山世光——人脸识别技术概述
人脸识别技术简介 ppt课件
识别过程
未知样本
特征 抽取
特征 比对
识别结果
已知样本 类别
特征 抽取
模板库
训练过程
9
人脸识别问题的困难性：
不同人的人脸图象具有相似的结构，相同人的人脸图象受 各种变化因素的影响很大。
1、采集设备 2、表情 3、饰物 4、发型 5、姿态 6、光照 7、年龄
……
10
多姿态人脸检测结果示例：
11
多姿态人脸检测结果示例：
人脸识别系统简介
ppt课件
1
目录
引言 人脸识别技术的基本原理 人脸识别系统简介 国际上人脸识别技术的发展趋势 总结
2
引言（I）
基于生物特征的身份认证(Biometrics)：
通过计算机利用人体所固有的生理特征或行为特征来进行个人身 份识别认证。
生物特征=生理特征+行为特征 生理特征(what you are?) 与生俱来，如DNA、脸像、指纹等 行为特征(what you do?)
网吧
售票窗口 车站安检口 银行柜台 小区出入口
场景
刷卡者长什么样？是否是本人？周围还有些什么人？
功能
刷卡信息与现场视频做标签绑定； 通过证件条件查询录像； 身份证信息黑名单布控； 人脸正面图片1:1、1:N 比对。
提供快速查找录像的手段，提高工作效率；
用途 人脸黑名单报警，防患于未然。
2、采集设备成本 很低，容易采 集；
3、普遍性好，人 人都有。
5
人脸识别系统分类：
识别（identification）： 这是谁？
1对多比对，从计算机存储的人脸图像库中找出与输入人脸图像相
似的若干图像。
人脸识别ppt
➢这些生物特征本身固有的特点决定了其在生物认证中 所起的作用是不同的.
基于先验形状的水平集图像分割
XDZX
➢优势：既包括使全局形状一致的隐含曲面约 束 ,又保持了水平集捕捉局部形变的能力 。
➢经典处理过程：首先在水平集空间利用一样 本集构造一个形状模型 , 此形状模型使用变 分框架由隐含函数来描述先验形状的变化 。 然后模型引入能量函数作为先验形状项 ,该 项的目的是使演化曲线与形状模型的距离最 小。
2 基于相关匹配的方法
XDZX
➢基于相关匹配的方法包括模板匹配法和等强 度线方法。
➢①模板匹配法：Poggio和Brunelli专门比较了 基于几何特征的人脸识别方法和基于模板匹 配的人脸识别方法。
➢②等强度线法：等强度线利用灰度图像的多级 灰度值的等强度线作为特征进行两幅人脸图 像的匹配识别。
3 基于神经网络的方法
三.基于水平集的图像分割方法
XDZX
定义：水平集方法是将n维曲面的演化问题转化为n+1维空 间的水平集函数曲面演化的隐含方式来求解。
优势：非参数化、自动处理拓扑结构的变化、捕捉局部形 变、提供一个自然的方法来估计演化曲线的几何特 性
劣势：不能有效的处理有噪声、不完整数据的图像
水平集方法研究现状
XDZX
虹膜 High High High Medium High Low High
视网膜 High High Medium Low High Low High
人脸识别技术研究
引言人脸识别技术研究1 引言1.1 选题背景目前，在个人身份鉴别中主要依靠ID卡和密码等传统手段，这些传统手段的安全性能较低，且都是基于，“What he Dossesses”或“What he remembers”的简单身份鉴别，离真真意义上的身份鉴别“Who he is”还相差甚远。
依靠传统方法来确认个人身份越来越不适应现代科技的发展和社会的进步。
生物特征识别技术给可靠的身份鉴定带来了可能。
最近，国际生物特征组织(IBG)对生物特征识别技术做了较详细的市场分析和预测，其结果显示，全球生物特征识别技术2014年的产值约为69亿美元，预计到2016年将超过93亿美元，市场潜力非常巨大…。
生物识别技术是指利用一个人特有的生理和行为特征进行自动的身份认证。
只有满足以下几个条件的生理或行为特征才能被用做生物识别特征1)普遍性。
即每个人都要具备这种特征。
2)唯一性。
