人臉識別的一般流程看了就知道

人臉識別是一種依據(jù)人的面部特征，自動進(jìn)行身份識別的一種生物識別技術(shù)，通常我們所說的人臉識別是基于光學(xué)人臉圖像的身份識別與驗(yàn)證的簡稱。

人臉識別利用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進(jìn)而對檢測到的人臉圖像進(jìn)行一系列的相關(guān)應(yīng)用操作，技術(shù)上包括圖像采集、特征定位、身份的確認(rèn)和查找等等。

簡單來說，就是從照片中提取人臉中的特征，比如眉毛高度、嘴角等等，再通過特征的對比輸出結(jié)果。人臉識別的一般流程：

一、人臉采集：

不同的人臉圖像通過攝像鏡頭采集得到，比如靜態(tài)圖像、動態(tài)圖像、不同位置、不同表情等，當(dāng)采集對象在設(shè)備的拍攝范圍內(nèi)時，采集設(shè)備會自動搜索并拍攝人臉圖像。

人臉采集的主要影響因素：

圖像大小

人臉圖像過小會影響識別效果，人臉圖像過大會影響識別速度，圖像大小反映在實(shí)際應(yīng)用場景就是人臉離攝像頭的距離。

圖像分辨率

越低的圖像分辨率越難識別，圖像大小綜合圖像分辨率，直接影響攝像頭識別距離。

光照環(huán)境

過曝或過暗的光照環(huán)境都會影響人臉識別效果，可以從攝像頭自帶的功能補(bǔ)光或?yàn)V光平衡光照影響，也可以利用算法模型優(yōu)化圖像光線。

模糊程度

實(shí)際場景主要著力解決運(yùn)動模糊，人臉相對于攝像頭的移動經(jīng)常會產(chǎn)生運(yùn)動模糊。部分?jǐn)z像頭有抗模糊的功能，在成本有限的情況下，考慮通過算法模型優(yōu)化此問題。

遮擋程度

五官無遮擋、臉部邊緣清晰的圖像為最佳，在實(shí)際場景中，很多人臉都會被帽子、眼鏡、口罩等遮擋物遮擋，這部分?jǐn)?shù)據(jù)需要根據(jù)算法要求決定是否留用訓(xùn)練。

采集角度

人臉相對于攝像頭角度為正臉最佳，因此算法模型需訓(xùn)練包含左右側(cè)人臉、上下側(cè)人臉的數(shù)據(jù)。

二、人臉檢測方法

在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小，并把其中有用的信息挑出來（如直方圖特征、顏色特征、模板特征等），然后利用信息來達(dá)到人臉檢測的目的。關(guān)鍵點(diǎn)檢測是自動估計(jì)人臉圖片上臉部特征點(diǎn)的坐標(biāo)。

主流方法：

基于檢測出的特征采用Adaboost學(xué)習(xí)算法挑選出一些最能代表人臉的矩形特征（弱分類器），按照加權(quán)投票的方式將弱分類器構(gòu)造為一個強(qiáng)分類器，再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測速度。

三、人臉圖像預(yù)處理

由于系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機(jī)干擾，往往不能直接使用，必須在圖像處理的早期階段對它進(jìn)行灰度矯正、噪聲過濾等圖像預(yù)處理，并最終服務(wù)于特征提取的過程。

主要預(yù)處理方法有：人臉對準(zhǔn)，人臉圖像的光線補(bǔ)償，灰度變換、直方圖均衡化、歸一化、幾何校正、中值濾波以及銳化等。

四、人臉特征提取

人臉特征提取就是針對人臉的某些特征進(jìn)行的，也稱人臉表征，它是對人臉進(jìn)行特征建模的過程。人臉特征提取的方法：

1、基于知識的表征方法

根據(jù)人臉器官的形狀描述以及它們之間的距離特性來獲得人臉分類的特征數(shù)據(jù)，其特征分量通常包括特征點(diǎn)間的歐氏距離、曲率、和角度等。

人臉由眼睛、鼻子、嘴、下巴等局部構(gòu)成，對這些局部和他們之間結(jié)構(gòu)關(guān)系的幾何描述，可作為識別人臉的重要特征，這些特征被稱為幾何特征。

2、基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法

基本思想是將人臉在空域內(nèi)的高維描述轉(zhuǎn)化為頻域或者其他空間內(nèi)的低維描述，其表征方法為線性投影表征方法和非線性投影表征方法。

五、匹配與識別

提取的人臉特征值數(shù)據(jù)與數(shù)據(jù)庫中存貯的特征模板進(jìn)行搜索匹配，通過設(shè)定一個閾值參數(shù)，將相似度與這一閾值進(jìn)行比較，來對人臉的身份信息進(jìn)行判斷。
責(zé)任編輯人：ＣＣ