先進面部識別系統第1頁，課件共12頁，創作于2023年2月什么是人臉識別

人臉識別提取特征點人臉檢測比對成像

工作原理

面部識別是一種非常自然、友好的生物特征識別認證技術。面部識別技術是通過圖像或視頻進行面部檢測，然后提取面部特征、最后進行面部比對的一系列相關技術的總成。圖像預處理

人臉識別是是人類視覺最杰出的能力之一。計算機人臉識別技術是一項新興的生物識別技術，也是一個活躍的研究領域。它是計算機交互是技術的重要組成部分具有廣闊的發展前景。第2頁，課件共12頁，創作于2023年2月面部識別的優點

人臉識別技術由于它的安全性、無侵害性和對用戶最自然、最直觀的使用方式，使人臉識別成為最容易被接受的生物特征識別方式。準確率速度采集難度采集方式設備成本接受度應用范圍指紋高很快低主動低高廣泛掌紋很高快較低主動高高一般虹膜很高快高主動較高較低一般面部很高快低主動/被動低很高廣泛DNA精確很慢很高主動很高低很窄

和其他生物特征識別技術比較第3頁，課件共12頁，創作于2023年2月面部識別的優點

1.識別準確安全；

2.伴隨性無須介質不怕丟失或遺忘；

3.非接觸使用安全衛生；4.隱蔽性適合特殊情況使用；

5.使用方便無須學習和改變使用習慣；

6.設備使用壽命長；

7.對人的身體及生理無侵害。

面部識別不受季節及天氣影響識別準確率高非接觸：設備使用壽命高，使用更衛生。識別方式為主、被動兩種不需要密鑰或存放相關信息的介質（如IC、ID等）更安全更方便我們的貢獻1、提高了該技術對環境光線的適應性2、解決了戴眼鏡的問題3、降低了成本4、提高了識別速度用戶選擇的理由方便、安全、價格適中這個技術在保證安全性的同時極大的方便了客戶使用（不用記密碼，不用帶卡片和鑰匙），這是他價值的真正所在。并且在十年內無可替代他的技術會出現。復制難度高

主要優點第4頁，課件共12頁，創作于2023年2月面部識別原理眼部檢測眼鏡發射光消除MB-LBP算法標準化根據眼睛位置做圖像標準化局部直方圖均衡、Gamma、局部差分等一系列變換記錄當前圖像的光線照射情況Boosting人臉特征分類器人臉檢測Haar算法特征提取代數（主）加幾何特征（輔助）Gabor小波轉化特征庫結果注冊比對Boosting眼部特征分類器通過攝像頭采集到的灰度圖像訓練集第5頁，課件共12頁，創作于2023年2月檢出率:

1、不考慮準確度的情況下眼睛的檢出率：DR=99.88％

2、誤差為5%眼睛的精確度檢出率：DR(0.05)=80％ 3、誤差為10%眼睛的精確度檢出率：DR(0.1)=97％

眼睛檢測的速度:

3ms：電腦（1.7GHz的中央處理器，128MB內存）

100ms的：嵌入式（MIPS336MHz處理器，64MB內存）眼部檢測性能評價第6頁，課件共12頁，創作于2023年2月

人臉特征提取前的預處理及圖像標準化

1、

檢測人臉平面內角度偏差并旋轉。（根據眼睛） 2、縮放圖像到合適大小。（根據眼睛） 3、截取151*151圖像。 4、通過局部差分及局部直方圖均衡等措施對圖像進行標準化（標準化前后圖形如下）圖像預處理及標準化第7頁，課件共12頁，創作于2023年2月

1、特征提取是基于Gabor小波變換，特征編碼的信息包含光照，表情，姿態等。 2、我們通過二維分解Gabor濾波器來提高特征提取速度。

實部

虛部

3、

需要取標準圖像中81個固定點，每個點進行16個方向8個頻率的小波計算（如圖）。特征提取第8頁，課件共12頁，創作于2023年2月

如上所述，我們計算出特征點，根據在81點16方向和8個頻率，所以我們得到16*8*81Gabor特征值。

讓我們在每一個點得到16*8=128Gabor特征值。

我們使用了編碼功能，判斷相鄰點之間關系、方向和大小。因此，我們計算出每個特征編碼的大小為2430Byte（還加入了一些其他信息，如光照強度、方向、注冊時間等）。特征提取第9頁，課件共12頁，創作于2023年2月1、計算相似性首先我們計算出每個的的相似性，再根據每個點的相似性的差計算權重。2、計算面部的光線變化

我們計算特征編碼的時候加入了環境光線的基本信息，在比對中發現光線變化時會采取特殊的處理方式以增加光線變化時的識別率。比對過程第10頁，課件共12頁，創作于2023年2月我們的技術參數識別精度RR是指等記的人和比對的人為同一人時的通過率。0FMR是指不發生誤識的時候，拒識率為15%。FMR1000000是指誤識率為1/1000000，拒識率為12.5%。FMR100000是指誤識率為1/100000，拒識率為11%。FMR10000是指誤識率為1/10000，拒識率為9%。適用范圍

可以識別平面內-30?30度的頭部圖像偏轉或非平面外-15?15度的頭部旋轉。

可適用不大于？？？焦耳能量的干擾。

算法同時支持intel架構、DSP架構、ARM架構等多種平臺識別速度

速度0.1秒/pc；0.2秒/DSP；0.7秒/MIPSRR0FMRFMR1000000FMR100000FMR100002%15%12.5%11%9%第11頁，課件共12頁，創作于2023年2月面部識別技術現狀我們研究的重點是基于近紅外攝像機的圖像識別。但是我們的引擎在可見光識別中優于“Verilook4.0”（立陶宛）、“Luxand3.0”（美國），這是基于ColorFERET數據庫的測試結果。在FRVT2006發表FMR10000識別率是35％的室內普通光線環境。

此外Surrey,Dallan,Lockheed,Toshiba,Neurotech方案在MBGC（多生物識別技術挑戰賽）挑戰實驗，公布結果在FMR100030％

雖然在室內環境光照變化不大，但在可見光條件下還沒有人可以克服，解決