人臉辨認系統主要包括四個組成局部,分別為:人臉圖像采集及檢測、人臉圖像預處置、人臉圖像特征提取以及匹配與辨認。
人臉圖像采集及檢測
人臉圖像采集:不同的人臉圖像都能經過攝像鏡頭采集下來,比方靜態圖像、動態圖像、不同的位置、不同表情等方面都能夠得到很好的采集。
當用戶在采集設備的拍攝范圍內時,采集設備會自動搜索并拍攝用戶的人臉圖像。
人臉檢測:人臉檢測在實踐中主要用于人臉辨認的預處置,即在圖像中精確標定出人臉的位置和大小。人臉圖像中包含的形式特征非常豐厚,
如直方圖特征、顏色特征、模板特征、構造特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來,并應用這些特征完成人臉檢測。
主流的人臉檢測辦法基于以上特征采用Adaboost學習算法,Adaboost算法是一種用來分類的辦法,它把一些比擬弱的分類辦法合在一同,組合
出新的很強的分類辦法。
人臉檢測過程中運用Adaboost算法選擇出一些最能代表人臉的矩形特征(弱分類器),依照加權投票的方式將弱分類器結構為一個強分類器,再
將鍛煉得到的若干強分類器串聯組成一個級聯合構的層疊分類器,有效地進步分類器的檢測速度。
人臉圖像預處置
人臉圖像預處置:關于人臉的圖像預處置是基于人臉檢測結果,對圖像停止處置并最終效勞于特征提取的過程。系統獲取的原始圖像由于遭到
各種條件的限制和隨機干擾,常常不能直接運用,必需在圖像處置的早期階段對它停止灰度校正、噪聲過濾等圖像預處置。關于人臉圖像而言,
其預處置過程主要包括人臉圖像的光線補償、灰度變換、直方圖平衡化、歸一化、幾何校正、濾波以及銳化等。
人臉圖像特征提取
人臉圖像特征提?。喝四槺嬲J系統可運用的特征通常分為視覺特征、像素統計特征、人臉圖像變換系數特征、人臉圖像代數特征等。人臉特征
提取就是針對人臉的某些特征停止的。人臉特征提取,也稱人臉表征,它是對人臉停止特征建模的過程。人臉特征提取的辦法歸結起來分為兩
大類:一種是基于學問的表征辦法;另外一種是基于代數特征或統計學習的表征辦法。
基于學問的表征辦法主要是依據人臉器官的外形描繪以及他們之間的間隔特性來取得有助于人臉分類的特征數據,其特征重量通常包括特征點
間的歐氏間隔、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等部分構成,對這些部分和它們之間構造關系的幾何描繪,可作為辨認人臉的重
要特征,這些特征被稱為幾何特征?;趯W問的人臉表征主要包括基于幾何特征的辦法和模板匹配法。
人臉圖像匹配與辨認
人臉圖像匹配與辨認:提取的人臉圖像的特征數據與數據庫中存儲的特征模板停止搜索匹配,經過設定一個閾值,當類似度超越這一閾值,則
把匹配得到的結果輸出。人臉辨認就是將待辨認的人臉特征與已得到的人臉特征模板停止比擬,依據類似水平對人臉的身份信息停止判別。這
一過程又分為兩類:一類是確認,是一對一停止圖像比擬的過程,另一類是識別,是一對多停止圖像匹配比照的過程。