文档介绍：电子信息学院人脸识别成云丽电子信息学院目录?人脸的核稀疏表示 ?人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。电子信息学院简介?人脸识别系统的研究始于 20 世纪 60 年代, 80 年代后随着计算机技术和光学成像技术的发展得到提高,而真正进入初级的应用阶段则在 90 年后期,并且以美国、德国和日本的技术实现为主;人脸识别系统成功的关键在于是否拥有尖端的核心算法,并使识别结果具有实用化的识别率和识别速度; “人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,同时需结合中间值处理的理论与实现,是生物特征识别的最新应用,其核心技术的实现,展现了弱人工智能向强人工智能的转化。电子信息学院主要特点及技术流?传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式,已有 30 多年的研发历史。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧下降,无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别,和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。电子信息学院主要特点及技术流?迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。电子信息学院主要特点及技术流?人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来,它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提,与其它类型的生物识别比较人脸识别具有如下特点: 2. 非接触性 ?人脸识别系统主要包括四个组成部分: 1. 人脸图像采集及检测 2. 人脸图像预处理 3. 人脸图像特征提取 4. 匹配与识别电子信息学院人脸图像采集及检测?不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时, 采集设备会自动搜索并拍摄用户的人脸图像。电子信息学院人脸图像采集及检测?主流的人脸检测方法基于以上特征采用 Adaboost 学习算法, Adaboost 算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。?人脸检测过程中使用 Adaboost 算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器, 再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。