人臉識別關鍵技術及進展

1、人臉識別關鍵技術及最新進展劉 軍 1月6日第1頁匯報提要人臉識別進展人臉檢測人臉對齊人臉識別第2頁人臉識別進展人臉識別系統框圖 圖像采集人臉檢測特征訓練特征提取匹配結果人臉配準預處理人臉數據庫特征數據庫第3頁人臉識別進展深度學習+大數據報道單位圖片數量（百萬）個體數量（萬）臉譜企業(yè)(facebook)4.40.4谷歌企業(yè)(谷歌)200800DeepID0.21.0Face+52騰訊優(yōu)圖12中科院自動化所0.51.0天津研究院22圖片數量(200 vs 5); 個體數量(800 vs 2 )第4頁人臉識別進展個體數目和圖片數目同等主要公安部一所千萬級大規(guī)模人臉識別評測無法檢測到很多高清楚圖像中人

2、臉基于數據人臉識別弊端對于訓練集合中沒有樣本往往束手無策谷歌照片應用誤把黑人標識成“大猩猩”第5頁普通大眾人臉識別進展個體數目和圖片數目同等主要公安部一所千萬級大規(guī)模人臉識別評測無法檢測到很多高清楚圖像中人臉明星、名人vs普通大眾明星、名人濃眉大眼、五官端正第6頁匯報提要人臉識別進展人臉檢測人臉對齊人臉識別第7頁人臉檢測基于深度分割人臉檢測方法背景比較單一，前景含有一定相同性普通大眾明星、名人濃眉大眼、五官端正第8頁人臉檢測基于深度分割人臉檢測方法背景比較單一，前景含有一定相同性前景背景第9頁人臉檢測基于深度分割人臉檢測方法背景比較單一，前景含有一定相同性baidu圖像分割大賽第10頁人臉檢測

3、基于深度分割人臉檢測方法背景比較單一，前景含有一定相同性第11頁人臉檢測不一樣遮擋程度下人臉檢測第12頁人臉檢測不一樣遮擋程度下人臉檢測并不完全依賴于表像和結構信息能夠預測訓練集合中沒有數據含有較快計算速度-1000幀/秒第13頁人臉檢測漏檢，誤檢不穩(wěn)定，忽大忽小第14頁人臉檢測第15頁匯報提要人臉識別進展人臉檢測人臉對齊人臉識別第16頁人臉對齊當前在在主流數據庫上，我們得到了優(yōu)于其它最新算法試驗結果，速度能夠到達每秒6800幀，（cpu：i7-4790k，多線程：啟用，模型大?。?.28M）和當前主流方法比較：MethodCommonChallengingFullFPSTSPM8.2218.

4、3310.20ESR5.2817.007.58120RCPR6.1817.268.35SDM5.5715.407.5070LBF4.9511.986.32320LBF Fast5.3815.507.373100CFSS4.739.985.76363DDFA6.1510.597.013DDFA+SDM5.539.566.31ours6.738.967.136800第17頁匯報提要人臉識別進展人臉檢測人臉對齊人臉識別第18頁弱監(jiān)督人臉識別 數據整理來源網絡爬蟲（baidu，谷歌圖片，Flickr）人工采集干擾因素特征點標注不準確數據不純凈第19頁弱監(jiān)督人臉識別處理方法篩選人工輔助標注人臉配準數據識別身份異常配準異常第20頁基于深度網絡人臉識別方法識別結果弱監(jiān)督人臉識別MethodVRFAR=0.1%DIRFAR=1%，Rank=1HD-LBP + JB41.66%18.07%HD-LBP + LDA36.12%14.94%CBSR80.26%28.90%CRIPAC(Ours)86.18%58.07%第21頁技術上依然有很大提升空間弱監(jiān)督人臉識別我們算法是當前基于深度學習商用算法中速