融和微 识别 RH7901 RH7902

融和微 识别 RH7901 RH7902
融和微 识别 RH7901 RH7902

开题报告:人脸识别

北方工业大学 本科毕业设计(论文)开题报告书 题目:基于直方图差值比较方法的人脸识别系统指导教师: 专业班级: 学号: 姓名: 日期:2013年3月20日

一、选题的目的、意义 近些年来,有关人脸的处理已受到广大研究人员越来越多的重视,如人脸识别、人脸定位、面部表情识别、人脸跟踪等。人脸处理系统在安全系统的身份认证、智能人机接口、图像监控、视频检索等领域有着广泛的应用前景。 此外在进行人工智能的研究中,人们一直想做的事情就是让机器具有像人类一样的思考能力,以及识别事物、处理事物的能力,因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制,并努力将这些机制用于实践,如各种智能机器人的研制。 同时,进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样,人脸也具有唯一性,也可用来鉴别一个人的身份。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性,因为它取样方便,可以不接触目标就进行识别,从而开发研究的实际意义更大。并且与指纹图像不同的是,人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照,图像尺寸,旋转,姿势变化等。使得同一个人,在不同的环境下拍摄所得到的人脸图像不同,有时更会有很大的差别,给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别,也就更具有挑战性。 人脸图像识别除了具有重大的理论价值以及极富挑战性外,还其有许多潜在的应用前景,利用人脸图像来进行身份验证,可以不与目标相接触就取得样本图像,而其它的身份验证手段,如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木,在某些场合,这些识别手段就会有不便之处。

人脸识别

人脸识别项目 一、目的 用有监督学习机制设计并实现模式识别方法,用于进行人脸面部特征识别,如性别(男性、女性)、年龄(儿童、青少年、成年、老年)、佩戴眼镜(是、否)、戴帽子(是、否)、表情(微笑、严肃)等。 二、内容 人脸识别是模式识别的一个重要的应用领域。其识别过程包括:特征提取与选取、分类(包括训练与测试)、分类器性能评估。 三、数据 四个文本文件: faceR: 训练数据,100个属性(其中第一个属性是编号,其余99个是本征脸(eigenface) 属性参数,共2000个人脸的数据。 faceS: 测试数据,100个属性(其中第一个属性是编号,其余99个是本征脸(eigenface) 属性参数,共2000个人脸的数据。 faceDR: 对faceR文件中的每一个人脸数据的说明。 faceDS: 对faceS文件中的每一个人脸数据的说明。 提示:由于数据是真实数据,会有以下情况: 1)有缺失数据(如1228, 1808, 4056, 4135, 4136, and 5004),建议将有缺失数据的人脸记录不予考虑 2)有错误数据,建议对有错误的人脸记录不予考虑 原始数据:各个人脸的原始图象数据在目录rawdata中 四、要求 1)将数据导入MATLAB 2)确定分类的目标(可以是下面的一个目标,或多个目标的组合) a)性别(男性、女性) b)年龄(儿童、青少年、成年、老年) c)佩戴眼镜(是、否) d)戴帽子(是、否) e)表情(微笑、严肃)等。 3)选用一种分类算法(距离分类器、Bayes分类器、SVM、ANN 或Decision Trees),先用faceR中的数据对分类器进行训练,然后用faceS中的数据对训练好的分类器 的性能(分类准确率)作出评估。当然,有些分类算法需要验证数据,可以根据需 要从faceR或faceS中随机抽取验证数据,验证数据的数据量应该不少于500个人 脸记录。 4)用MATLAB编程实现模式识别的整个过程(可以直接调用相关的函数)。 5)完成项目报告,具体内容包括: a)模式识别问题的说明,重要是说明分类的目标 b)模式识别过程的说明:采用何种分类算法,改算法的基本原理,是否进行了特 征提取或特征选取,程序的基本流程框图,训练的结果,测试的结果,分类器

【CN110084152A】一种基于微表情识别的伪装人脸检测方法【专利】

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910285839.7 (22)申请日 2019.04.10 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区珞珈山 武汉大学 (72)发明人 王中元 王光成 肖晶 何政  (74)专利代理机构 武汉科皓知识产权代理事务 所(特殊普通合伙) 42222 代理人 魏波 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/62(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于微表情识别的伪装人脸检测方法 (57)摘要 本发明针对伪装人脸识别的问题,公开了一 种基于微表情识别的伪装人脸检测方法,首先采 集不同情境和不同摄像环境下的伪装与真实人 脸的微表情视频序列,再通过基于卷积神经网络 (CNN)和长短记忆模块(LSTM)的微表情识别模型 对伪装和真实人脸的微表情序列进行特征提取, 并引入微表情熵和皮尔逊系数来分析二者微表 情特征空间的差异,接着采用K -means聚类方法 对不同情境下和不同视觉质量的伪装与真实人 脸的微表情特征空间进行聚类;最后构建伪装和 真实人脸的微表情特征差异分析模型并进行伪 装人脸检测。与现有人脸活体检测技术相比,本 发明能够有效识别高仿人脸面膜伪装和面部化 妆伪装。权利要求书2页 说明书4页 附图2页CN 110084152 A 2019.08.02 C N 110084152 A