即不同的人应该具备不同的这种特性。
3)持久性。
即这种特征不随时间地点的改变而变化。
4)可采集性。
即该特征可以被定量地测量。
研究和经验表明，人脸、指纹、手型、掌纹、虹膜、视网膜、签名、声音等都满足这些条件，可以用于识别人的身份。
基于这些特征，人们发展了人脸识别、指纹识别、语音识别、虹膜识别等多种生物识别技术。
在所有的生物特征识别技术中，利用人脸特征进行身份识别是最自然、最直接和最友好的于段。
与其它生物特征识别技术相比，人脸的获取非常容易，几乎可以在被采集对象无意识的状态下获取人脸图像，这样的取样方式没有“侵犯性”。
人脸识别技术是种重要的生物特征识别技术，应用非常广泛。
人脸是自然界存在的一种特殊的复杂视觉模式，它包含及其丰富的信息。
首先，人脸具有一定的不变性和唯一性，人脸识别是人类在进行身份确认时使用最为普遍的一种方式，人脸图像还能够提供一个人的性别、年龄、种族等有关信息。
其次，人脸也人脸识别技术研究具有多样的变化能力，从人脸的不同表情人们可以感知到一个人的情绪、感受、甚至秉性和气质。
人脸识别技术的发展及应用
人脸识别技术的发展及应用随着社会的发展，安全问题也日益成为人们关注的焦点。
在各种安全保障技术中，人脸识别技术受到越来越多的关注和应用。
人脸识别技术是一种将图像处理、计算机视觉和模式识别技术相结合的技术，通过对输入的图像和视频中的人脸进行分析，进行人脸识别、检测、跟踪和识别等相关工作。
从最初的只能识别大面积黑白照片到后来的可见光、多视角、3D和细节识别等，人脸识别技术已经经历了一个相当艰难的发展历程，并取得了卓越的成果，目前已经进入了一个全新的发展时期。
一、人脸识别技术的分类目前，人脸识别技术的分类主要有三种：2D人脸识别、3D人脸识别和多模态人脸识别。
2D人脸识别是最常见和常用的一种人脸识别技术，它通过利用人脸的特征信息，如人脸轮廓、眼睛、鼻子和嘴巴等特征来识别出目标人物。
由于二维人脸图像很容易获取，而且计算简单，所以2D人脸识别技术具有较高的实际应用价值。
3D人脸识别与2D人脸识别相比，可以获取更多的人脸几何信息，从而提高识别的准确率。
它能够对人脸深度、形状、表面纹理等多种信息进行刻画，也能够适应面部表情和光照变化等情况。
然而，3D人脸识别技术需要使用相对较昂贵的设备进行采集，因此，成本仍然是一个问题。
多模态人脸识别技术则是将2D和3D人脸识别技术相结合，采用多种感知模态和算法来进行人脸识别。
这种技术可以综合多种人脸信息，如声音、手势等，从而提高识别的准确率和鲁棒性。
二、人脸识别技术的应用人脸识别技术在安防、金融、互联网和娱乐等领域中有广泛的应用。
在安防领域，人脸识别技术可以用来监测和识别不法分子，提高公共安全。
在金融领域，人脸识别技术可以用来识别和认证客户的身份，从而防止诈骗和洗钱等违法活动的发生。
在互联网领域，人脸识别技术可以用来验证用户的身份和提供更好的个性化服务。
在娱乐领域，人脸识别技术可以用来制作特效和人脸融合等有趣的应用。
其中，人脸识别技术最为广泛地应用于公安安防系统。
通过将人脸识别技术应用于视频监控系统中，能够通过摄像头获取目标人物的人脸信息，并采用人脸识别算法进行实时识别，从而迅速锁定目标并提高工作效率。
3d结构光人脸识别技术原理
3d结构光人脸识别技术原理宝子们！今天咱们来唠唠超酷的3D结构光人脸识别技术原理，可有趣啦。
咱先说说啥是3D结构光。
你可以把它想象成一个超级神奇的光影魔术手。
简单来讲呢，就是它会发射出一种特殊的光线图案。
这种光线图案就像一个精心编织的光网一样，密密麻麻又很有规律地投射到人的脸上。
这就好比是给脸穿上了一件由光线做成的定制衣服。
那为啥要投射这个光线图案呢？这可就很关键啦。
当光线投射到脸上之后，因为人脸是立体的嘛，有高有低，有鼻子有眼睛啥的，不同的部位就会对光线产生不同的反射和扭曲。
就像你把一个平整的网扔到一个有山有水有坑洼的地方，这个网肯定就会变得奇形怪状啦。
