人臉識(shí)別工作匯報(bào)

CASIPP人臉識(shí)別工作匯報(bào)CASIPP人臉識(shí)別的一般概念：給定一個(gè)場(chǎng)景中的靜態(tài)圖像或視頻，利用給定的人臉數(shù)據(jù)庫(kù)信息，鑒別或確認(rèn)該場(chǎng)景中的一位或多位人的過程。一個(gè)完整的人臉識(shí)別系統(tǒng)一般包括三個(gè)部分：（1）圖像獲?。?）人臉檢測(cè)與分割（3）人臉識(shí)別（特征選擇與提取、模式匹配）人臉識(shí)別的概念CASIPP特征選擇與提取（1）當(dāng)實(shí)際用于分類識(shí)別的特征數(shù)目d給定后，直接從已獲得的n個(gè)原始特征中選出d個(gè)特征，根據(jù)這d個(gè)特征來判斷。（2）根據(jù)某一類別可分性判據(jù)原則，對(duì)n個(gè)原始特征進(jìn)行變換，使之變換到較低維空間或便于分類的空間，在變換后的空間對(duì)它進(jìn)行分類識(shí)別。CASIPP人臉識(shí)別方法的分類（根據(jù)特征提取方法）第一類：基于表象（全局特征）的方法全局匹配方法是用整個(gè)人臉區(qū)域作為輸入，作為一個(gè)整體與已知人臉數(shù)據(jù)庫(kù)進(jìn)行匹配。如Eigenfaces、Fisherfaces、SVM等。第二類：基于結(jié)構(gòu)（局部特征）的方法基于局部特征的結(jié)構(gòu)匹配方法是根據(jù)人臉圖中的局部特征（眼睛、鼻子、嘴巴等）在人臉圖像中的位置和各自自身的結(jié)構(gòu)確定對(duì)人臉圖像進(jìn)行識(shí)別。如HiddenMarkovModelBasedMethods（HMM）等。CASIPP特征臉的含義人臉圖像中包含著大量有意義的人臉局部和全局特征信息，這些特征不僅包含如眼睛、鼻子、頭發(fā)等僅憑人的直覺就能感受到的特征，還包含其它一些人的直覺沒法體會(huì)的重要特征。這些特征以一定的形式分布在人臉圖像中，從一張人臉圖像中抽取相關(guān)的信息并盡可能有效的方式表示出來，然后，將以這種方式表示的人臉與以同樣方式表示的人臉模型庫(kù)相比較。CASIPP從數(shù)學(xué)的觀點(diǎn)，可以將人臉圖像作為高維空間的一個(gè)點(diǎn)或一個(gè)向量，而且這些高維向量的在空間中的分布沒有一定的規(guī)律性。如果能將這個(gè)高維向量映射到維數(shù)較低的向量空間，或者映射到分布規(guī)律明顯的空間，用映射空間的向量表示人臉圖像，則更方便我們進(jìn)行人臉識(shí)別。CASIPP人們想到了用主成份分析方法，又稱離散K-L變換、Hotelling變換，它是用原始空間中的隨機(jī)變量X的協(xié)方差矩陣的特征向量構(gòu)成的特征矩陣作為變換矩陣，對(duì)原始空間中的向量進(jìn)行變換，使原始空間中高維、復(fù)雜的向量變成變換后的特征空間中的低維、簡(jiǎn)單的向量。這種變換是一種基于統(tǒng)計(jì)特性的最佳正交變換，變換之后具有如下特性：（1）變換后的新的分量正交或不相關(guān)；（2）以部分新的分量表示原向量均方誤差最??；（3）變換后的向量更趨確定、能量更趨集中。CASIPP在人臉識(shí)別中，人們用離散K-L變換對(duì)人臉圖像的原始空間進(jìn)行轉(zhuǎn)換，即構(gòu)造人臉圖像數(shù)據(jù)集的協(xié)方差矩陣，對(duì)之進(jìn)行正交變換，求出協(xié)方差矩陣的特征向量，再依據(jù)特征值的大小對(duì)這些特征向量進(jìn)行排序，每一個(gè)向量表示人臉圖像中一個(gè)不同數(shù)量的變量，這些特征向量表示特征的一個(gè)集合，它們共同表示一個(gè)人臉圖像。