1.一种基于微表情识别的伪装人脸检测方法,其特征在于,包括以下步骤: 步骤1:采集伪装和真实人脸在不同情境和不同摄像环境下产生的微表情视频序列,包括高兴、惊讶、悲伤、愤怒、厌恶和恐惧等六种基本微表情; 步骤2:利用一种基于CNN和LSTM的微表情识别网络来提取微表情特征,通过微表情熵和皮尔逊相关系数来量化真实人脸和伪装人脸微表情特征空间的差异; 步骤3:利用K -means聚类方法对不同情境和不同视觉质量的伪装和真实人脸的微表情特征空间进行聚类,分析不同情境和不同视觉质量对伪装与真实人脸微表情区别显著性的影响; 步骤4:构建伪装和真实人脸的微表情特征差异分析模型; 微表情由构成微表情的微动作组成,真实人脸的面部微动作丰富且细腻,伪装人脸的面部微动作呆板且稀疏以至于表达能力有限;当微动作稀疏到预定程度时,伪装人脸就只存在一种表情,此时不存在微表情; 步骤5:根据所述伪装和真实人脸的微表情特征差异分析模型进行伪装人脸检测。 2.根据权利要求1所述的基于微表情识别的伪装人脸检测方法,其特征在于:步骤1中,采用诱发式的方法来采集微表情视频序列。 3.根据权利要求1所述的基于微表情识别的伪装人脸检测方法,其特征在于,步骤2的具体实现包括以下子步骤: 步骤2.1:采用基于CNN和LSTM的微表情识别方法来提取伪装和真实人脸的微表情特征; 通过CNN提取将每个微表情帧编码成特征向量;将CNN提取的特征向量通过LSTM得到最终包括时空特性的微表情特征;所提取的特征为softmax层之前的长度为128的一维向量; 步骤2.2:通过微表情熵的数值大小来辨识真实和伪装人脸;微表情熵的计算方式如 下: 其中,p i 步骤2.1中提取的微表情特征值,n=128表示提取的一维特征空间的长度;当微表情空间包含的面部微动作越复杂时微表情熵的值越大,反之微表情熵越小代表微表情空间的微动作越稀疏; 步骤2.3:通过皮尔逊相关系数预测伪装和真实人脸微表情特征空间的相关性;皮尔逊 相关系数的计算方式如下: 其中,X和Y分别代表两组微表情特征空间, 和分别表示两组向量X和Y的均值;ρ范围为-1到+1,0代表无相关性,负值为负相关,正值为正相关;当两组微表情特征空间都为真实或伪装人脸微表情特征空间时,ρ值越接近1;当两组微表情特征空间分别为真实和伪装人脸微表情特征空间时,ρ值越小。 4.根据权利要求1所述的基于微表情识别的伪装人脸检测方法,其特征在于,步骤3的具体实现包括以下子步骤: 权 利 要 求 书1/2页2CN 110084152 A

《微表情识别读脸读心》2019期末考试题与答案

《微表情识别读脸读心》2019期末考试题与答 案 一、单选题(题数:40,共40.0 分) 1安慰反应的形态意义哪一项描述是错误的?() A、视线转移,频繁眨眼,闭眼(视觉安慰);轻哼,吹口哨,吁气(听觉安慰) B、舔嘴唇,磨牙,咀嚼,吞咽,吸烟; (口部安慰) C、挠头皮,玩头发,搓脖子;摸脸、额头、鼻子、耳朵、嘴、下巴;捂住锁骨,拍胸口,按摩腹部; 松领带、领口,玩项链、耳环等;搓手,玩手指; 抖腿等(肌肤安慰) D、身体约束僵住 答案:D 2关于这场猜测锁匙位置的测试哪一项描述是错误的?() A、李博士将锁匙放在6墙-8行-8列却在卡片上写6墙-8行-9列是动用了反测试策略 B、这种反测试策略的核心就就是强化不真实遗忘真实

C、这种反测试策略属于意识转移类的精神反测试 D、李博士反测试没有获得成功 答案:D 3关于辨析情绪的意义哪一项描述是错误的?() A、排除了干扰因素才能锁定刺激与情绪反应的因果联系 B、行为痕迹特征不能与说谎直接划等号 C、科学识别应该是找到差异点 D、回应刺激时视线向左表示回忆,视线向右表示编造 答案:D 4关于松明猜测硬币藏匿手的测试哪一项描述是错误的?() A、王力宏上台即双手叉腰或抱胸是紧张的对抗反应 B、询问喜欢的颜色及血型的用意是找回答真实的基线反应 C、一般而言人们习惯于多用或首先使用顺手 D、使用顺手是不自信的表现 答案:D

5逃离反应的形态意义哪一项描述是错误的?() A、吓了一跳、后退、头、身体、脚转向一边 B、深吸气,脸色发白,全身发冷,腿发颤 C、视线转移,坐姿、站姿角度扭转 D、面孔、肢体靠近刺激源 答案:D 6关于表达者表达解析哪一项描述是正确的?() A、疏忽几个表情动作的观察不影响准确判断其真实内心 B、是准确认识表达者内心的基础和前提 C、只要盯着其眼动反应就能准确判断其真实内心 D、只要关注其情绪与事件性质是否一致就能准确判断其真实内心 答案:B 7微表情是指持续时间多长的表情?() A、1/2秒 B、不足1/5秒

基于MATLAB的人脸识别

基于MATLAB的人脸识别

————————————————————————————————作者: ————————————————————————————————日期:

图像识别 题目:基于MATLAB的人脸识别 院系:计算机科学与应用系 班级: 姓名: 学号: 日期:

设计题目基于MATLAB的人脸识别设 计技术参数 测试数据库图片10张训练数据库图片20张图片大小1024×768 特征向量提取阈值 1 设计要求综合运用本课程的理论知识,并利用MATLAB作为工具实现对人脸图片的预处理,运用PCA算法进行人脸特征提取,进而进行人脸匹配识别。 工作量 两周的课程设计时间,完成一份课程设计报告书,包括设计的任务书、基本原理、设计思路与设计的基本思想、设计体会以及相关的程序代码; 熟练掌握Matlab的使用。 工作计划第1-2天按要求查阅相关资料文献,确定人脸识别的总体设计思路; 第3-4天分析设计题目,理解人脸识别的原理同时寻求相关的实现算法;第5-8天编写程序代码,创建图片数据库,运用PCA算法进行特征提取并编写特征脸,上机进行调试; 第9-12天编写人脸识别程序,实现总体功能; 第13-14天整理思路,书写课程设计报告书。 参考资料1 黄文梅,熊佳林,杨勇编著.信号分析与处理——MATALB语言及应用.国防科技大学出版社,2000 2 钱同惠编著.数字信号处理.北京:机械工业出版社,2004 3 姚天任,江太辉编著.数字信号处理.第2版.武汉:武汉理工大学出版社,2000 4 谢平,林洪彬,王娜.信号处理原理及应用.机械工业出版社,2004 5刘敏,魏玲.Matlab.通信仿真与应用.国防工业出版社,2005 6 楼顺天.基于Matlab7.x 的系统分析与设计.西安电子科技大学,2002 7孙洪.数字信号处理.电子工业出版社,2001 目录 引言?错误!未定义书签。 1 人脸识别技术?错误!未定义书签。 1.1人脸识别的研究内容?错误!未定义书签。 1.1.1人脸检测(Face Detection)........... 错误!未定义书签。

