作者:Akshat Agarwal,Ipshita Biswas
自遠(yuǎn)古以來,人臉一直是最直接的識別標(biāo)準(zhǔn)。因此,看到它成為最方便的生物識別技術(shù)就不足為奇了。與其他生物識別方法(例如語音,指紋,手形,掌紋)不同,分析面部不需要與所討論的對象進(jìn)行積極配合。面部識別可以通過照片,視頻或?qū)崟r捕獲來完成。
人臉識別是一個廣泛的術(shù)語,用于識別或驗(yàn)證照片和視頻中的人物。該方法包括檢測,對準(zhǔn),特征提取和識別。
盡管存在一些實(shí)際挑戰(zhàn),面部識別仍在醫(yī)療,執(zhí)法,鐵路預(yù)訂,安全,家庭自動化和辦公室等各個領(lǐng)域得到廣泛使用。
在這篇文章中,您將發(fā)現(xiàn)以下內(nèi)容:
什么是面部識別?
人臉識別算法的廣泛分類
面部識別系統(tǒng)的各個階段
面部識別構(gòu)建塊概述
看一下人臉識別SDK
什么是面部識別?
面部識別是一種生物識別技術(shù),該軟件使用深度學(xué)習(xí)算法來分析個人的面部特征并存儲數(shù)據(jù)。然后,該軟件將照片,視頻或?qū)崟r捕獲的各種面孔與數(shù)據(jù)庫存儲的面孔進(jìn)行比較,并驗(yàn)證身份。通常,該軟件可以識別一個人的臉上大約80個不同的節(jié)點(diǎn)。節(jié)點(diǎn)用作定義個人面部變量的端點(diǎn)。這些變量包括–嘴唇的形狀,眼睛,鼻子的長度和寬度以及眼窩的深度。
與其他生物識別技術(shù)相比,面部識別的普及是由于這樣的事實(shí),即它通常趨于更準(zhǔn)確且侵入性最小。
面部識別算法的分類面部識別是一種識別已經(jīng)在數(shù)據(jù)庫中注冊的面部的技術(shù)。面部識別系統(tǒng)廣泛地涉及兩個任務(wù)-驗(yàn)證和識別。
圖1:人臉驗(yàn)證
驗(yàn)證旨在回答以下問題:“他是他聲稱的那個人嗎?”當(dāng)某人聲稱自己是特定人時,驗(yàn)證系統(tǒng)會在數(shù)據(jù)庫中找到其個人資料。它將人的臉與數(shù)據(jù)庫中顯示的個人資料中的臉進(jìn)行比較,以檢查它們是否匹配。這是一個1對1的匹配系統(tǒng),因?yàn)樵撓到y(tǒng)必須將個人的臉部與鏈接的個人資料中已經(jīng)存在的特定臉部進(jìn)行匹配。因此,驗(yàn)證比識別更快,更準(zhǔn)確。
圖2:人臉識別
在人臉識別中,系統(tǒng)嘗試對照其數(shù)據(jù)庫中存在的所有人臉來檢查輸入人臉。這是一對一的匹配系統(tǒng)。
面部識別系統(tǒng)的各個階段
讓我們談?wù)劽娌孔R別系統(tǒng)的兩個階段:注冊和識別。
圖3:面部識別階段I
在第一階段或注冊階段,將注冊一組已知的面孔。然后,特征提取器為每個注冊人臉生成唯一的特征向量。基于每個臉部的獨(dú)特臉部特征來生成特征向量。提取的特征向量(對于每個人臉都是唯一的)成為已注冊數(shù)據(jù)庫的一部分,可用于將來參考。
圖4:面部識別階段II
在識別階段,將輸入圖像提供給特征提取器以執(zhí)行面部識別。在此,特征提取器也生成對于輸入面部圖像唯一的特征向量。然后將該特征向量與數(shù)據(jù)庫中已經(jīng)可用的特征向量進(jìn)行比較。“基于特征的分類”塊比較輸入人臉的人臉特征與數(shù)據(jù)庫的已注冊人臉之間的距離。當(dāng)注冊的面部滿足匹配標(biāo)準(zhǔn)時,基于特征的分類將返回在數(shù)據(jù)庫中找到的匹配面部ID。
面部識別系統(tǒng)的組成部分
面部識別系統(tǒng)的主要組件是:面部檢測,界標(biāo)檢測,生動度檢測,面部識別模塊(面部識別,面部識別/面部驗(yàn)證)。
圖5:面部識別模塊
