Technický úvod
Technologie rozpoznávání obličeje je založena na rysech lidského obličeje. U vstupního obrazu obličeje nebo video streamu nejprve určete, zda existuje obličej, pokud existuje obličej, pak dále Umístění a velikost každého obličeje a informace o umístění každého hlavního obličejového orgánu. Na základě těchto informací jsou prvky identity obsažené v každé tváři dále extrahovány a porovnávány se známými tvářemi, aby se identifikovala identita každé tváře.
Rozpoznávání obličeje v širokém slova smyslu ve skutečnosti zahrnuje řadu souvisejících technologií pro konstrukci systému rozpoznávání obličejů, včetně shromažďování obrázků obličeje, polohování obličeje, předběžného zpracování rozpoznávání obličeje, potvrzování identity a vyhledávání identity atd.; a v úzkém smyslu zejména rozpoznávání obličeje označuje technologii nebo systém, který používá lidské tváře k potvrzení nebo nalezení identity.
Biologické vlastnosti studované technologií biometrického rozpoznávání zahrnují obličej, otisk prstu, otisk dlaně, duhovku, sítnici, hlas (hlas), tvar těla, osobní návyky (jako je síla a frekvence psaní na klávesnici, podpis) atd. , Odpovídající technologie rozpoznávání zahrnují rozpoznávání obličeje, rozpoznávání otisků prstů, rozpoznávání otisků dlaně, rozpoznávání duhovky, rozpoznávání sítnice, rozpoznávání hlasu (rozpoznávání hlasu lze použít pro rozpoznávání identity nebo rozpoznávání hlasového obsahu, pouze první patří k technologii biometrického rozpoznávání) , Tělo rozpoznávání tvarů, rozpoznávání tahů klávesnice, rozpoznávání podpisů atd.
Technický princip
Technologie rozpoznávání obličeje se skládá ze tří částí:
(1) Detekce obličeje
Detekce obličeje se týká zjištění, zda je v dynamické scéně obraz obličeje a složitého pozadí, a oddělte obraz obličeje. Obecně existuje několik následujících metod:
①Metoda referenční šablony
Nejprve navrhněte jednu nebo několik standardních šablon obličejů a poté vypočítejte shodu mezi vzorky shromážděnými v testu a stupněm standardních šablon a použijte práh k určení, zda existuje obličej.
②Metoda pravidla obličeje
Vzhledem k tomu, že obličej má určité strukturální distribuční charakteristiky, takzvaná metoda pravidla obličeje je extrahovat tyto rysy a vygenerovat odpovídající pravidla k určení, zda testovací vzorek obsahuje obličej lidí.
③Ukázka metody učení
Tato metoda využívá metodu umělé neuronové sítě při rozpoznávání vzorů, to znamená, že klasifikátor je generován učením sady vzorků obrazu obličeje a sady vzorků obrazu bez obličeje.
④Metoda modelu barvy pleti
Tato metoda je založena na relativně koncentrovaném rozložení barvy pleti obličeje v barevném prostoru pro detekci.
⑤Představte metodu podobličeje
Tato metoda považuje všechny sady obrázků obličeje za podprostor obrázku obličeje a je založena na vzdálenosti mezi detekčním vzorkem a jeho projekcí v podprostoru. Určete, zda existuje obrázek obličeje.
Za zmínku stojí, že výše uvedených pět metod lze komplexně použít i ve skutečných detekčních systémech.
(2) Sledování obličeje
Sledování obličeje se týká dynamického cíleného sledování detekovaných obličejů. Konkrétně se používá metoda založená na modelu nebo metoda založená na kombinaci pohybu a modelu. Kromě toho je použití sledování barevných modelů pleti také jednoduchou a účinnou metodou.
(3) Porovnání obličejů
Porovnání tváří slouží k potvrzení identity detekované tváře nebo k vyhledání cíle v knihovně tváří. To ve skutečnosti znamená, že navzorkované obrazy obličejů jsou postupně porovnávány se základními obrazy obličejů a je nalezen nejlépe odpovídající objekt. Proto popis obrazu obličeje určuje konkrétní způsob a výkon rozpoznávání obrazu obličeje. Používají se hlavně dvě metody popisu: vektor prvku a šablona textury obličeje:
①Metoda charakteristického vektoru
Tato metoda nejprve určí velikost obličejových rysů, jako je duhovka, nos a koutky úst. Umístění, vzdálenost a další atributy a poté vypočítejte jejich množství geometrických prvků a tyto množství prvků vytvoří vektor prvku popisující obraz obličeje.