2019年微表情识别-读脸读心最新考试答案

2019年微表情识别-读脸读心最新满分考试答案 一、单选题(题数:40,共 40.0 分) 1.愉悦的识别要点包括的表情形态和意义,以下错误的是?()A A.瞪眼 B.咧嘴 C.嘴角上扬 D.超乎预期的满足和开心 2. 微表情是指持续时间多长的表情?() B A、1/2秒 B、不足1/5秒 C、5秒 D、以上都不对 3. 关于猜测选放的墙的测试哪一项描述是错误的?()B A、李博士回应天蝎座,b型血、警号3867问题时目光低视,摇头说我不知道是控制的对抗反应 B、在听到十八岁那年考上了海洋大学出现快速眨眼,点头是思考比对时的真实反应 C、在听到这成为了您神探之路的起点时出现连连点头是高度认同的下意识反应 D、人在接受有效刺激时也能完全控制自己的情绪反应 4. 冻结反应的形态意义哪一项描述是错误的?()D A、面部的惊讶 B、肢体的约束 C、呼吸的控制 D、肢体冰冷 5. 有意控制的动作的形态意义哪一项描述是错误的?()D A、可以出现在面部表情 B、可以出现在身体动作 C、可以出现在站姿或坐姿 D、可以控制出汗或面部颜色 6. 国内探索微表情应用研究的实战机构不包括哪些?()D A、公安机构 B、检察机构

C、安全机构 D、环保机构 7. 反应性行为的形态意义哪一项描述是错误的?() D A、包括副语言行为 B、包括头部反应 C、是难以自主控制的生理反应 D、是可以自主控制的生理反应 8. 关于表达者表达解析哪一项描述是正确的?() B A、疏忽几个表情动作的观察不影响准确判断其真实内心 B、是准确认识表达者内心的基础和前提 C、只要盯着其眼动反应就能准确判断其真实内心 D、只要关注其情绪与事件性质是否一致就能准确判断其真实内心 9. 爱恨反应的形态意义哪一项描述是错误的?() D A、爱的时候会主动亲近对方 B、恨的时候会主动拉开距离 C、身体间的距离,可以体现出人和人之间的心理距离 D、人的内心的喜爱与厌恶是不能从表情动作中表达出来的 10. 保罗·埃克曼研究的微表情主要在哪个领域?() C A、身体动作 B、副语言 C、面部表情 D、以上都不对 11. 仰视反应的形态意义哪一项描述是错误的?() D A、头和肢体向上是正仰视反应 B、头和肢体向下是负仰视反应 C、有身份地位差异的握手是正或负仰视反应的体现 D、头和肢体远离刺激源 12. 关于松明猜测硬币藏匿手的测试哪一项描述是错误的?()D A、王力宏上台即双手叉腰或抱胸是紧张的对抗反应

尔雅微表情识别·读脸读心-问题详解

1.1 微表情涵义·由来 1 【单选题】微表情是指持续时间多长的表情?()B ?A、1/2秒 ?B、不足1/5秒 ?C、5秒 ?D、以上都不对 2 【多选题】下面哪些描述符合微表情的特征?()ABCD ?A、时间不足1/5秒 ?B、受到有效刺激后的反应 ?C、不由自主地表现出来 ?D、表达心的真实情感 3 【判断题】表情是表现在面部或姿态上的情感信息。()正确 1.2 保罗·埃克曼的贡献 1 【单选题】保罗·埃克曼研究的微表情主要在哪个领域?()C ?A、身体动作 ?B、副语言 ?C、面部表情 ?D、以上都不对 2 【多选题】保罗·埃克曼研究微表情的主要贡献有哪些?()ABCD ?A、完成面部表情编码 ?B、编撰并发布FACS—AU教程 ?C、研发微表情训练工具(Meet) ?D、人际欺骗研究 3

【判断题】独立发现并深入研究微表情的学者是保罗·埃克曼。()错误 1.3 国·应用研究概况 1 【单选题】 国探索微表情应用研究的实战机构不包括哪些?()D ?A、公安机构 ?B、检察机构 ?C、安全机构 ?D、环保机构 2 【判断题】 受到lie to me 传播的影响国业界开始关注并研究微表情。()正确 3 【判断题】 国研究微表情的专业团队主要有中科院心理研究所傅小兰团队、中国人民政法大学姜振宇团队和政法学院海鹰团队。()正确 1.4 教学模式·教学环节 1 【单选题】微表情识别读脸读心课程宜采用哪种教学模式?()D ?A、理论讲授式 ?B、实操训练式 ?C、案例观摩式 ?D、A+B+C 2 【多选题】微表情识别读脸读心课程的教学模式包括哪些教学环节?()ABC