首先,來自視頻流的圖像或幀被發(fā)送到面部檢測模塊,在此從輸入圖像中檢測面部。作為輸出,它將發(fā)送檢測到的面部的邊界框坐標(biāo)。這里要注意的是,即使人臉檢測器定位了圖像的人臉并為每個人臉創(chuàng)建了邊框,它也不能保證人臉的正確對齊,并且人臉綁定框會發(fā)生抖動。因此,需要面部預(yù)處理階段以獲得有效的面部向量。該階段有助于提高系統(tǒng)的面部檢測能力。
人臉預(yù)處理在界標(biāo)檢測塊中完成,界標(biāo)檢測塊可識別參考點(diǎn)在眼睛,鼻子,嘴唇,下巴,下巴等人臉上的位置(也稱為基準(zhǔn)界標(biāo)點(diǎn))。然后,將這些檢測到的臉部界標(biāo)補(bǔ)償為臉部的空間變化。這是通過識別面部的幾何結(jié)構(gòu)并基于各種轉(zhuǎn)換(例如平移縮放旋轉(zhuǎn))獲得規(guī)范的對齊方式來完成的。這將輸出具有標(biāo)準(zhǔn)化規(guī)范坐標(biāo)的人臉緊邊界框。
在將對齊的臉部發(fā)送到臉部識別模塊之前,必須檢查臉部欺騙,以確保臉部是從圖像或視頻的實(shí)時供稿中獲取的,并且不是為了獲得未授權(quán)訪問而被欺騙的臉部。活力檢測器執(zhí)行此檢查。
然后將圖像發(fā)送到下一個塊,即人臉識別塊。在成功完成人臉識別之前,此塊執(zhí)行一系列處理任務(wù)。第一步是人臉處理,這是處理輸入人臉內(nèi)類內(nèi)變化所必需的。這是必不可少的步驟,因?yàn)槲覀儾幌M娌孔R別器模塊因輸入面部圖像中存在的姿勢,表情,照度變化和遮擋等變化而分散注意力。解決輸入面中的類內(nèi)差異之后,下一個重要的處理步驟是特征提取。上面已經(jīng)討論了特征提取器的功能。
面部識別模塊的最后一步是面部匹配步驟,在該步驟中,將在最后一步中獲得的特征向量與數(shù)據(jù)庫中注冊的面部向量進(jìn)行比較。在該步驟中,計(jì)算相似度,并生成相似度分?jǐn)?shù),根據(jù)需要將該相似度分?jǐn)?shù)進(jìn)一步用于面部識別或面部驗(yàn)證。
面部識別SDK示例
圖6:面部識別SDK的第一步
我們將使用PathPartner的可授權(quán)面部識別SDK軟件解決方案來展示如何實(shí)現(xiàn)準(zhǔn)確的面部檢測和面部識別系統(tǒng)。該SDK包含機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺算法,可讓您執(zhí)行六個關(guān)鍵的人臉識別任務(wù)。
圖7:使用SDK執(zhí)行的六個面部識別任務(wù)
SDK有兩種變體:
低復(fù)雜度型號,型號大小低至10MB,適合內(nèi)存和處理能力低的終端設(shè)備。
高復(fù)雜度變量,模型大小為90MB,適用于全方位服務(wù)的邊緣設(shè)備。
該算法在德州儀器(TI),高通(Qualcomm),英特爾(Intel),ARM(ARM),恩智浦(NXP)等一系列嵌入式平臺上進(jìn)行了優(yōu)化,并且可以在云服務(wù)器平臺上進(jìn)一步工作。
圖8:SDK的構(gòu)建塊
開發(fā)基于CNN的面部識別系統(tǒng)
與基于非CNN的方法相比,基于CNN的方法更為可取,以便減少應(yīng)對諸如遮擋和不同照明條件等挑戰(zhàn)的精力。識別過程包括以下步驟:
數(shù)據(jù)采集
公開可用的數(shù)據(jù)集并未涵蓋對面部識別至關(guān)重要的所有評估參數(shù)。因此,這需要在許多標(biāo)準(zhǔn)和內(nèi)部數(shù)據(jù)集上進(jìn)行詳細(xì)的基準(zhǔn)測試,這些數(shù)據(jù)集涵蓋可用于人臉分析的各種變化。此SDK支持以下變體:姿勢,照明,表情,遮擋,性別,背景,種族,年齡,眼睛,外觀。
深度學(xué)習(xí)模型設(shè)計(jì)
模型的復(fù)雜性取決于最終用戶的應(yīng)用程序。該SDK在駕駛員監(jiān)控系統(tǒng)(DMS)和智能考勤系統(tǒng)中實(shí)現(xiàn)。
