人脸识别原理:基于深度学习(初级篇)内含PPT

      之前一直没有空整理有关  “人脸识别”  的基础知识,现在得幸做个PPT,这里有PPT的下载地址,我已经上传了喔(PS:话说这PPT写的好艰辛啊,都来下载下载下载!!支持我一下hhh~~~~):     https://download.csdn.net/download/weixin_42346564/10653815主要好记性不如烂笔头嘛,在上面写了一些我的思路以及理解吧,话不多说

      之前一直没有空整理有关  “人脸识别”  的基础知识,现在得幸做个PPT,这里有PPT的下载地址,我已经上传了喔

(PS:话说这PPT写的好艰辛啊,都来下载下载下载!!支持我一下hhh~~~~):  

   https://download.csdn.net/download/weixin_42346564/10653815

主要好记性不如烂笔头嘛,在上面写了一些我的思路以及理解吧,话不多说,立刻开始来介绍一下主要做的内容:

人脸识别的原理~

0)人脸识别的应用场景;

1)图形预处理:灰度化、几何变换、图像增强,归一化。

对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

 

2)图像检测:特征点定位、人脸对齐、仿射变换来抓取人脸特征点,用到了opencv的dlib库;

人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确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Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost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。

人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

 

3)特征匹配:欧几里得距离,来计算原图和待检测图像的相似度。

人脸图像匹配与识别人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。

以及到最后还特意分析了seetaface、deepface、face++、facenet之间的准确度差异。

 

 

 

 

 

 

最后的最后,如果您觉得此篇文章对您有帮助,来点个赞吧~~


作者:芥末酱-
原文链接:https://blog.csdn.net/weixin_42346564/article/details/82500454

  • 发表于 2019-08-07 19:36
  • 阅读 ( 144 )
  • 分类:深度学习

0 条评论

请先 登录 后评论
不写代码的码农
芥末酱-_csdn

0 篇文章

作家榜 »

  1. AI君 10 文章
  2. Tzung-Wen Liau 0 文章
  3. blairan 0 文章
  4. rookie 0 文章
  5. 陈凯 0 文章
  6. huanxue 0 文章
  7. admin 0 文章
  8. Lzs1998_csdn 0 文章