人脸识别介绍

人脸识别技术是生物识别技术的一种,它结合了图像处理、计算机图形学、模式识别、可视化技术、人体生理学、认知科学和心理学等多个研究领域。从二十世纪六十年代末至今,人脸识别算法技术的发展共经历了如下四个阶段: 1. 基于简单背景的人脸识别 这是人脸识别研究的初级阶段。通常利用人脸器官的局部特征来描述人脸。但由于人脸器官没有显著的边缘且易受到表情的影响,因此它仅限于正面人脸(变形较小)的识别。 2. 基于多姿态/表情的人脸识别 这是人脸识别研究的发展阶段。探索能够在一定程度上适应人脸的姿态和表情变化的识别方法,以满足人脸识别技术在实际应用中的客观需求。 3. 动态跟踪人脸识别 这是人脸识别研究的实用化阶段。通过采集视频序列来获得比静态图像更丰富的信息,达到较好的识别效果,同时适应更广阔的应用需求。 4. 三维人脸识别 为了获得更多的特征信息,直接利用二维人脸图像合成三维人脸模型进行识别,即将成为该领域的一个主要研究方向。 人脸识别技术的研究范围主要包括以下几个方面: 1. 人脸检测:在输入的图像中寻找人脸区域。 2. 人脸的规范化:校正人脸在尺度、光照和旋转等方面的变化。 3. 特征提取:从人脸图像中映射提取一组能反映人脸特征的数值表示样本。 4. 特征匹配:将待识别人脸与数据库中的已知人脸比较,得出相关信息。 人脸识别流程 1图像预处理 1.1 图像去噪 一般来说,自然界中的噪声可以看成是一种随机信号。根据图像获取的途径人脸图像获取 人脸检测 定位人脸区域 预处理 特征抽取 人脸特征 对比识别 结果 人脸特征库

不同,噪声的融入也有多种方式: 1. 图像是直接以数字形式获取的,那么图像数据的获取机制会不可避免地 引入噪声信号; 2. 在图像采集过程中,物体和采集装置的相对运动。或采集装置的抖动, 也会引入噪声,使图像变的模糊不清; 3. 在图像数据的电子传输过程中,也不同程度的引入噪声信号。 这些噪声信号的存在,严重的情况会直接导致整幅图像的不清晰,图象中的景物和背景的混乱。对于用于人脸识别的图像。由于噪声的引入,将不可避免地造成识别率的下降。对图像噪声的消除可以通过两个途径:空间域滤波或频率域滤波。消除噪声的方法很多,对于不同的噪声应该采用不同的除噪方法。主要的方法是:线性滤波、中值滤波、维纳滤波以及小波去噪等。 1.2 增强对比度 为了使人脸在图像中更为突出以便于下一步的特征提取,增强图像对比度是很有必要的。增强对比度有很多种方法,常见的有直方图均衡化和“S ”形变换等方法。 “S ”形变换方法将灰度值处于某一范围(人脸特征范围)内的像素灰度分布差距拉开,从而保证了对比度的提高,但此方法降低了其他灰度值的对比度。而直方图均衡化则是将像素的灰度分布尽量展开在所有可能的灰度取值上,这样的方法同样能使得图像的对比度提高。 将彩色图像转化成灰度图像是人脸识别方法中常见的处理过程,虽然转化过程丢失了一部分色彩信息,但是灰度图像拥有更小的存储空间和更快的计算速度。文献[1]给出了一种能够将RGB 色彩转换成灰度级且适于突出人脸区域对比度的转换模型:()5.0144.0587.0299.0,+?+?+?=b g r y x f ;其中f 代表灰度值,r ,g ,b 分别表示Red,Green,Blue 分量的值。 文献[2]通过将人脸彩色图像从RGB 色彩空间转换到RIQ 色彩空间,得到了更适于频谱分析的特征分量。

微表情及其应用

微表情及肢体语言的奥秘 微表情介绍 微表情,是内心流露与掩饰,是心理学名词。“微表情”最短可持续1/25秒,虽然一个下意识的表情可能只持续一瞬间,但这是种烦人的特性,很容易暴露情绪。通过研究微表情可以判断一些更加准确的信息 人的脸部可以传达信息,是一种信息传输器,人们无意识的表情会无法控制的表现在面部,“微表情”一闪而过,通常甚至清醒的作表情的人和观察者都察觉不到。比起人们有意识做出的表情,“微表情”更能体现人们真实的感受和动机。 肢体语言介绍 肢体语言,是指由身体的各种动作代替语言本身来表情达意的一种特殊语言。通俗讲是指通过头、眼、颈、手、肘、臂、身、胯、腿、足等人体部位的协调活动向交流对象传达信息,借表情达意的一种沟通方式。不同的肢体语言在不同情况下所传达的不同心理意义。 前人研究状况 微表情这一概念最早由美国心理学家保罗〃埃克曼在1969年提出。当时,一个名叫玛丽的重度抑郁症患者告诉主治医生,想要回家看看自己的剑兰和花猫。提出请求的时候,她显得神情愉悦而放松,

不时地眯起眼睛微笑,摆出一副撒娇的模样。令人震惊的是,玛丽在回家之后,尝试了3种方法自杀,结果未遂。 事后,埃克曼将当时的视频反复播放,用慢镜头仔细检视,突然在两帧图像之间看到了一个稍纵即逝的表情,那是一个生动又强烈的极度痛苦的表情,只持续了不到1/15秒。后来,埃克曼将其称为“微表情”。 1978年,埃克曼发布了面部动作编码系统。在这一系统中,人脸部的肌肉有43块,可以组合出1万多种表情,其中3000种具有情感意义。埃克曼根据人脸解剖学特点,将其划分成若干相互独立又相互联系的运动单元。分析这些运动单元的运动特征及其所控制的主要区域以及与之相关的表情,就能得出面部表情的标准运动。2002年,这个系统进行了一次升级,对表情的捕捉准确率达到了90%。 研究内容 现阶段中学生研究本课题可以研究微表情在现实生活中的应用,一些微表情和肢体语言的含义及在生活中的发现与理解。 现实生活中的应用 在社会层面,目前针对微表情的研究已经应用到各个领域。在国家安全领域,有些训练有素的危险人物可能轻易就通过测谎仪的检测,但是专业人员可以通过微表情通过微表情,发现他们

人脸识别技术的应用背景及研究现状

人脸识别技术的应用背景及研究现状 文件管理序列号:[K8UY-K9IO69-O6M243-OL889-F88688]