人脸也是这个道理，鼻子那里可能就把光线顶起来了，眼睛那里可能就凹下去让光线拐个弯。
然后呢，就到了接收光线这个环节啦。
有专门的传感器就像一个超级灵敏的小眼睛一样，在旁边等着接收被人脸改变后的光线图案。
这个传感器可厉害着呢，它能非常精确地捕捉到光线的每一个细微变化。
就好像是一个超级侦探，不放过任何一点小线索。
接下来就是数据处理的部分啦。
传感器接收到的光线图案信息被传送到一个像超级大脑一样的处理系统里。
这个系统就开始像拼拼图一样，根据光线的变化来计算人脸各个部位的深度、形状这些信息。
它会算出你的鼻子有多高，眼睛有多深，脸有多宽等等。
这就像是在给你的脸画一幅超级详细的3D地图一样。
你知道吗？3D结构光人脸识别技术还有一个很厉害的地方，就是它能够区分出真脸和假脸。
比如说，要是有人想用照片或者面具来糊弄它，那可就没门儿啦。
因为照片和面具都是平面的，没有真正人脸的那种立体结构，在光线投射上去之后，反射出来的图案和真脸的差别可大了。
就像你拿一个假的苹果模型，虽然看起来有点像苹果，但真苹果的那种圆润、有坑洼的感觉是模仿不来的。
而且啊，3D结构光人脸识别技术在很多地方都大显身手呢。
像咱们的手机，现在好多手机都有这个功能啦。
你只要看一眼手机，它就能快速识别出你是不是手机的主人，然后就欢快地解锁啦。
人脸识别技术的应用与前景
人脸识别技术的应用与前景随着科技的发展，人脸识别技术在各个领域得到了广泛应用，并取得了令人瞩目的成就。
从最初的安防领域，到现在的金融、零售、医疗等多个领域，人脸识别技术正在改变着我们的生活。
本文将从应用场景、技术优势以及未来发展方向等多个方面来探讨人脸识别技术的应用与前景。
一、应用场景1. 安防领域人脸识别技术最早应用于安防领域，可帮助判断陌生人员，监控可能的违法行为。
基于人脸识别技术的门禁系统、智能锁、监控设备等已经普及到了大众的生活中。
在一些公共场合，例如机场、车站、商场等，都安装了人脸识别的安全检测设备，以提高人员安全。
2. 金融领域在金融领域中，人脸识别技术也得到了广泛应用。
人脸识别技术可作为一种身份验证方式，可以有效减少由于复杂的人工操作而引发的客户投诉。
尤其是在移动支付及数字金融等领域，人脸识别技术更是被广泛应用，为用户提供了更加安全、便捷的支付方式。
3. 零售领域在零售行业中，人脸识别技术可以用于商品的智能化识别、用户画像分析等方面。
例如在一些商场中，通过人脸识别的方式了解用户的购物行为，为用户提供更加精准的推荐和服务。
4. 医疗领域人脸识别技术也在医疗领域中发挥了重要作用。
例如在医院的挂号、诊断等环节中，可以应用人脸识别技术对病人的身份进行准确识别，以提高医患沟通的效率和准确性。
二、技术优势1. 高可靠性相较于传统的身份识别方式，人脸识别技术具有更高的可靠性。
人脸识别技术不受传统身份识别方式的限制，通过数字处理技术高精度准确地识别出用户的身份信息。
2. 低误识率人脸识别技术在处理过程中，利用深度学习等技术，不断优化识别算法，极大地降低了误识率。
在实际应用中，人脸识别技术已经达到了极高的准确率。
3. 高安全性人脸识别技术具有高度的个性化和不可复制性，通过对人脸细节、表情、造型等多方面进行识别，可以有效防止身份伪造、冒领等安全问题。
三、未来发展方向1. 人脸识别技术的优化随着人脸识别技术的不断发展，未来人脸识别技术将不断优化，提高技术的灵敏性和准确度。
人脸识别技术介绍课件 PPT
人像验证 输入两张照片，确定它们是否来自于 持证人身份核实、电子政务、电子商务、移动设
Verification 同一个人。
备访问控制等。
-15-
1 : 1 的验证过程
-16-
1 : N 的辨识过程（N : N）
-17-
人脸识别应用场景
根据对公安现有的业务现状及系统分析，我们可以归纳为两类应用： 静态和动态两种应用模式。其中某些管理工作可以两种模式共同应用。
选择一张经人像识别系统比对后的相片打印在成绩单上。
-23-
监管