②Metoda šablony textury obličeje
Touto metodou se do knihovny uloží řada standardních šablon obrázků obličeje nebo šablon obličejových orgánů. Při porovnávání navzorkujte všechny obrazové body obrázku obličeje. Porovná se se všemi šablonami v knihovně pomocí normalizované korelační míry. Kromě toho existují metody, které využívají rozpoznávání vzorů ke kombinaci autokorelačních sítí nebo funkcí a šablon.
Základem technologie rozpoznávání obličeje je ve skutečnosti „analýza částečných rysů lidského těla“ a „algoritmus grafického/neurálního rozpoznávání“. Tento algoritmus je metoda, která využívá různé orgány a charakteristické části lidského obličeje. Například identifikační parametry tvořené více daty odpovídajícími geometrickému vztahu jsou porovnány, posouzeny a potvrzeny se všemi původními parametry v databázi. Obecně se vyžaduje, aby doba posouzení byla kratší než 1 sekunda.
Proces rozpoznávání
Obecně existují tři kroky:
(1) Nejprve vytvořte soubor profilu tváře lidské tváře. To znamená, že fotoaparát se používá ke shromažďování souborů obrázků obličejů tváří personálu jednotky nebo k pořizování jejich fotografií do souborů obrázků obličejů a tyto soubory obrázků obličejů jsou generovány do kódů Faceprint a ukládány.
(2) Získejte aktuální obrázek lidské tváře. To znamená, že použijte fotoaparát k zachycení obrazu obličeje aktuální osoby, která vchází a odchází, nebo pořiďte fotografický vstup a vygenerujte kód textury obličeje ze souboru aktuálního obrazu obličeje.
(3) K porovnání s inventářem souborů použijte aktuální kód textury obličeje. To znamená vyhledat a porovnat aktuální kód textury obličeje s kódem textury obličeje v inventáři souborů. Výše zmíněná metoda „kódování textur obličeje“ funguje podle podstatných rysů a začátku lidského obličeje. Toto kódování textury obličeje dokáže odolat změnám světla, odstínu pleti, vousů, účesu, brýlí, výrazu a držení těla a má vysokou spolehlivost, takže dokáže přesně identifikovat osobu od milionů lidí. Proces rozpoznávání obličeje lze dokončit automaticky, nepřetržitě a v reálném čase pomocí běžného zařízení pro zpracování obrazu.
Technický proces
Systém rozpoznávání obličeje zahrnuje především čtyři součásti, a to: získávání a detekci obrazu obličeje, předzpracování obrazu obličeje, extrakci a porovnávání a rozpoznávání rysů obrazu obličeje.
Shromažďování a detekce obrazu obličeje
Shromažďování obrázků obličeje: Objektiv fotoaparátu může shromažďovat různé obrázky obličejů, jako jsou statické obrázky, dynamické obrázky, různé polohy, různé výrazy a další aspekty. Když je uživatel v dosahu snímacího zařízení, snímací zařízení automaticky vyhledá a zachytí obraz obličeje uživatele.
Detekce obličeje: V praxi se detekce obličeje používá hlavně k předběžnému zpracování rozpoznání obličeje, tedy k přesné kalibraci polohy a velikosti obličeje na snímku. Prvky vzorů obsažené v obrázcích obličeje jsou velmi bohaté, jako jsou prvky histogramu, barevné prvky, prvky šablony, strukturální prvky a Haarovy prvky. Detekce obličeje má vybrat užitečné informace a použít tyto funkce k realizaci detekce obličeje.
Hlavní metoda detekce obličeje používá algoritmus učení Adaboost založený na výše uvedených funkcích. Algoritmus Adaboost je metoda klasifikace. Kombinuje některé slabší klasifikační metody a vytváří novou silnou klasifikační metodu.
V procesu detekce obličeje se algoritmus Adaboost používá k výběru některých obdélníkových prvků (slabých klasifikátorů), které nejlépe reprezentují obličej, a slabý klasifikátor je zkonstruován do silného klasifikátoru podle metody váženého hlasování a poté na několik silné klasifikátory získané trénováním jsou zapojeny do série a tvoří kaskádově strukturovaný kaskádový klasifikátor, který efektivně zlepšuje rychlost detekce klasifikátoru.
Předběžné zpracování obrazu obličeje
Předběžné zpracování obrazu obličeje: Předzpracování obrazu obličeje je založeno na výsledku detekce obličeje, snímek je zpracován a nakonec sloužil k procesu extrakce rysů. Původní obraz získaný systémem není často přímo použit kvůli různým podmínkám a náhodným interferencím. Musí být předem zpracován s korekcí stupňů šedi a filtrováním šumu v rané fázi zpracování obrazu. U obrazů obličeje proces předzpracování zahrnuje především kompenzaci světla, transformaci šedé stupnice, vyrovnání histogramu, normalizaci, geometrickou korekci, filtrování a doostření obrazu obličeje.