人脸识别技术的应用背景及研究现状1.人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求,生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性,并且具有很强的自身稳定性及个体差异性,生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有:指纹识别,视网膜识别,虹膜识别,步态识别,静脉识别,人脸识别等。与其他识别方法相比,人脸识别由于具有直接,友好,方便的特点,使用者无任何心理障碍,易于为用户所接受,从而得到了广泛的研究与应用。除此之外,我们还能够对人脸识别的结果作进一步的分析,得到有关人的性别,表情,年龄等诸多额外的丰富信息,扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面: (1)刑侦破案公安部门在档案系统里存储有嫌疑犯的照片,当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后,可以从数据库中迅速查找确认,大大提高了刑侦破案的准确性和效率。 ??(2)证件验证在许多场合(如海口,机场,机密部门等)证件验证是检验某人身份的一种常用手段,而身份证,驾驶证等很多其他证件上都有照片,使用人脸识别技术,就可以由机器完成验证识别工作,从而实现自动化智能管理。

?(3)视频监控在许多银行,公司,公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时,需要实时跟踪,监控,识别和报警等。这需要对采集到的图像进行具体分析,且要用到人脸的检测,跟踪和识别技术。 (4)入口控制入口控制的范围很广,既包括了在楼宇,住宅等入口处的安全检查,也包括了在进入计算机系统或情报系统前的身份验证。 (5)表情分析根据人脸图像中的面部变化特征,识别和分析人的情感状态,如高兴,生气等。此外,人脸识别技术还在医学,档案管理,人脸动画,人脸建模,视频会议等方面也有着巨大的应用前景。 2.人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究,主要有美国,欧洲国家,日本等,着名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Compute r Interface Institute,Microsoft Research,英国的Department of Engine ering in University of Cambridge等。综合有关文献,目前的方法主要集中在以下几个方面: (1)模板匹配 主要有两种方法,固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板,然后计算测试样本与参考模板之间的某种度量,以是否大于阈值来判断测试样本是否人脸。这种方法比较简单,在早期的系统中采用得比较多。但是由于人脸特征的变化很大,很难得到有效的模板来表示人脸的共性。变形模板在原理上与固定模板相同,但其中包含一些非固定的元素,一种方法是手工构造参数化的曲线和曲面以表征人脸中的某些非固定特征,如眼

人脸识别

人脸识别技术的应用背景及研究现状 1.人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求,生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性,并且具有很强的自身稳定性及个体差异性,生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有:指纹识别,视网膜识别,虹膜识别,步态识别,静脉识别,人脸识别等。与其他识别方法相比,人脸识别由于具有直接,友好,方便的特点,使用者无任何心理障碍,易于为用户所接受,从而得到了广泛的研究与应用。除此之外,我们还能够对人脸识别的结果作进一步的分析,得到有关人的性别,表情,年龄等诸多额外的丰富信息,扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面:(1)刑侦破案公安部门在档案系统里存储有嫌疑犯的照片,当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后,可以从数据库中迅速查找确认,大大提高了刑侦破案的准确性和效率。 (2)证件验证在许多场合(如海口,机场,机密部门等)证件验证是检验某人身份的一种常用手段,而身份证,驾驶证等很多其他证件上都有照片,使用人脸识别技术,就可以由机器完成验证识别工作,从而实现自动化智能管理。 (3)视频监控在许多银行,公司,公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时,需要实时跟踪,监控,识别和报警等。这需要对采集到的图像进行具体分析,且要用到人脸的检测,跟踪和识别技术。 (4)入口控制入口控制的范围很广,既包括了在楼宇,住宅等入口处的安全检查,也包括了在进入计算机系统或情报系统前的身份验证。 (5)表情分析根据人脸图像中的面部变化特征,识别和分析人的情感状态,如高兴,生气等。此外,人脸识别技术还在医学,档案管理,人脸动画,人脸建模,视频会议等方面也有着巨大的应用前景。 2.人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究,主要有美国,欧洲国家,日本等,著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer Interface Institute,Microsoft Research,英国的Department of Engineering in University of Cambridge等。 (1)模板匹配 主要有两种方法,固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板,然后计算测试样本与参考模板之间的某种度量,以是否大于阈值来判断测试样本是否人脸。这种方法比较简单,在早期的系统中采用得比较多。但是由于人脸特征的变化很大,很难得到有效的模板来表示人脸的共性。变形模板在原理上与固定模板相同,但其中包含一些非固定的元素,一种方法是手工构造参数化的曲线和曲面以表征人脸中的某些非固定特征,如眼睛,鼻子和嘴唇等。另一种方法是系统自动生成自适应的曲线或曲面,以构成变形人脸模板。检测方

2019年版 微表情识别·读脸读心 答案

微表情涵义·由来 1 【单选题】微表情是指持续时间多长的表情?()B A、1/2秒 B、不足1/5秒 C、5秒 D、以上都不对 2 【多选题】下面哪些描述符合微表情的特征?()ABCD A、时间不足1/5秒 B、受到有效刺激后的反应 C、不由自主地表现出来 D、表达内心的真实情感 3 【判断题】表情是表现在面部或姿态上的情感信息。()正确 保罗·埃克曼的贡献 1 【单选题】保罗·埃克曼研究的微表情主要在哪个领域?()C A、身体动作 B、副语言 C、面部表情 D、以上都不对 2 【多选题】保罗·埃克曼研究微表情的主要贡献有哪些?()ABCD A、完成面部表情编码 B、编撰并发布FACS—AU教程 C、研发微表情训练工具(Meet) D、人际欺骗研究 3

【判断题】独立发现并深入研究微表情的学者是保罗·埃克曼。()错误 国内·应用研究概况 1 【单选题】 国内探索微表情应用研究的实战机构不包括哪些?()D A、公安机构 B、检察机构 C、安全机构 D、环保机构 2 【判断题】 受到lie to me 传播的影响国内业界开始关注并研究微表情。()正确 3 【判断题】 国内研究微表情的专业团队主要有中科院心理研究所傅小兰团队、中国人民政法大学姜振宇团队和上海政法学院范海鹰团队。()正确 教学模式·教学环节 1 【单选题】微表情识别读脸读心课程宜采用哪种教学模式?()D A、理论讲授式 B、实操训练式 C、案例观摩式 D、A+B+C 2 【多选题】微表情识别读脸读心课程的教学模式包括哪些教学环节?()ABC

