人臉識別應(yīng)用場景

《人臉識別應(yīng)用場景》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、人臉識別的應(yīng)用場景1、人臉檢測“人臉檢測(FaceDetection)”是檢測出圖像中人臉?biāo)谖恢玫囊豁椉夹g(shù)。人臉檢測算法的輸入是一張圖片，輸出是人臉框坐標(biāo)序列(0個人臉框或1個人臉框或多個人臉框)。一般情況下，輸出的人臉坐標(biāo)框為一個正朝上的正方形，但也有一些人臉檢測技術(shù)輸出的是正朝上的矩形，或者是帶旋轉(zhuǎn)方向的矩形。常見的人臉檢測算法基本是一個“掃描”加“判別”的過程，即算法在圖像范圍內(nèi)掃描，再逐個判定候選區(qū)域是否是人臉的過程。因此人臉檢測算法的計算速度會跟圖像尺寸、圖像內(nèi)容相關(guān)。開發(fā)過程中，我們可以通過設(shè)置“輸入圖像尺寸”、或“最小臉尺寸限制”、或“人臉數(shù)量上限”的方式來加速算法。2

2、.人臉配準(zhǔn)"人臉配準(zhǔn)(FaceAlignment)”是定位出人臉上五官關(guān)鍵點坐標(biāo)的一項技術(shù)。人臉配準(zhǔn)算法的輸入是“一張人臉圖片”加“人臉坐標(biāo)框”，輸岀五官關(guān)鍵點的坐標(biāo)序列。五官關(guān)鍵點的數(shù)量是預(yù)先設(shè)定好的一個固定數(shù)值，可以根據(jù)不同的語義來定義(常見的有5點、68點、90點等等)。當(dāng)前效果的較好的一些人臉配準(zhǔn)技術(shù)，基本通過深度學(xué)習(xí)框架實現(xiàn)，這些方法都是基于人臉檢測的坐標(biāo)框，按某種事先設(shè)定規(guī)則將人臉區(qū)域扣取出來，縮放的固定尺寸，然后進(jìn)行關(guān)鍵點位置的計算。因此，若不計入圖像縮放過程的耗時，人臉配準(zhǔn)算法是可以計算量固定的過程。另外，相對于人臉檢測，或者是后面將提到的人臉提特征過程，人臉配準(zhǔn)算法的

3、計算耗吋都要少很多。3.人臉屬性識別“人臉屬性識別(FaceAttribute)”是識別出人臉的性別、年齡、姿態(tài)、表情等屬性值的一項技術(shù)。一般的人臉屬性識別算法的輸入是“一張人臉圖”和“人臉五官關(guān)鍵點坐標(biāo)”，輸出是人臉相應(yīng)的屬性值。人臉屬性識別算法一般會根據(jù)人臉五官關(guān)鍵點坐標(biāo)將人臉對齊(旋轉(zhuǎn)、縮放、扣取等操作后，將人臉調(diào)整到預(yù)定的大小和形態(tài))，然后進(jìn)行屈性分析。常規(guī)的人臉屬性識別算法識別每一個人臉屬性時都是一個獨立的過程,即人臉屬性識別只是對一類算法的統(tǒng)稱，性別識別、年齡估計、姿態(tài)估計、表情識別都是相互獨立的算法。但的一些基于深度學(xué)習(xí)的人臉屬性識別也具有一個算法同時輸入性別、年齡、姿態(tài)

4、等屬性值的能力。2.人臉提特征"人臉提特征(FaceFeatureExtraction)”是將一張人臉圖像轉(zhuǎn)化為一串固定長度的數(shù)值的過程。這個數(shù)值串被稱為“人臉特征(FaceFeature)”，具有表征這個人臉特點的能力。人臉提特征過程的輸入也是“一張人臉圖”和“人臉五官關(guān)鍵點坐標(biāo)”，輸出是人臉相應(yīng)的一個數(shù)值串(特征)。人臉提特征算法都會根據(jù)人臉五官關(guān)鍵點坐標(biāo)將人臉對齊預(yù)定模式，然后計算特征。近幾年來，深度學(xué)習(xí)方法基本統(tǒng)治了人臉提特征算法，這些算法都是固定時長的算法。早前的人臉提特征模型都較大，速度慢，僅使用于后臺服務(wù)。但的一些研究，可以在基本保證算法效果的前提下，將模型大小和運算速度

5、優(yōu)化到移動端可用的狀態(tài)。5?人臉比對(人臉驗證、人臉識別、人臉檢索、人臉聚類)“人臉比對(FaceCompare)”是衡量兩個人臉之間相似度的算法人臉比對算法的輸入是兩個人臉特征(注：人臉特征由前面的人臉提特征算法獲得)，輸出是兩個特征之間的相似度。人臉驗證、人臉識別、人臉檢索都是在人臉比對的基礎(chǔ)上加一些策略來實現(xiàn)。相對人臉提特征過程，單次的人臉比對耗時極短，幾乎可以忽略。基于人臉比對可衍生出人臉驗證(FaceVerification)、人臉識別(FaceRecognition)人臉檢索(FaceRetrieval)>人臉聚類(FaceCluster)等算法。6.人臉驗證"人臉驗證(F

6、aceVerification)”是判定兩個人臉圖是否為同一人的算法。它的輸入是兩個人臉特征，通過人臉比對獲得兩個人臉特征的相似度，通過與預(yù)設(shè)的閾值比較來驗證這兩個人臉特征是否屬于同一人(即相似度大于閾值，為同一人；小于閾值為不同)。7.人臉識別“人臉識別(FaceRecognition)v是識別出輸入人臉圖對應(yīng)身份的算法。它的輸入一個人臉特征，通過和注冊在庫中N個身份對應(yīng)的特征進(jìn)行逐個比對，找出“一個”與輸入特征相似度較高的特征。將這個較高相似度值和預(yù)設(shè)的閾值相比較，如果大于閾值，則返回該特征對應(yīng)的身份，否則返回“不在庫中”。8.人臉檢索“人臉檢索”是查找和輸入人臉相似的人臉序列的算

7、法。人臉檢索通過將輸入的人臉和一個集合中的說有人臉進(jìn)行比對，根據(jù)比對后的相似度對集合中的人臉進(jìn)行排序。根據(jù)相似度從高到低排序的人臉序列即使人臉檢索的結(jié)果。9.人臉聚類“人臉聚類(FaceCluster)”是將一個集合內(nèi)的人臉根據(jù)身份進(jìn)行分組的算法。人臉聚類也通過將集合內(nèi)所有的人臉兩兩之間做人臉比對，再根據(jù)這些相似度值進(jìn)行分析，將屬于同一個身份的人劃分到一個組里。在沒有進(jìn)行人工身份標(biāo)注前，只知道分到一個組的人臉是屬于同一個身份，但不知道確切身份。