数据采集及核查：公安监管部门在采集人员身份信息时，只有身份证号等字符信息确定唯 一身份，缺乏相片比对等辅助手段，常遇到被监管人员不报或谎报信息、送押单位核实难等问 题，造成了人员信息不完整不真实、数据复用效果不佳，且容易引起公民身份被冒用的上访事 件。现有人工核查手段单一繁琐，被监管人员存疑数据量大，导致了监所核查工作难度大、效 率低。建议开发接口，使人像比对系统增加人口库信息，并与监所业务系统对接，以便较准确 完整地采集和核查信息。
深挖犯罪：隐瞒个人真实信息的被监管人员往往存在劣迹或在逃信息，是监所开展深挖犯 罪工作的重要打击对象。建议通过与在逃人员库进行相片信息比对碰撞，可有效加强深挖犯罪 工作。
安全管理：在监所日常管理中，可增加门禁管理、外来人员管理等系统的人像比对功能， 把好出入口关。
-24-
出入口（监狱/劳教/看守所）
人脸识别技术介绍
目录
第一部分 第二部分 第三部分
人脸识别原理 人脸识别的应用场景 人脸识别算法
-1-
生物识别技术
生物特征
生理特征 what you have?
-人像 -DNA -虹膜 -指纹 “与生俱来”
人脸识别PPT课件
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
2 图像预处理
➢ 灰度化
将彩色图像转换为灰度图，其中有三种方法：最大值法、平均值法、以及加权平均法。
➢ 几何变换
通过平移、转置、镜像、旋转、缩放等几何变换对采集的图像进行处理，用于改正图像采集系统的系统误差。
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
4 人脸识别
主流的人脸识别技术基本上可以归结为三类：
基于几何特征的方法
基于模板的方法
• 特征脸方法 • 线性判别分析方法 • 奇异值分解方法 • 神经网络算法 • 动态连接匹配
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
1 应用场景
身份证查验，证据留存
当前主要是通过扫描或者复印身份证信 息，人工比对身份证照片。扫描或复印身份 证只是作为备案，并不能有效核实身份证真 伪。要确保是采用真实身份证办理业务，必 须有某种技术手段对办事人提供的身份证进 行查验。
2 几何变换
定义：图像空间变化，将一幅图的坐标位置映射到另一幅图像中的新坐标上。 目的：通过适当的几何变换，消除几何因素（视角，方位等）造成的图像外观变化。
➢ 图像平移 ➢ 图像转置 ➢ 图像旋转 ➢ 图像缩放
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
人脸识别技术的现状和发展趋势
与 信息发展
人脸识别技术的现状和发展趋势
□
摘
侯
鲲
贾隆嘉
王赫宁
（东北师范大学计算机科学与信息技术学院 吉林・长春 130117） 要：人脸识别技术作为图像分析中最成功的应用近几年得到了高度重视， 而我国关于这项技术的应用研究 还处于起步阶段。 通过介绍国内外人脸识别技术的发展现状以及目前所取得的成果， 对该项技术的发展趋势进 行了判断， 这为人脸识别技术的发展提供了良好的依据。 关键词：人脸识别 中图分类号：TP1 发展现状 发展趋势 文献标识码：A 文章编号：1007-3973（2010）011-043-02 我国许多研究机构、大专院校应经在图像处理和模态分析等 方面都取得了较多的研究成果，对包括人脸识别在内的人体 生物特征识别技术的基础研究和应用开发工作进行了大量的 研究，相信我国在这一研究领域的研究和产品开发取得世界 领先地位的目标指日可待。总之，人脸自动识别系统会对人 们的生产生活取得巨大的影响，而人脸识别技术也会有着非 常广阔的应用前景。 2 人脸识别常用技术 人脸不同的特征，分别具有相应的计算模型及算法。而 如何应用计算机确定人脸特征是目前研究的重点。 2.1 人脸特征 （1） 灰度特征 人脸模式的特征包括灰度特征和肤色特征。