A、理论讲授 B、案例教学 C、实操训练 D、以上都不对 3 【判断题】微表情识别读脸读心是一本应用技术类课程。()正确 案例教学1:《非常了得·我是飞机调度员》 1 【多选题】影响误判事件为假的主要影响因素是什么?()BD A、所提问题不够有效 B、观察者先入为主的经验带入 C、扮演者说到飞机晚点时出现的羞愧 D、回应印象最深刻的一次调度有多麻烦时的回避 实操训练1:《真真假假·我曾喝过将军泡的茶》 1 【多选题】支持判断事件为假的表情动作有哪些?()ABCD A、讲述主题时眼睛向左瞟,而在讲述事件过程时眼睛有几次向右瞟。 B、讲述事件过程时出现左手揪裤子动作,讲完后有个明显的吞咽动作。 C、讲到坐着有3个人、我坐在边上时眼睛向右瞟,而在回应宿舍住在哪个 位置时眼睛向左瞟。 D、回应喝的茶是什么颜色的问题时说茶,绿色吧(不肯定) 微表情产生原理 1 【单选题】埃克曼认为在人类情绪产生及表达过程中起着重要作用的是?()B A、有用的联合性习惯原理 B、大脑中的自动评估系统群 C、对立原理 D、神经系统直接作用原理 2 【多选题】微表情产生的可能机制包括哪些环节?()ABCD

人脸识别与人脸检测

1 绪论 1.1人脸表情识别研究的目的和意义 人脸是人最重要的外貌特征,由于脸部信息可以通过非接触的方式(如摄像头)取得,所以非常适合于作为身份鉴别的依据。人脸识别就是对于输入的人脸图像或者视频,首先判断其中是否存在人脸,如果存在人脸,则进一步确定每张人脸的位置、大小和各个主要面部器官的位置信息,并依据这些信息,进一步提取每张人脸中所蕴含的身份特征,并将其与已知人脸库中的人脸进行对比,从而识别每张人脸所代表的个人。 人脸识别是一个交叉学科,它的研究内容涉及计算机视觉、模式识别、计算机图形学、图像处理、生理学、心理学、认知科学等。人脸识别技术可采用非接触式的、连续的和实时的方式,在国家安全、军事安全和公安、司法、民政、金融、民航、海关、边境、口岸、保险及民用等领域实际应用具有极广阔的前景。这一技术典型应用如下: (1)身份鉴定(一对多的搜索):在鉴定模式下,确定一个人的身份,该技术可以快速地计算出实时采集到的面纹数据与面像数据库中已知人员的面纹数据之间的相似度,给出一个按相似度递减排列的可能的人员列表,或简单地返回鉴定结果(相似度最高的)和相对应的可信度。 (2)身份确认(一对一的比对):在确认模式下,待确认人已知的面纹数据可以存储在智能卡中或数码记录中,该技术只需要简单地将实时的面纹数据与存储的数据相比对,如果可信度超过一个指定的阀值,则比对成功,身份得到确认。 (3)监视:可以在监控范围内发现人脸,而不论其远近和位置,能连续地跟踪该人脸图像并将其从背景中分离出来,将面像与监控列表进行比对。整个过程完全是无需干预的,连续的和实时的。 (4)面像数据压缩:能将面纹数据压缩到84字节以便用于智能卡、条形码或其他仅含有有限存储空间的设备中。 (5)多通道的人机交互界面:可以把跟踪得到的人脸表情作为一种人机交互的手段。为使用者提供一个个性化、智能、便捷的工作环境,这也是智能计算机研究的重要内容。 人脸表情识别研究的主要目的在于: (1)在人机接口中实现计算机对人脸面部表情的自动识别; (2)在视频片段检索中实现面部表情的跟踪与识别; (3)研究人脸表情编码模型,解决低带宽的脸部数据传输、多媒体中的脸部图像压缩等问题。 进行这项研究的意义在于:

2016超星尔雅通识课大学生心理健康教育答案

走进心理学 1 心理学是在()模式下研究人的问题的。 A、简单 B、健康 C、通约 D、一般 正确答案:C 2 心理学学科的发展迄今是()的局面。 A、稳步向前 B、曲折坎坷 C、百花齐放 D、停滞不前 正确答案:C 3 学习心理学要追求()、不要苛求()。 A、正确有效 B、有效正确 C、真理逻辑 D、逻辑真理 正确答案:B 4 心理学的研究跟其他学科不一样,是因为它研究的是复杂多面的“人”。正确答案:√ 5 科学不代表真实,只是行走在逼近真实的道路上。 正确答案:√ 作业标题:什么是心理学 1 主观是由我们的感知和觉知之间构成的现实。 正确答案:√ 2 客观是被所有人都能够感知的那个现实。 正确答案:√ 3 你理解的事物就是事物的本身。 正确答案:× 4

我们能理解美国人“嗷嗷”是在学狗叫,是因为()(多选) A、美国人养大狗 B、关于狗叫声形成了通约 C、这是不同情境下的不同标准 D、中国人智商较高 正确答案:ABC 5 心理学是:研究个体感觉、()、情绪、意识与精神活动之间关系的科学 A、思想 B、行为 C、外形 D、动作 正确答案:B 作业标题:心理学讨论什么 1 心理学认为人过分强调表达自己某种特质时恰恰说明这个人缺少这种特质。正确答案:√ 2 不要用对别人的感受去评价对方,也不要用别人对你的感受评价自己。 正确答案:√ 3 马丁·布伯的前半生主要致力于用哲学的方法研究宗教。 正确答案:√ 4 完全凭自己的好恶去评价一个人,就失去了社会的客观标准。 正确答案:√ 5 心理学是研究人类如何更好地生活,如何幸福的科学。 正确答案:√ 作业标题:古典心理学 1 马丁·布伯是()家 A、政治 B、历史学 C、宗教哲学 D、军事 正确答案:C 2

