【直播回放】人臉識別系統(tǒng)項目講解 2021年10月28日19點場
人臉識別系統(tǒng)項目講解
應用場景
- 車站檢票口身份比對
- 天眼系統(tǒng)，罪犯抓捕
- 人臉考勤機
- 人臉鎖
- 人臉柜
- 人臉支付系統(tǒng)
目錄
1、人臉識別系統(tǒng)架構(gòu)介紹?07:35?
2、數(shù)據(jù)采集模塊?14:10?
3、人臉檢測模塊?18:54?
4、人臉對齊模塊?30:27?
5、人臉識別模塊
?
41:13
?6、人臉識別的兩大關(guān)鍵技術(shù)
7、特征工程模塊的發(fā)展歷程
8、分類模塊的發(fā)展歷程
9、人臉識別的兩大關(guān)鍵技術(shù)
1、人臉識別系統(tǒng)架構(gòu)介紹
- 數(shù)據(jù)采集模塊
- 人臉檢測模塊
- 人臉對齊模塊：關(guān)鍵點用于更加精細的摳出人臉的輪廓，歸一化便于將遠近大小不同的人臉轉(zhuǎn)換成為統(tǒng)一尺度進行比對
- 人臉識別模塊
從硬件上來看，這幾個模塊并不一定都在一個產(chǎn)品里面：網(wǎng)絡攝像頭+服務器
2、數(shù)據(jù)采集模塊
一般是由高清攝像頭+補光系統(tǒng)組成：
- 可見光攝像頭：自然光攝像頭
- 紅外攝像頭：用于夜間拍攝
- 二維或者三維攝像頭：（x,y,r,g,b）或（x,y,z,r,g,b）
- 單路或者多路攝像頭:多路攝像頭可以同時拍攝多張照片，在比較復雜的狀況下應用比較多（可以解決姿態(tài)角度的問題）
- 本地攝像頭或者網(wǎng)絡攝像頭
性能指標：
- 圖像分辨率：分辨率越高越清晰
- 采集速度（fps）：一秒鐘能夠采集的圖片的數(shù)量
3、人臉檢測模塊
主要是從一張圖片中檢測出有無人臉區(qū)域，如果有的話返回人臉區(qū)域（x,y,w,h）
- x,y：中心點坐標
- w,h：人臉區(qū)域的寬和高
性能指標：
- recall：召回率，返回人臉的個數(shù)占圖片中實際人臉個數(shù)的比值
- mistake：誤入，不是人臉的地方誤認為是人臉
- 交并比：識別出來的區(qū)域與實際人臉所在區(qū)域，這兩個區(qū)域的交集與他們的并集的比值
- 實時率：每秒能檢測出多少張圖片，檢測速度
recall和mistake實際上是一對矛盾的指標，加強了recall可能會導致誤入也會增多
常見算法：
- Adaboost：上世紀90年代提出來的，人臉識別第一代最經(jīng)典的，基于統(tǒng)計學方法。通過加權(quán)的方法將很多rule分類器疊加起來構(gòu)成了一個很強的分類器?23:60?
- Cascade CNN：堆疊起來很多層的卷積神經(jīng)網(wǎng)絡。
?
24:23
?- DenseBox
- Faceness-Net
4、人臉對齊模塊
在一張人臉圖片中檢測出多個特征點的位置，便于后續(xù)可以做更加精細的歸一化
性能指標：
- 特征點距離誤差：特征點檢測坐標與真實坐標之間的差距離
- 實時率
典型算法：
- ASM、AAM?31:18?
- MTCNN
- bbr(bounding box regression)；主要是為了解決預測出的人臉區(qū)域和真實的人臉區(qū)域不匹配的問題?35:13?
5、人臉識別模塊
- 利用深度卷積網(wǎng)絡對注冊的人臉信息進行特征提取，可以減少數(shù)據(jù)的存儲量（由存儲像素點的RGB信息轉(zhuǎn)化成為存儲由多個特征點構(gòu)成的特征向量，大大減少了數(shù)據(jù)的存儲量）
性能指標：
- recall：?46:30?
- mistake：?46:58?
- 實時率：每次卷積神經(jīng)網(wǎng)絡計算圖片的時間
- 特征壓縮率：?47:23?
6、人臉識別的兩大關(guān)鍵技術(shù)：
- 人臉特征的構(gòu)造：怎樣從圖片通過卷積神經(jīng)網(wǎng)絡得到一個多維特征向量，這個多維特征向量要保證只跟圖片中人物的類別有關(guān)，跟圖片的大小、形狀，以及人物的姿態(tài)沒有關(guān)系，如何學習出一個這樣的神經(jīng)網(wǎng)絡，從而得到一個好的特征
- 分類器：分類以及特征向量的比對
7、特征工程模塊的發(fā)展歷程
- 早期：不管對象是什么，特征提取規(guī)則是固定的
- 中期：雖然用到了樣本的信息，但是模型過于簡單
8、分類模塊的發(fā)展歷程
9、人臉識別模塊paper list
----end----
標簽：