轮廓是人头 部的重要特征， 而人脸区域内的各个器官(如双眼、 鼻子、 嘴等) 具有自己独特的灰度分布特征。我们可以将人脸区域的灰度 本身作为特征模板， 选取仅包含鼻子、 双眼和嘴的面部中心区 域的某些特性参数， 作为人脸特征模板的共性特征， 并且忽略 头发、脸颊等会产生很大变化的部分。基于统计学习的人脸 检测方法会经常用到这种方法。 （2） 肤色特征 肤色不依赖于面部的细节特征， 它是人脸的重要信息， 并 且不会由于表情的变化而产生变化，具有相对的稳定性。所 以， 人脸检测中通常采用肤色特征进行检验。一般情况下， 主 要由肤色特征来对肤色模型进行描述，而肤色模型的选择又 需要依据色度空间变化。我们通常可以从色度空间中的“肤 色” “非肤色” 与 区域重叠的多少、 “肤色” 描述 区域的分布两个 方面来选择色度空间。而混合高斯模型、高斯模型和直方图 模型是我们通常采用的肤色模型。 2.2 识别算法 （1） 肤色区域分割与人脸验证方法 通常情况下， 我们对于彩色图像的图像处理， 首先是在确 定肤色模型之后， 对肤色进行肤色像素检测； 然后在检测出肤 色像素后，按照肤色像素在空间上的相关性和色度上的相似 性上， 分割出可能存在的人脸区域， 然后根据被测区域的灰度、 几何特征等参数， 对是否是人脸进行判断， 以区分具有类似肤 色的其他物体。 区域分割与验证在很多方法中是相辅相成的。 但在某些特定的情况下，肤色区域分割仅仅根据肤色像素的 聚积特性就可以完成。但对于情况较为复杂的条件，则需要
人脸识别技术综述_论文
人脸识别技术综述[摘要]随着社会信息化，网络化得不断发展，个人身份趋于数字化，隐性化，如何准确的鉴定，确保信息安全得到越来越多的重视。
人脸识别，一种应用比较广泛的生物识别方法，在基于人脸固有的生物特征信息，利用模式识别和图行图像处理技术来对个人身份进行鉴定，在国家安全，计算机交互，家庭娱乐等其他很多领域发挥着举足轻重的作用，能提高办事效率，防止社会犯罪等，有着重大的经济和社会意义。
本文主要研究了人脸识别在图像检测识别方面的一些常用的方法。
由于图像处理的好坏直接影响着定位和识别的准确率，因此本文对图像的一些识别算法做了着重的介绍，例如基于二维Gabor小波矩阵表征人脸的识别算法，基于模型匹配人脸识别算法等。
此外，本文还提及了一般人脸识别系统的设计，并着重介绍了图像预处理环节的光线补偿，图像灰度化等技术，使图像预处理模块在图像处理过程中能取到良好的作用，提高图像识别和定位的准确率。
[主题词]：人脸识别；特征提取；图像预处理；光线补偿1.3国内外现状与趋势1.3.1 人脸识别的发展阶段[1]第一阶段（1964年----1990年）该阶段人脸识别技术还只是作为一个一般性的模式识别问题来研究，基于人脸几何结构特征（Geometric feature based）的方法是该阶段主要的技术方案。
在剪影（Profile）方面，人们大量研究了面部剪影曲线的结构特征，提取并分析。
布莱索（Bledsoe），戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等是较早从事自动人脸识别AFR研究的研究人员。
总的说来，该阶段是人脸识别研究的初级阶段，没有多少很重要的成果，也基本没有获得什么实际应用。
第二阶段（1991年-----1997年）该阶段尽管时间比较短暂，但却是人脸识别研究的高峰期，取得了很多成果，比如诞生了一些代表性的人脸识别算法，并出现了一些商业化运作的人脸识别系统（比如较著名的Visionics的FaceIt系统）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• What you are/how you do
一种新的技术手段——Biometrics 一种新的技术手段——Biometrics
4
山世光，sgshan@
传统方法有什么问题？
How many individuals in this picture?