基于人脸识别技术的微表情研究与心理解读

基于人脸识别技术的微表情研究与心理解读摘要:本文旨在探讨运用现已广泛运用的人脸识别技术进行改进,实现个人心理解读的可行性,并进一步探讨是否能运用于实际中为我们的生活、工作提供便捷。本文中微表情研究是人脸识别技术与心理解读的交点,人脸识别技术有助于微表情的研究,而通过微表情的研究可以准确的解读出人们的真实情感。 关键字:人脸识别;微表情;心理;真实情感 正文:人脸识别是指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术,它属于生物特征识别技术的范畴,是对生物体(一般特指人)本身的生物特征来区分生物体个体的一门新兴技术。人脸识别实际是包括构建人脸识别系统的一系列相关技术,这门技术的根本是数字图像处理和成熟的影像技术,人脸识别包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等等。 现今,人脸识别在个人使用、商业和政府应用中都具有巨大潜力。这项技术还在不断进步和发展中,其应用越来越普及。就目前的技术和产品水平,人脸识别系统已经完全能够以客户可接收的成本水平,顺利实施和应用。 简单说,狭义范围内的人脸识别技术就是要计算机先记录人脸的特征(无论是现场采集还是从照片采集),然后在使用时(再次现场采集人脸图像,或提交照片)能自动准确地辨认出是否同一人。 它的原理和其他生物识别技术一样,人脸识别系统也是先产生人脸的特征模板并存储在数据库中。这些模板将被用于与提交来要求比对的模板进行一一匹配对比,通常,当某两个模板进行比对时,如果相似程度超过系统预先设定的阀值,系统就认为比对成功--这两个模板来自同一个人。 人脸识别技术原理也有不同的种类,包括基于人脸五官结构的识别,基于皮肤质地分析的识别,甚至基于人脸温度模式的识别。最新的技术采用了人脸三维图像建立模板--有从人脸二维图像自动生成三维图像建模的技术,也有真正以三维方式采集面部、头部图像建模的技术。 那么这样一门技术可不可以运用到心理学中去呢? 我们都知道人在不同的心理状况下会呈现出不同的面部表情和肢体动作。譬如说一个人眉毛上扬、挤在一起,他极有可能是处在恐惧、担忧或忧虑中;鼻孔外翻,嘴唇紧抿,表示有无法控制的怒气;下巴扬起,嘴角下垂表自责;单眼微眯,单侧嘴角微挑,表不屑、轻蔑等等。而婴儿的表情与心理对照就显得更加的微妙了,面对这些暂时还不会说话的baby,我们很难搞清楚他们的真实意图。只能从他们的哭啼、面部表情着手研究。通过长时间的观察了解,我们知道牵嘴而笑,表示兴奋愉快;撅嘴、咧嘴,是小便的信号;红脸横眉,是大便的信号;眼神无光,提醒父母要警惕等等。 从上面所举的例子来看,借助经验,我们可以扑捉到大多数情况下人们的想法,可是并

微表情应用在些方面[微表情研究及其应用]

微表情应用在些方面[微表情研究及其应用] 心理科学进展 xx, Vol. 18, No. 9, 1359–1368 Advances in Psychological Science 微表情研究及其应用* 吴奇1,2 申寻兵1,2 傅小兰1 (1中国科学院心理研究所; 脑与认知国家重点实验室, 北京100101) (2中国科学院研究生院, 北京 100049) 摘要微表情是一种持续时间仅为1/25秒至1/5秒的非常快速的表情, 表达了人试图压抑与隐藏的真正情感。本文系统梳理已公开发表的微表情实证研究报告, 对注重于测量微表情识别能力的早期研究、目前基于微表情训练工具(METT)的微表情识别应用研究以及刚刚萌芽的微表情表达研究进行总结分析, 明确指出以往研究中存在的问题, 建议未来研究应探讨METT 在不同文化中的有效性, 研究微表情表达的基本特点和主要影响因素, 并注重发展自动化的微表情识别工具。本文提出, 基于微表情的自动谎言识别系统将是微表情研究未来的应用方向之一。关键词微表情; 撒谎; 微表情识别; 微表情表达分类号 B842.6

1 引言 表情是人类表达自身情感信息的重要非言语 __, 可视为人类心 理活动的晴雨计。达尔文于1872年出版了著名的《人与动物的表情》(The Expression of Emotions in Man and Animals), 人类对面部表情的系统研究从此拉开了序幕。时至今日, 人类对于面部表情的研究已经非常丰富, 但关注的都是人的普通表情(Ekman & Rosenberg, xx) 。然而, 人除了有普通表情, 还存在着两种常常难以被人觉察的表情: 一种是弱表情(subtle expression), 其强度非常低; 另一种是微表情(microexpression), 其持续时间非常短(Ekman, xx) 。由于微表情与撒谎的关系密切(Ekman, xx, xx; Ekman & Sullivan, xx), 微表情近年来备受科学界(如Schubert, xx)和新闻界(如Henig, xx)的关注。 本文介绍微表情的性质, 系统梳理已公开发表的微表情实证研究报告, 从注重测量微表情识别能力的早期研究、目前基于METT 的微表情识别应用研究以及刚萌芽的微表情表达研究三个方面总结和分 析微表情的研究现状, 指出研究中存在的问题, 并对未来研究和应 用提出具体 : xx-03-31 * 中国科技部973项目(xxCB303101)和国家自然科学基金项目(90820305)支持。

微表情识别笔记

微表情内容整理 目录 惊讶 (2) 厌恶 (2) 轻蔑 (2) 愤怒 (3) 恐惧 (4) 悲伤 (4) 愉悦 (5) 7.3无意控制动作 (6) (一)头部姿势 (6) (二)面部表情 (6) 面部: (9) 身体微反应 (11) 激发情绪: (12) (一)设问: (12) (二)逼问 (12) (三)去控策略 (12) 辨析情绪: (13) (一)查找异动点 (13) (二)排除干扰点 (13) 辨析感觉-契合表达: (14) 案例解读 (14) 1