Extrakce funkcí obrázku obličeje
Extrakce rysů obrazu obličeje: Funkce, které lze použít v systému rozpoznávání obličeje, se obvykle dělí na vizuální rysy, pixelové statistické rysy, rysy koeficientu transformace obrazu obličeje, algebraické rysy obrázků obličeje atd. Extrakce rysů obličeje je založena na určité rysy lidské tváře. Extrakce rysů obličeje, známá také jako reprezentace obličeje, je proces modelování rysů lidských obličejů. Metody extrakce rysů obličeje lze shrnout do dvou kategorií: jednou je metoda reprezentace založená na znalostech; druhá je metoda reprezentace založená na algebraických vlastnostech nebo statistickém učení.
Metoda reprezentace založená na znalostech je založena hlavně na popisu tvaru orgánů obličeje a charakteristik vzdálenosti mezi nimi, aby se získala data prvků, která jsou užitečná pro klasifikaci obličeje. Komponenty funkce obvykle zahrnují vzdálenost Ou, zakřivení a úhel atd. Lidská tvář se skládá z částí, jako jsou oči, nos, ústa a brada. Geometrický popis těchto částí a strukturální vztah mezi nimi lze použít jako důležité rysy pro rozpoznání obličeje. Tyto prvky se nazývají geometrické prvky. Znalostní reprezentace tváře zahrnuje především metody založené na geometrických prvcích a metody porovnávání šablon.
Přizpůsobení a rozpoznání obrazu obličeje
Přizpůsobení a rozpoznání obrazu obličeje: Data prvku extrahovaného obrazu obličeje jsou prohledána a porovnána se šablonou prvku uloženou v databázi. Nastavením prahu, když podobnost překročí tento práh, je výstupem výsledek shody. Rozpoznávání obličeje je porovnat rysy obličeje, které mají být rozpoznány, se získanými šablonami rysů obličeje a posoudit informace o identitě obličeje na základě stupně podobnosti. Tento proces je rozdělen do dvou kategorií: jednou je potvrzení, což je proces porovnávání obrázků jeden k jednomu, a druhým je identifikace, což je proces porovnávání a porovnávání obrázků jeden k mnoha.
Funkční modul
Funkce snímání a sledování obličeje
Zachycení obličeje se týká detekce portrétu v rámci snímku nebo video streamu a portrét je oddělen od pozadí a automaticky uložen. Sledování portrétu označuje použití technologie snímání portrétu k automatickému sledování určeného portrétu, když se pohybuje v rozsahu snímaném fotoaparátem.
Porovnání rozpoznávání obličeje
Rozpoznávání obličeje má dva režimy porovnání: ověření a vyhledávání. Verifikace spočívá v porovnání zachyceného portrétu nebo určeného portrétu s registrovaným objektem v databázi, aby se ověřilo, zda se jedná o stejnou osobu. Porovnání ve stylu vyhledávání se týká hledání existence určeného portrétu ze všech portrétů registrovaných v databázi.
Modelování a načítání obličeje
Zaregistrovaná data portrétu lze modelovat, aby se extrahovaly rysy obličeje a vygenerovala se šablona obličeje (soubor rysů obličeje) ) Uložte do databáze. Při provádění vyhledávání obličejů (styl vyhledávání) vymodelujte určenou osobu a poté ji porovnejte se šablonou všech lidí v databázi pro rozpoznání a nakonec uveďte nejpodobnější osoby na základě porovnávané hodnoty podobnosti Seznam.
Funkce identifikace skutečné osoby
Systém dokáže rozpoznat, zda je osoba před kamerou skutečná osoba nebo fotografie. Aby uživatelé nepoužívali fotografie k falšování. Tato technologie vyžaduje, aby uživatel prováděl mimiku koordinovaně.
Kontrola kvality obrazu
Kvalita obrazu přímo ovlivňuje efekt rozpoznávání. Funkce kontroly kvality obrazu může vyhodnotit kvalitu obrazu porovnávaných fotografií a poskytnout odpovídající navrhovanou hodnotu pro usnadnění identifikace.
Algoritmus analýzy
Algoritmus pro analýzu regionálních rysů široce používaný v technologii rozpoznávání obličejů, který kombinuje technologii počítačového zpracování obrazu a principy biostatistiky pomocí technologie počítačového zpracování obrazu Extrahujte body rysů obličeje z videa, použijte principy biostatistiky k analýze a vytvoření matematického modelu, tedy šablony rysů obličeje. Použijte šablonu vytvořeného prvku obličeje a obličej subjektu k provedení analýzy prvku a na základě výsledku analýzy zadejte podobnou hodnotu. Pomocí této hodnoty lze určit, zda se jedná o stejnou osobu.