18
山世光，sgshan@
人脸识别的基本原理 及其计算模型探讨
19
山世光，sgshan@
我们人类靠什么识别？
天赋的能力还是后天获得的？ 脸形，面部器官结构
• 国田由用，目甲风申
皮肤和肤色
H M M H H L M H
L H M H H L L H
M H M H M L L L
H M H M L H M H
L H M H H L L M
H M M L L H H H
L L M H H L L H
10
山世光，sgshan@
为什么要做人脸识别？
多学科领域的挑战性难题
• • • • 模式识别：最典型、最困难的模式识别问题 人工智能：人类智能的基本体现 计算机视觉：实现人眼的功能 下一代人机交互
9
山世光，sgshan@
Biometrics比较 Biometrics比较
Biometrics Face Fingerprin t Hand Geometry Iris Retinal Scan Signature Voice Facial Thermogr am
Universali ty Uniquene ss Permanen ce Collectabili ty Performan ce Acceptabili ty Circumventi on
护照、身份证、驾照等各类证件查验
公安系统用于确定犯罪嫌疑人身份 监控敏感人物（间谍、恐怖分子等） 在PDA等移动终端上进行现场比对 防止非法人员进入会场带来危险因素 如银行大厅，预警可能的不安全因素 能够识别家庭成员的智能机器人 自动识别用户身份，提供个性化界面 自动识别用户身份，提供个性化界面 提供真实感的人物面像，增加交互性
海关、港口、机要部门等查验持证人的身份是否合法
国家安全 公共安全
人机交互
公共安全 教育 公共安全 信息安全 企业应用 金融安全 金融安全 信息安全 公共安全 12 人机交互
准考证查验 机要部门物理门禁 机要信息系统门禁 身份验 证 面像考勤系统 金融用户身份验证 电子商务身份验证
智能卡
防止替考问题 避免钥匙和密码被窃取造成失窃 避免单纯的密码被窃取造成信息被窃 方便，快捷，杜绝代考勤问题 避免单纯的密码被窃取造成财产损失 安全可靠的身份验证手段
全局特征与局部特征孰轻孰重？
• 全局特征主要包括人脸的肤色特征（比如白皙、黝黑）、总体轮廓（比 如圆脸、鸭蛋脸、方脸、长脸等）、以及面部五官的分布特征（比如， 在绘画界就有“国田由用，目甲风申” 在绘画界就有“国田由用，目甲风申”8种脸形之说），中医也将人脸 按照总体结构特征划分为“金木水火土”五行（侧重人脸3D结构和肌肉 按照总体结构特征划分为“金木水火土”五行（侧重人脸3D结构和肌肉 凸凹情况） • 而局部特征则主要指面部五官的特点，比如浓眉毛、丹凤眼、鹰勾鼻、 大豁嘴、八字胡须、尖下巴等，以及面部的一些奇异特征，比如黑痣、 伤痕、酒窝等等 • 二者对识别都是必要的，但全局特征一般用来进行粗略的匹配，局部特 征则提供更为精细的确认。 21
人脸识别的不足
• 不同人脸的相似性大 • 安全性低，识别性能受外界条件的影响非常大
14
山世光，sgshan@
技术挑战
影响人脸图像表观的因素 人与摄像设备的位置关系（距离角度等） 光照环境条件 摄像设备 图像存储质量 年龄变化 意外损伤 饰物（眼镜帽子等） 化妆、整容 精神状态 健康状况 面部毛发(头发，胡须)
3
山世光，sgshan@
无处不在的身份验证
如何证明你的身份？
• 设想你被警察拦下... 设想你被警察拦下...
传统方法
• What you have
身份证，暂住证，结婚证，工作证，银行卡，钥匙... 身份证，暂住证，结婚证，工作证，银行卡，钥匙...