在人臉識(shí)別領(lǐng)域，人們能常稱這些特征向量為特征臉。每一個(gè)體人臉圖像都可以確切地表示為一組特征臉的線性組合。CASIPP特征臉的構(gòu)造與計(jì)算人臉圖像集：向量形式：訓(xùn)練集的平均臉：人臉圖像與平均臉的差：C秩A叫S紡I喂P盈P用正令交變眠換求深出協(xié)淺方差旗矩陣寇的特鍛征向禾量和釘特征臣值：人臉倚圖像在集的遭協(xié)方搏差矩什陣：變換耳后的饅特征慘空間毒為：C篇A脹S伶I妥P隙P由于酬離散K-懂L變換編使能賄量相擱對(duì)集滔中，醫(yī)且與畝特征艙向量氣相對(duì)婚應(yīng)的冒特征縣值具順有如坡下性曾質(zhì)：由于負(fù)精確牛地構(gòu)別造圖夸像是就不必瘦要的放，一里個(gè)較憐小的m個(gè)特哄征向貧量對(duì)潔識(shí)別盒就足熄夠了唐，標(biāo)因此冤，我段們可盾以取寨前m個(gè)特交征向姑量，喜構(gòu)成巨變換玩后的另特征話臉空籮間。因此思，對(duì)似于取聯(lián)前m個(gè)特涌征所圖對(duì)應(yīng)項(xiàng)的特父征向絮量，吹對(duì)原所始空或間中徹的向巾量進(jìn)衛(wèi)行變胖換，憲變換畜后的爬均方夏誤差柱取最歇小值濕。C果A剩S能I練P瓦P在特歲征臉遺空間土進(jìn)行蜜人臉尋匹配一幅通人臉尊圖像顏將它焦映射惕到特痛征臉籌上可支用下問式運(yùn)椒算求劑得：它在扶特征濱臉空什間中躬的向呀量：得到君特征包臉空紋間后廢，對(duì)燙人臉址圖像苦的識(shí)唱?jiǎng)e可務(wù)以將猜原始先的高誘維空期間向調(diào)量映雄射到興該特慣征空酸間，福再進(jìn)駝行模趴式匹直配。C刊A蒙S膝I籍P盈P確定恢相似倆性度亭量方丈法在人嗚臉識(shí)糧別中賣，以弟上進(jìn)蛙行的角工作肝是只冷是人瞎臉特濱征提叫取與引選擇養(yǎng)，下余一步奪要做皂一工既作是蕩對(duì)這霸些提祝取后攤的特亭征向話量進(jìn)維行分鏈類。醬為此棋要確躁定一芳種相屋似性修度量外方法弊，求策出各約提取露后的撐特征稼向量竟之間報(bào)的相串似度鴿，進(jìn)秋而確桑定待蛇分類忠識(shí)別向的人儀臉是哀否屬虛于某蠻一已諒知類朝別。C噴A暫S前I教P耽P平均芽歐式凍距離朗法在統(tǒng)漆計(jì)模州式識(shí)因別方卷法中萍，我鳳們抽裁取和牧選擇持的是越能代撓表這軌個(gè)模丙式的膝特征秘，用晃這些煮特征鄰構(gòu)成尋的特黑征向?yàn)E量占百有由菌它們脅構(gòu)成級(jí)的特瞇征空呢間的盛一個(gè)送點(diǎn)。闊顯然羨，兩頭個(gè)模燭式如杜果在蘭模式劃空間環(huán)相距渾很近欺，則忘它們茫的各疊個(gè)分芬量，茄也就票是各奮個(gè)特喘征也壟應(yīng)相奪差很稿小，辮因此獎(jiǎng)，兩濤個(gè)模燒式之寇間相銷似性種的一蛋種合陰理的穗度量黃就是龍它們竄在特鈴征空歉間的杰距離鉤，即慨距離榆越小貴，相沈似性辰越高適。提撇起距旺離，蹦我們謹(jǐn)首先鳴會(huì)想著到歐墓氏距滾離，已即用素最小耗歐氏割距離現(xiàn)法，蕩對(duì)特虧征向蝦量進(jìn)社行分瓶類和姻識(shí)別或。C慰A評(píng)S乳I錯(cuò)P落P對(duì)于菜某一囑待分拆類人尸臉圖抗像，戚則它慶與第k類的膠歐氏羨距離庸為：當(dāng)求羊得的啊最小和的值攜小于顏某一惕給定秀的閾惕值，箱則這盤幅人葉臉圖限像屬興于該講類，碼否則洋不屬守于該夠類。首先圾計(jì)算蓬出的陣相應(yīng)客的特岡征臉本模式扁向量喜的平糧均值攪。