Existuje mnoho metod rozpoznávání obličeje. Hlavní metody rozpoznávání obličeje jsou:
(1) Metoda rozpoznávání obličeje geometrických prvků: Geometrickými prvky mohou být oči, nos, ústa atd. Tvar a geometrický vztah mezi nimi (jako je vzdálenost mezi nimi). Tyto algoritmy mají vysokou rychlost rozpoznávání a vyžadují malou paměť, ale rychlost rozpoznávání je nízká.
(2) Metoda rozpoznávání obličeje založená na eigenface (PCA): Metoda eigenface je metoda rozpoznávání obličeje založená na KL transformaci, což je optimální ortogonální transformace pro kompresi obrazu. Poté, co je vysokorozměrný obrazový prostor transformován pomocí KL, je získána nová sada ortogonálních bází a důležité ortogonální báze jsou zachovány. Tyto základny lze rozšířit do nízkorozměrného lineárního prostoru. Pokud se předpokládá, že projekce lidských tváří v těchto nízkorozměrných lineárních prostorech jsou oddělitelné, lze tyto projekce použít jako vlastní vektory pro rozpoznání. To je základní myšlenka metody eigenface. Tyto metody vyžadují více tréninkových vzorků a jsou zcela založeny na statistických charakteristikách obrazu ve stupních šedi. V současné době existují některé vylepšené metody eigenface.
(3) Metoda rozpoznání tváře neuronové sítě: Vstupem neuronové sítě může být obraz tváře se sníženým rozlišením, autokorelační funkce místní oblasti, druhý moment místní textury atd. Tento typ metody také vyžaduje více vzorků pro školení a v mnoha aplikacích je počet vzorků velmi omezený.
(4) Metoda rozpoznávání obličeje pro elastické porovnávání grafů: Metoda elastického porovnávání grafů definuje vzdálenost ve dvourozměrném prostoru, která je invariantní k obvyklé deformaci obličeje, a používá atributy Topologický graf představuje obličej a jakýkoli vrchol topologického grafu obsahuje příznakový vektor, který se používá k záznamu informací o obličeji v blízkosti vrcholu. Tato metoda kombinuje charakteristiky ve stupních šedi a geometrické faktory, což umožňuje elastickou deformaci obrazů během porovnávání, a dosáhla dobrých výsledků při překonávání vlivu změn výrazu tváře na rozpoznávání. Zároveň již není potřeba více vzorků pro jednu osobu. vlak.
(5) Metoda rozpoznávání obličeje založená na Hausdorffově vzdálenosti (LHD): Psychologický výzkum ukazuje, že lidé nejsou horší než rozpoznávání obrázků ve stupních šedi v rychlosti a přesnosti při rozpoznávání vrstevnicových map (jako jsou komiksy) . LHD je založen na grafu segmentů čáry extrahovaném z obrazu lidské tváře ve stupních šedi. Definuje vzdálenost mezi dvěma sadami úseček. Rozdíl je v tom, že LHD nevytváří vzájemnou korespondenci mezi úsečkami mezi různými sadami úseček. Vztah, takže je schopen se lépe přizpůsobit malým změnám mezi segmentovými grafy. Experimentální výsledky ukazují, že LHD funguje velmi dobře za různých světelných podmínek a různých pozic, ale nefunguje dobře při rozpoznávání velkých výrazů.
(6) Metoda rozpoznávání obličeje pomocí podpůrného vektorového stroje (SVM): Podpora vektorového stroje je novým aktivním místem v oblasti statistického rozpoznávání vzorů. Snaží se, aby výukový stroj dosáhl úrovně rizika zkušenosti a schopnosti zobecnění Kompromis pro zlepšení výkonu výukového stroje. Stroj na podporu vektorů řeší hlavně problém 2 klasifikace. Jeho základní myšlenkou je pokusit se transformovat nízkorozměrný lineárně neoddělitelný problém na vysokorozměrný lineárně oddělitelný problém. Obvyklé experimentální výsledky ukazují, že SVM má dobrou míru rozpoznávání, ale vyžaduje velký počet trénovacích vzorků (300 na třídu), což je v praktických aplikacích často nereálné. Navíc doba trénování stroje podpůrného vektoru je dlouhá, metoda je složitá na implementaci a neexistuje jednotná teorie pro výběr této funkce.
Technické detaily
Obecně řečeno systémy rozpoznávání obličeje zahrnují snímání obrazu, určování polohy obličeje, předběžné zpracování obrazu a zpracování obrazu.