• What you know
• 光滑/粗糙，黝黑/白皙 光滑/粗糙，黝黑/
局部特性
• 黑痣，刀疤，鹰勾鼻子，独眼龙
动态特征
• 酒窝，皱纹
20
山世光，sgshan@
人类视觉识别系统特性简介及其借 鉴意义
人脸识别是否是一个特定的过程？
• 证据：“人脸识别能力缺失症（Prosopagnosia）”患者的存在，患有 证据：“人脸识别能力缺失症（Prosopagnosia） 此症的人可以正常的识别其他物体，甚至可以正确的识别鼻子眼睛和嘴 巴等面部器官，但是就是不能认出熟悉的人脸，因此有理由怀疑其人脸 识别功能区遭到了破坏。
人脸识别技术概述
山世光中科院计算所1山世光，sgshan@
引子
人世间找不两张完全一样的脸！
• 人脸是人类赖以区分不同人的基本途径
谁决定了你的长相？
• 基因 + 成长环境 • 双胞胎 • 夫妻相
世间一切尽在脸上！
2
山世光，sgshan@
提纲
相关背景 人脸识别的基本原理 人脸检测典型方法 人脸识别的典型方法 开放问题及讨论
25
山世光，sgshan@
Mark
26
山世光，sgshan@
人类视觉识别系统特性简介及其借鉴意义
特异度对人脸识别的影响
• 最“漂亮的”、最“丑陋的”、最“奇异的”的人脸都是最容易被记住 漂亮的”、最“丑陋的”、最“奇异的” 的，而大众化的人脸则不太容易被记住 • “大众脸”并不等于“平均脸”，大众脸是指经常可以见到的“脸”， 大众脸”并不等于“平均脸”，大众脸是指经常可以见到的“ 而“平均脸”并不多见 平均脸”
卡、钥匙丢失
• 青年公寓的钥匙牌... 青年公寓的钥匙牌...
密码危机
• 密码遗忘
纽约每天1000人以上忘记密码 纽约每天1000人以上忘记密码
• 密码被猜中
生日、电话号码、车号、宿舍... 生日、电话号码、车号、宿舍...
• Heavy web users have an average of 21 passwords; 81% passwords; of users select a common password and 30% write their passwords down or store them in a file. (2002 NTA Monitor file. Password Survey)
• Bio——生物 Bio——生物 • Metrics——测量 Metrics——测量
事实含义
• 通过人体自身的生理特征(what you are)或行为 通过人体自身的生理特征(what are)或行为 特征(how 特征(how you do)进行身份验证的技术 do)进行身份验证的技术
6
山世光，sgshan@
局部特征 vs 全局特征
Thatcher Illusion
24
山世光，sgshan@
人类视觉识别系统特性简介及其借鉴意义
面部特征对识别的重要性分析
• 不同的面部区域对人脸识别的重要性是不同的，一般认为面部轮廓、眼 睛和嘴巴等特征对人脸识别是更重要的，人脸的上半区域对识别的意义 明显比下半区域重要；鼻子在侧面人脸识别中的重要性要高于其他特征
光照变化与人脸识别
7
山世光，sgshan@
生物特征识别技术(Biometrics) 生物特征识别技术(Biometrics)
8
山世光，sgshan@
Biometrics孰优孰劣？ Biometrics孰优孰劣？
Universality (all users possess this biometric) Uniqueness (varies across users) Permanence (does not change over time) Collectability (can be measured quantitatively) Performance (Low error rates and processing time) Acceptability (is it acceptable to the users?) Circumvention (can it be easily spoofed?)
损失
• 2002年，仅美国330万人次的身份盗用；670万信用卡诈骗案 2002年，仅美国330万人次的身份盗用；670万信用卡诈骗案
5
山世光，sgshan@
一种新的技术手段
生物特征识别技术Biometrics 生物特征识别技术Biometrics 什么是Biometrics? 什么是Biometrics?
Biometrics
生理特征(what 生理特征(what you are)
• Finger, face, palm, hand, foot, iris, vein...
行为特征(how 行为特征(how you do)
• 步态，声音，敲击键盘，签名... 步态，声音，敲击键盘，签名...
人人拥有，人各不同！
安全可靠的授权
会议代表身份验证 屏幕保护程序
防止非法人员进入会场带来危险因素 方便快捷的允许合法用户打开屏保 山世光，sgshan@
人脸识别相关研究内容
生物特征识别
• 人脸、指纹、虹膜、视网膜、掌纹、
人机交互(HCI) 人机交互(HCI) 人脸图像编码/ 人脸图像编码/压缩 表情分析，情感计算 人脸动画 face animation 人脸属性分类