確投定閾萍值，吃它表彎示距規(guī)離某英一人倦臉類蛙和距辜離人晝臉空牧間的裝最大橫允許鉆值。C栗A鞭S漢I爛P且P相似芒性度看量的曠另一藥種方哄法相似眉性函忠數(shù)定等義為嚼兩個(gè)析向量搜之間蓄的歸游一化屈內(nèi)積亂，對(duì)聲于某廟一待勢(shì)分類右人臉錯(cuò)圖像創(chuàng)相應(yīng)建的特態(tài)征向恒量與貍第k類人厘臉圖究像的駱特征闖向量咸之間鐮的相恩似度產(chǎn)為：它表娃示的磚是向并量之哨間的遇夾角醋余弦料，值攀越大倡，表決示兩次者之零間的像夾角途越小征，相耐似性存越大僚。這爐種方幕法我討們稱讓它為抹基于確夾角盯最小紡的相離似性哨度量誤方法糧。C屢A介S怒I伙P緣瑞P最近男鄰法威則設(shè)有距一組n個(gè)樣反本：每個(gè)歪樣本飛都已事標(biāo)以錘類別秧標(biāo)志姨，將煉待分塵類樣隱本X分到載與之褲相距棍最近雞的一蒼個(gè)樣狼本所女屬類憂中，善這種霉方法盞稱為逮最近賞鄰法介。C釘A賽S胞I森P暈P對(duì)于艱基于鮮夾角每最小諒法則烘的特獨(dú)征臉仗法人賓臉識(shí)粒別，纏用最匪近鄰甲法的顯判別謎函數(shù)尋為：C卵A饒S狡I士P兆P算法縣實(shí)現(xiàn)采用MA吵TL碑AB進(jìn)行云編程伸仿真仿真若對(duì)象足是OR俗L（Ol帝iv酬et溜teRe舉se磨ar禾ch奸L(zhǎng)稅ab顆)標(biāo)準(zhǔn)角人臉龜庫(kù)該標(biāo)崖準(zhǔn)人饑臉庫(kù)繳由4猾0人第，每其人1死0幅張11樣2×乳92抹圖像殲組成家。這斤些圖種像是偏拍攝液于不吊同時(shí)播期的忠、人商的臉執(zhí)部表膀情和共臉部遣細(xì)節(jié)韻有著貸不同厘程度岡的變惕化、閥人臉比姿態(tài)垂也有預(yù)相當(dāng)輝程度魄的變傷化。C原A型S鄰I置P姥PC許A振S罪I塑P焰P算法擔(dān)訓(xùn)練擔(dān)過程1蹤蝶構(gòu)造撇訓(xùn)練酬樣本頸集tr誕ai翻ni灰ng旅Se哀t即從遞人臉治圖像旁目錄撈中讀記取多淘個(gè)人巾臉圖嚷像到tr傷ai刊ni捉ng匠Se桂t中；2烈計(jì)算況出所烤有訓(xùn)腔練樣尾本的嗎平均曬臉me唇an睡Im米ag見e和各大訓(xùn)練井樣本宣相對(duì)努于平匹均臉妹的差貌值圖哲像di臨ff球er泥en時(shí)ce厚Im摩ag違es；3用特意征值染分解棗的方厭法求打差值蠶圖像di落ff濱er擇en服ce陜Im迎ag董es的特唱征值維和特乓征向昨量Ei輛ma驢ge鵲E唐va抖l；4求訓(xùn)拋練集沙中的誓每個(gè)歌差值穩(wěn)圖像漿相對(duì)攜于各威特征甚向量飯上的手投影安值xu扯We綿ig粉ht構(gòu)成榴的特燙征臉喉向量債；5沸計(jì)算奮每一速類的飼平均辣投影花值xu懶Av壁eW食ei獻(xiàn)gh視t（對(duì)于典最近激鄰法織不需盞要這寫一步夢(mèng)）C磚A扣S繳I哄P亡P算法希識(shí)別批過程1龍讀取撐一幅韻待識(shí)禁別圖某像re膊co零gn賣is耐eI守ma腸ge2求取紙?jiān)搱D橫像相蹈對(duì)于沃平均胞臉me騾an攤Im既ag餡e差值扶圖像re察cD已if慣fI鑄m3求差得值圖鈔像re撐cD臉if糖fI還m在各車特征個(gè)向量矮上的藍(lán)投影we希ig拌ht4求該方投影鄉(xiāng)豐值we財(cái)ig濁ht構(gòu)成帥的向哥量與序各類愈的xu倚Av乏eW妥ei療gh繡t構(gòu)成閉的向牛量之師間的懲歐氏舞距離xu歷Di粒ff首We瞞ig摘ht（基于雹夾角挪最小絞法則陽(yáng)：該矛投影喇值we讀ig應(yīng)ht構(gòu)成恐的向傳量與牛各訓(xùn)搶練樣規(guī)本的xu是We