2 惊讶 眉毛上扬;上眼睑提升,睁大眼睛,眼睛警觉;嘴部自然、松弛,张口吸气;表情只持续1秒种。 形态:惊讶=抬眉+睁眼(虹膜暴露增大)+张口吸气 厌恶 表情形态 眉毛下压,皱紧双眉; 眼睛眯紧或闭起,眼睑紧张。 皱鼻,上唇提升, 鼻翼两侧形成鼻唇沟。 闭嘴 形态:厌恶=皱眉+闭眼+上唇提升(闭嘴) 单边嘴角倾斜向上运动的同时单边嘴角收缩。

单边嘴唇上扬。 没有明显眉、眼、鼻的动作 轻蔑=单边嘴唇上扬+微带笑意 眉毛下压,皱眉; 上眼睑提升,下眼睑紧绷、变直-睁大眼,怒视,眼神有力,三角眼;眼球上翻; 鼻孔喷气,鼻唇沟、鼻翼提升、扩张; 脸颊隆起,上唇提升,下唇外凸,咬牙切齿; 收紧嘴唇,紧闭嘴,撅嘴,憋气,鼓下巴,嘴角下弯;缩下巴。 张口嘶吼。 愤怒=皱眉+瞪眼+闭嘴鼓腮或呲牙咧嘴 3

恐惧 恐惧=皱眉+眉头抬高+瞪大警觉的眼睛 悲伤 4

悲伤=眉头皱上扬+闭眼+咧嘴 愉悦 5

愉悦=眯眼+咧嘴+嘴角上扬 7.3无意控制动作 (一)头部姿势 头略微倾斜地偏向某一侧——在倾听或者对谈话感兴趣; 头保持正直,尤其下颚在颤动——在压抑愤怒的情绪; 头低到了胸前,下巴几乎触到胸骨,同时目光下垂——沮丧或者接受的意思; 低下头,眼睛却仍然盯着询问者——意味着挑衅或者愤怒,而非沮丧或接受。 (二)面部表情 眉毛下扬且并拢,眼睛瞪视,嘴唇紧锁——愤怒 嘴角翘起且只展露在脸部的一侧——轻蔑 印堂起皱纹,上嘴唇上扬——厌恶 眉毛上扬且紧锁,上眼皮上扬和下眼皮绷紧,嘴唇微微张开水平靠近两耳——恐惧 眉毛上扬,两眼瞪大,嘴巴微微张开——惊讶 上眼皮下垂,两眼无光,两侧嘴角微微下拉——悲伤 扯动眼窝周围的肌肉,会有鹰爪皱纹,嘴角上扬,形成眼袋,在眼角形成皱纹,脸颊上扬鼓起——快乐 6

基于MATLAB的人脸识别

图像识别 题目:基于MATLAB的人脸识别 院系:计算机科学与应用系 班级: 姓名: 学号: 日期:

目录 引言 (1) 1 人脸识别技术 (2) 1.1人脸识别的研究内容 (2) 1.1.1人脸检测(Face Detection) (2)

1.1.2人脸表征(Face Representation) (2) 1.2几种典型的人脸识别方法 (3) 1.2.1基于几何特征的人脸识别方法 (3) 1.2.2基于K-L变换的特征脸方法 (4) 1.2.3神经网络方法 (4) 1.2.4基于小波包的识别方法 (5) 1.2.5支持向量机的识别方法 (5) 2 人脸特征提取与识别 (5) 2.1利用PCA进行特征提取的经典算法——Eigenface算法 (6) 2.2 PCA人脸识别流程 (6) 2.3特征向量选取 (8) 2.4距离函数的选择 (9) 2.5 基于PCA的人脸识别 (9) MATLAB人脸识别程序 (10) 3 MATLAB软件程序编写 (10) 3.1.创建图片数据库 (10) 3.2 主程序 (11) 3.3最终程序结果 (12) 4 心得与体会 (12) 参考文献 (13)

引言 随着社会的发展及技术的进步,社会各方面对快速高效的自动身份验证的需求可以说无处不在,并与日俱增。例如,某人是否是我国的居民,是否有权进入某安全系统,是否有权进行特定的交易等。尤其是自2001年美国“9.1l”恐怖袭击发生以来,如何在车站、机场等公共场所利用高科技手段,迅速而准确地发现并确认可疑分子成了目前世界各国在反恐斗争中普遍关注的问题。为此,各国都投入大量人力、物力研究发展各类识别技术,使得生物特征识别技术得到了极大的发展。生物特征识别技术主要包括:人脸识别、虹膜识别、指纹识别、步态识别、语音识别、笔迹识别、掌纹识别以及多生物特征融合识别等。人类通过视觉识别文字,感知外界信息。在客观世界中,有75%的信息量都来自视觉,因此让计算机或机器人具有视觉,是人工智能的重要环节。由于生物特征是人的内在属性,具有很强的稳定性和个体差异性,因此是身份验证最理想的依据。与虹膜、指纹、基因、掌纹等其他人体生物特征识别系统相比,人脸识别系统更加直接、方便、友好,易于为用户所接受,并且通过人脸的表情、姿态分析,还能获得其它识别系统难以得到的一些信息。 人脸识别技术在国家重要机关及社会安防领域具有广泛用途。例如:公安系统的罪犯识别、信用卡验证、医学、档案管理、视频会议、人机交互系统等身份识别和各类卡持有人的身份验证。同其他人体生物特征(如:指纹、掌纹、虹膜、语音等)识别技术相比,人脸识别技术的隐性最好,人脸识别系统更直接、友好,是当今国际反恐和安防最重视的科技手段和攻关标志之一。虽然人类能毫不费力地识别出人脸及表情,但对人脸的机器自动识别确实一个难度极大的课题,它涉及到模式识别、图像处理及生理、心理学等诸多方面的知识。人脸识别技术的研究虽然己经取得了一定的可喜成果,但在实际应用中仍存在着许多严峻的问题。人脸的非刚体性、姿态、表情、发型以及化妆的多样性都给正确识别带来了困难,要让计算机像人一样方便地识别出大量的人脸,尚需不同科学研究领域的科学家共同不懈的努力。

相关文档
最新文档