7 | 规范化 | |
8 | 几何校正 | |
9 | 过滤 | |
10 | 锐化 |
3 人脸图像特征提取
人脸特征提取是将人脸图像信息数字化,将一张人脸图像转换为一串数字(一般称为特征向量)。如对一个人脸,找到他的眼睛左边、嘴唇右边、鼻子、下巴等位置,利用特征点间的欧氏距离、曲率和角度等提取出特征分量,最终将相关的特征连接成一个长的特征向量。
4 人脸图像匹配与识别
人脸匹配与识别是将提取的人脸图像的特征数据与数据库中存储的人脸特征模板进行搜索匹配。根据相似度对身份进行判断,设定一个阈值,当相似度超过这个阈值,则将匹配得到的结果输出。
识别与匹配有确认和辨认两种形式,确认即一对一进行比较,核实身份;辨认即一对多进行图像匹配,从N个人中找到目标。
5 总结
人脸识别广泛应用于身份核实和信息安全以及安防领域。优势如下
- (相对于其他生物识别技术而言)非接触,用户无需和设备直接接触;
- 非强制性,被识别的人脸图像信息可以主动获取;
- 并发性,实际应用场景可以进行多个人脸的分拣、判断和识别;