鴉ig鎖ht構(gòu)成婚的向隔量之剪間的個(gè)夾角糕余弦）5判斷年與最無小的瓦歐氏馬距離xu褲Di帽ff撞We格ig花ht則該擔(dān)圖像稱屬于擁該類（基于盾夾角貴最小智法則貫：判是斷最曾小的核夾角聞?dòng)嘞疑魉鶎?duì)己應(yīng)的饒訓(xùn)練湊樣本掀所屬智類為童該圖厘像的向類別）C纖A兵S制I撓P循P訓(xùn)練樣本數(shù)和識(shí)別數(shù)每類學(xué)習(xí)樣本數(shù)為3每類用于識(shí)別數(shù)為7每類學(xué)習(xí)樣本數(shù)為5每類用于識(shí)別數(shù)為5每類學(xué)習(xí)樣本數(shù)為7每類用于識(shí)別數(shù)為3識(shí)別正確率0.853570.9150.95833仿真蘆結(jié)果平均炎歐氏弱距離蓮法實(shí)散驗(yàn)結(jié)艇果夾角仙最小繭的最哪近鄰羞法實(shí)乖驗(yàn)結(jié)預(yù)果訓(xùn)練樣本數(shù)和識(shí)別數(shù)每類學(xué)習(xí)樣本數(shù)為3每類用于識(shí)別數(shù)為7每類學(xué)習(xí)樣本數(shù)為5每類用于識(shí)別數(shù)為5每類學(xué)習(xí)樣本數(shù)為7每類用于識(shí)別數(shù)為3識(shí)別正確率0.810710.8450.89167C窮A呆S尿I紡P荒P其它包方面略一對(duì)于大人臉望識(shí)別業(yè)，從貫感性竟上，爐人臉失的輪們廓應(yīng)賀該比則人臉源的細(xì)稿節(jié)遠(yuǎn)驗(yàn)遠(yuǎn)重德要，到因此悠在人醬臉識(shí)所別過慢程中糖能否訂先考命慮輪陰廓信紐奉息再壤考慮途細(xì)節(jié)奪信息屢。兩個(gè)俘問題絨：（1極）輪崖廓信貍息與顆細(xì)節(jié)翅信息秤如何適區(qū)分錘、分掏割；（2閉）對(duì)或輪廓供信息雙的識(shí)陰別與棍細(xì)節(jié)滾信息濁的識(shí)領(lǐng)別如品何合轟理的浙融合擔(dān)到一血起。笨（？筑）C愉A俊S柿I激P券P1用Ha速rr小波弄包對(duì)圍人臉皆圖像偵進(jìn)行順一級(jí)遮分解日（對(duì)辰圖像版進(jìn)行花多尺春度分簽解）自，豬得到斬四個(gè)勝獨(dú)立韻的圖過像，監(jiān)分別蝴為（爺近似羅部分A1惕、水平鹽細(xì)節(jié)謙部分H1羅、垂直拾細(xì)節(jié)核部分V1趕、對(duì)角釣細(xì)節(jié)遙部分D1治）；2對(duì)按每個(gè)嬌獨(dú)立笨的部骨分用堂標(biāo)準(zhǔn)粗的特運(yùn)征臉楚法進(jìn)痰行分快類識(shí)它別3得取到的代結(jié)果繪是近疤似部享分的丸圖像防的識(shí)狗別率剝與原倉(cāng)始圖艷像的雖識(shí)別衰率幾磨乎相貴等，吊其它啦幾個(gè)惠部分協(xié)很小槽；4用Ha犯rr小波法包對(duì)墾人臉紅圖像糕進(jìn)行軍二級(jí)能分解掏，得間到十收六個(gè)落部分復(fù)，再漆分別替對(duì)之著用傳娘統(tǒng)的銜特征斯臉方備法進(jìn)討行識(shí)希別，薄結(jié)果弄相同華，而塵且細(xì)寫節(jié)信寸息越圖豐富萬，正撲確率鞋越低目。輪廓此信息蠢與細(xì)箏節(jié)信睬息分鄙割C控A縣S頸I馳P衡P其它制方面袖二基于淋小波施分解境的方慶法進(jìn)徑行分掌析1用Ha尊rr小波駁包對(duì)綱人臉圖像側(cè)進(jìn)行柔二級(jí)景分解勁，將夾圖像乘分解若成十板六個(gè)窩部分診；2計(jì)譽(yù)算出姿每一掌部分晉的均涂值和涉標(biāo)準(zhǔn)汽差