駕駛員監(jiān)控系統(tǒng):為了評估駕駛員的機(jī)敏性和實(shí)時關(guān)注,需要邊緣計(jì)算。因此,需要魯棒的,低復(fù)雜度的系統(tǒng)。在這里,機(jī)器學(xué)習(xí)模型用于面部檢測和界標(biāo)回歸,而淺層和深層CNN模型用于估計(jì)和分類。
培訓(xùn)和優(yōu)化
這些模塊在最初準(zhǔn)備的數(shù)據(jù)集中進(jìn)行了預(yù)訓(xùn)練。該解決方案已在各種開源數(shù)據(jù)集(例如FDDB,LFW和定制的內(nèi)部開發(fā)數(shù)據(jù)集)上進(jìn)行了測試。
克服各種挑戰(zhàn)
照明變化–為了克服由于照明條件變化而引起的問題,采用了兩種方法。一種是使用基于甘特圖的方法將RGB轉(zhuǎn)換為類似NIR的圖像。另一個正在使用RGB數(shù)據(jù)訓(xùn)練模型,并在輸入端使用NIR圖像對其進(jìn)行微調(diào)。
姿勢和表情變化–如果可以從非正面視圖獲得面部圖像,則必須從一個或多個可用圖像中獲得面部圖像的規(guī)范視圖。這是通過基于界標(biāo)點(diǎn)估計(jì)相對于頭部角度的姿勢變化,然后使用傾斜,拉伸,鏡像和其他操作來獲得前額路線來實(shí)現(xiàn)的。這使得面部識別系統(tǒng)能夠輸出姿勢不變的表示,并顯著提高面部識別的準(zhǔn)確性。為了克服由于表情差異而產(chǎn)生的影響,在預(yù)處理階段執(zhí)行面部對齊。
遮擋–目前,SDK正在接受訓(xùn)練以檢測蒙面。在這種情況下,模型被訓(xùn)練為僅處理眼睛和額頭周圍的數(shù)據(jù);但是,當(dāng)系統(tǒng)中注冊的人數(shù)有限時,這種方法在不受控制的環(huán)境(如辦公室設(shè)置)中可獲得最佳結(jié)果。
外觀變化–發(fā)型,老化和使用化妝品的差異會導(dǎo)致個人外觀的重大差異。因此,在很大程度上降低了面部識別精度。為了解決此問題,SDK使用了對外觀變化具有魯棒性的表示和匹配方案。
圖9:即使沒有胡須也可以識別出的臉;PathPartner的面部識別模型可用于從汽車應(yīng)用程序(例如DMS)到零售應(yīng)用程序(可能包括客戶情感估計(jì))的各個行業(yè)。
結(jié)論
如今,面部識別被認(rèn)為是所有生物特征測量中最自然的。深度學(xué)習(xí)已成為大多數(shù)正在開發(fā)的面部識別算法的核心組成部分。面部識別算法正在呈指數(shù)級增長。根據(jù)NIST最近的一份報(bào)告,在過去的五年(2013-2018年)中,識別準(zhǔn)確性取得了巨大的進(jìn)步,超過了2010-2013年期間所取得的進(jìn)步。
盡管存在一些實(shí)際挑戰(zhàn),但是面部識別技術(shù)已廣泛應(yīng)用于零售,汽車,銀行,醫(yī)療保健,市場營銷等各個行業(yè)。面部識別算法除了提高識別人的準(zhǔn)確性外,還擴(kuò)展了其在檢測面部表情和行為方面的范圍。
編輯:hfy
-
生物識別
+關(guān)注
關(guān)注
3文章
1216瀏覽量
53229
發(fā)布評論請先 登錄
人臉識別門禁終端的一般故障排查方法

【幸狐Omni3576邊緣計(jì)算套件試用體驗(yàn)】人臉識別
人臉識別技術(shù)的算法原理解析
人臉識別技術(shù)在安全監(jiān)控中的應(yīng)用
校園人臉識別閘機(jī)通道的應(yīng)用

如何提升人臉門禁一體機(jī)的識別準(zhǔn)確率?

深度識別算法包括哪些內(nèi)容
深度識別人臉識別有什么重要作用嗎
帶阻濾波器在人臉識別中的應(yīng)用
可存儲500張人臉的雙目3D人臉識別模塊

基于高光譜數(shù)據(jù)的典型地物分類識別方法研究

評論