技术分享:人脸识别究竟是如何完成的?

随着人工智能的高速发展,基于计算机视觉技术研究及应用也逐渐进入成熟阶段。其中,人脸识别是运用较多的一种技术,已经渗透到人类日常生活的方方面面。目前TSINGSEE青犀视频也正在积极研发人脸识别项目,将人脸识别技术融入到相关视频平台(如EasyCVR视频融合云服务),并投入到线下场景落地使用。

本文将和大家简单分享一下:人脸识别究竟是如何完成的?它的流程是什么?

一、人脸识别系统的组成

  • 前端图像采集
    前端人脸图像采集系统通过抓拍采集人脸图像、实时视频流等,如视频监控摄像头、智能考勤机、智能门禁机等设备,都具备人脸采集抓拍的功能。

  • 后端智能平台
    后端的智能平台可将前端采集的相关数据统一进行汇聚、处理、存储、应用、管理与共享,并结合人脸识别系统,实现人脸识别功能,并应用在现实场景中如:人脸识别考勤、人脸门禁、公安部的人脸追踪、抓捕嫌疑犯等等。

二、人脸识别技术的流程有哪些?

1、人脸检测

人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。
从照片中找出人脸的位置,以图片左上角为坐标原点,分别记录下人脸框左上角和右下角的坐标,并将人脸部分裁剪出来。

技术分享:人脸识别究竟是如何完成的?_第1张图片

2、人脸对齐

在现实场景中,往往前端设备抓拍获得的人脸不一定是正脸的角度,所以需要将图像中的人脸姿态进行矫正。通过人脸关键点检测得到人脸的关键点坐标,根据人脸的关键点坐标调整人脸的角度,使人脸对齐。如图,这两个脸在计算机看来,是完全不同的两张脸,因此我们需要通过一些仿射变换将脸部进行对齐。

技术分享:人脸识别究竟是如何完成的?_第2张图片

  • 1)仿射变换
    仿射变换的功能是从二维坐标到二维坐标之间的线性变换,且保持二维图形的“平直性”和“平行性”(直线之间的相对位置关系保持不变,平行线经仿射变换后依然为平行线,且直线上点的位置顺序不会发生变化)。

技术分享:人脸识别究竟是如何完成的?_第3张图片

  • 2)对齐方法
    使用训练好的模型,自动地从检测出的人脸中标记出68个特征点(landmarks),然后在模板库中寻找一个标准模板,使用仿射变化,将这个68个点与模板的68个点对齐。

技术分享:人脸识别究竟是如何完成的?_第4张图片

3、人脸编码(提取特征向量)

通过卷积神经网络训练一个模型,将送入的模型脸部图片自动编码成一个具有一个很强语义的128维向量。
训练方法:

  • 输入一张已知身份的照片。
  • 输入一张相同身份的照片。
  • 输入一张不同身份的照片。
  • 反复调整参数,使得步骤1和步骤2中的照片编码尽量接近,与步骤3中的编码尽量不同。

技术分享:人脸识别究竟是如何完成的?_第5张图片

4、人脸分类

依次计算输入图像和数据库中每个图片的128位向量差值的欧氏距离,直到找到小于我们阈值的那张,到此,人脸识别成功。

技术分享:人脸识别究竟是如何完成的?_第6张图片

5、实验结果

基于以上步骤,我们来检测下人脸识别系统最终的识别结果。

三、人脸识别技术的应用场景

人脸识别技术主要用于身份验证,常见的场景有小区、楼宇、校园、工厂、园区、银行等,如:智能门禁、人脸闸机、人脸考勤、智能门锁等。通过人脸识别验证身份,来保障相关场所的安全,也减少了人工审核的成本。

在安防监控中,人脸识别也意义重大,比如公众场所(地铁站、车站、街道、酒店等)的安防布控、公安部追捕嫌疑犯等。基于公众场所的安防监控摄像头,通过抓拍人脸并将结果上传公安部网络,与嫌疑犯人脸进行比对,协助公安人员的执法工作。

人脸识别技术是人工智能领域的关键技术,在智能视频监控系统具有十分广泛的应用前景。TSINGSEE青犀视频也将以AI智能检测与识别技术为核心,持续研发多场景下的智能业务系统及平台,向AI领域深耕。

你可能感兴趣的:(人工智能,深度学习)