动态人像识别方案 2020-05-25 11:02

采用带有云天励飞自有深度学习算法的人脸抓拍机可实时检测并提取人脸。云天励飞自有深度学习算法,拥有局部特征识别能力,即使人脸在局部遮挡的状态下,只要能识别出主要关键特征,都能实现人脸准确识别。

人脸识别是一种重要的生物特征识别技术,是通过计算机自动判断两幅人脸照片相似度的技术统称。一个典型的人脸识别流程如下图所示。其中,信号采集部分通过光学(如照相机、摄像机、扫描仪)传感设备采集人脸照片。预处理模块对采集的原始信号进行处理,去除噪声干扰,确定人脸所在的区域。特征提取模块则将预处理后的信号转换成能够精确表征其特性的一串“数字码”,存储在模板数据库中。比对时,将目标特征与数据库中的人脸特征进行运算,经过后处理后确定目标的身份。

 

人脸识别流程

依据以上识别流程可以看出,人脸识别通常可以分为采集系统、比对系统、后处理系统三部分。采集系统是为了获取待比对对象的高质量图像;比对系统将图像转换为计算机能理解的特征编码,并与预存的人脸数据库(一般称为“比对目标库”)进行比较,确认待比对对象的身份;后处理部分则把比对结果与用户的业务应用紧密地联系在一起。

尽管人脸识别技术研究近年来取得了很好的进展,由于存在脸的朝向变化、部分遮挡、表情变化、面部光线变化,以及外貌经年变化等种种因素,提高人脸识别在在实际系统应用中的鲁棒性仍然是一个具有高度挑战性的问题。

 

朝向、表情、照明等变化为人脸识别的效果和稳定性带来挑战

本次项目采用基于机器学习的人脸检测算法和基于三维特征向量的人脸识别算法,通过精确的人脸检测及特征点定位、人脸的三维特征向量模型、人脸角度估计,进行人脸三维变换和低失真变形,将目标人脸与样本人脸特征向量对齐,提高比对精度,从而有效提高在上述各种情况下的人脸识别效果。本次项目运用的人脸识别技术包含以下核心单元:

  1. 特征点定位单元,用于对获取的原始人脸进行特征点定位;
  2. 三维向量模型建立单元,用于根据一个人脸训练集的二维特征点建立通用的人脸的三维特征向量模型;
  3. 人脸角度估计与三维变换单元,用于通过通用的三维人脸特征向量模型以及原始人脸的特征点,重建原始人脸的三维人脸模型和原始人脸的角度;
  4. 特征提取单元,用于从预处理后人脸中提取代表该人脸最具判决特征的特征向量;
  5. 特征比对单元,将目标人脸与数据库中已存储的样本人脸特征集合进行特征向量比对。

基本原理如下:

 

 

          

特征点定位                   三维变换                   识别结果

人脸特征定位与三维变换示意