人脸识别系统简介PPT

美国NIST组织的MBGC项目：
MBGC ( Multiple Biometric Grand Challenge)的主要目的：研究与实际应 用环境相关的人脸和虹膜识别问题
静态图像和视频中的虹膜识别； 通道入口处高清近红外和可见光的人脸视频的识别； 非限制条件的人脸识别。
总结：
传统以较低分辨率人脸图像为对象的人脸识别其主流方法为基于图像的人脸识别方法， 在限制性条件下取得了较好的应用效果，但进一步提高其性能目前遇到瓶颈。 人脸识别技术的一个发展趋势是通过传感器技术的发展及算法的配合，在不影响其应用 方便性的前提下，通过一次拍摄获取多种生物特征，以多模生物特征融合的方法提高身 份认证的准确率：
交换机
前端设备
交换机
人人脸脸采集监服务 控器平台
中心机房
人脸识别系统简介：
现有应用平台： 1、针对平安城市建设的卡视联动平台
场景
宾馆 网吧 售票窗口 车站安检口 银行柜台小区出入口 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。
人脸识别系统简介
汇报人：小某某
日期：XX年X月
目录/Contents
01 引言
02 人脸识别技术的基本原理
03 人脸识别系统简介 04 国际上人脸识别技术的发展趋势
05 总结
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。
FAR：输入图象没有监控名单中的人脸时错误报警的几率； N选累积侦测率：输入图像包含监控名单中的人脸时输
出的前N候选中包含正确结果的几率。
输入图像 或视频
人脸识别 系统
个人身份
计算机模式识别的基本原理：
未知样本
已知样本 类别Βιβλιοθήκη 特征 抽取特征 抽取
主要问题是样 本的变化引起 特征抽取和比 对的困难。
识别过程
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?)
后天习惯形成，如笔迹、步态等
不易遗忘或丢 失、不易伪造 或被盗、随身 携带 ……
视频监控：
摄像机高度H 俯角
到被摄人的距离D
θ°
身高 h 脸中心大约离地 高度 f
用途
➢ 提供快速查找录像的手段，提高工作效率； ➢ 人脸黑名单报警，防患于未然。
人脸识别系统简介：
现有应用平台： 2、针对平安城市建设以人脸监控为基础的人员卡口平台
场景
政务部门 小区
金融
学校
功能 用途
➢ 人脸检测、识别与验证； ➢ 生成图片标签索引； ➢ 片段录像快速回放。
➢ 通过人脸图片快速回放录像，提高工作效率； ➢ 人脸黑名单报警，防患于未然。
引言（II）
人脸识别技术：
通过计算机利用每人所固有的人脸特征来进行个人身份识别认证的技术。
1、最自然、最友好，易接受； 2、采集设备成本很低，容易采集； 3、普遍性好，人人都有。
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。
欧盟的3D Face项目 美国NIST组织的MBGC项目
欧盟的3D Face项目：
项目背景： 欧盟各个国家的电子护照都包含人脸照片； 针对出入境自助检查，进一步提高人脸识别技术的性能。
项目网址：http://www.xxxxxxxx.xxx
3D Face项目总结：
开发能够同时采集3D和高清2D人脸数据的传感器； 在算法层面上通过普通人脸识别算法、高清人脸识别算法和3D人脸识别算法的多 算法融合来提高人脸识别技术的精度。
前端采集 摄像机
人脸监控系统 （采集模块+识 别、验证模块）
2、形式二： 前端采集
摄像机 +
人脸 采集模块
人脸 监控系统 （识别+验证模
块）
结果输出 结果输出
人脸识别系统简介：
定制化的人脸监控平台： 以基本形式为基础，根据各个行业不同需要进行定制化开发。
客户端
高清数字摄像机
(电信网络)
高清数字摄像机
国际上人脸识别技术的发展趋势：
传统的2D人脸识别方法在限定性条件下得到了一些推广应用，但在相对复杂的 环境下还无法满足使用要求：
大的姿态变化、户外光照变化、大的年龄变化。 在不影响人脸识别技术应用方便性的前提下，通过传感器技术的发展及算法的 配合，在一次拍摄的情况下获取多种生物特征，通过多模生物特征融合的方法 提高人脸识别的准确率：
目前可能的多种生物特征包括传统人脸灰度特征、皮肤纹理特征、3D人脸形状特征和虹膜特征。
怎样提高非限制条件下的人脸识别性能仍是待解决的问题。
谢谢大家观看
CORPORATE TRAINING PPT
Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor. Lorem ipsum dolor sit amet, consectetuer adipiscing elit.
输入图像 或视频
人脸监控 系统
个人身份/否
人脸识别系统的评价指标：
识别：这是谁？
N选累积识别率：前N候选中包含正确结果的几率。
验证：这是否是某人？
错误接受率（FAR）：违冒样本被错误接受的几率； 错误拒绝率（FRR）：真实样本被错误拒绝的几率； 等错误率（EER）或加权错误率（WER）。
监控：这是否为要找的人？
输入图像 或视频
人脸识别 系统
个人身份
验证（verification）：这是否是某人？
1对1比对，确认给定的人脸图像是否为某人的人脸图像。
输入图像 或视频
个人身份
人脸验证 系统
是/否
监控（watch list）：这是否为要找的人？
识别＋验证，确认给定的人脸图像是否在监控名单中，如果在，还必须确定该人身份。
特征 比对
识别结果
模板库
训练过程
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
……
多姿态人脸检测结果示例：
多姿态人脸检测结果示例：
人脸识别系统简介：
基础产品形式：
1、形式一：