人工智能（共享）

ppt page 1:

大家好，接下来给大家讲解第11章人脸识别第1节，本节内容是人脸识别概述

ppt page 2:

本小节学习目标：理解人脸识别常用技术

ppt page 3:

人脸识别是基于人的脸部特征信息进行身份识别的一种识别技术，主要针对图像或者视频中的人脸进行处理。人脸识别技术包括了人脸检测、人脸图像特征提取、人脸匹配与识别，甚至包括对性别、年龄等信息的识别。

使用人脸识别技术可以识别人的脸部信息，从而完成人身份信息的验证，可以应用于刷脸认证和刷脸支付等场景。而且在获取图像的过程中，被识别者无须与采集设备直接接触，这既方便用户的使用，也可以广泛应用到身份验证、电子考勤、轨迹追踪、客流分析、安防领域等场景。在安防领域，使用人脸识别技术可以同时对多个人进行检测、跟踪和识别。

人脸识别一直以来是身份识别与验证领域的一个重要发展方向。在采用机器学习之前，人脸识别难点主要有三个方面。一是人脸图像是立体的，需要在高纬度上进行人脸特征的提取和降维。二是基于可见光图像的人脸识别，当光照、阴影、姿势等发生变化时，同一个人的识别率大大降低。三是识别算法的运算较麻烦，效率较低，无法满足商用需求。

现在，基于海量数据的机器学习是人脸识别的主要技术路线，整体的技术范围主要包括人脸图像采集、人脸检测、人脸图像预处理、人脸关键点检测、人脸验证、人脸属性检测等

ppt page 4:

接下来我们来介绍一下这些人脸识别技术。

1、人脸图像采集

人脸图像采集是人脸识别的第一步，它是对人们在不同位置、不同表情、不同角度等情况下的人脸图像的收集。

由于进行人脸图像采集一般采用拍照和摄像的方式，因此无须接触被识别者。只要在拍摄区域内，均可获取人脸图像信息。

2、人脸检测

人脸检测(Face Detection)属于目标检测的一种，是检测图像中人所在位置的一项技术。人脸检测算法就是在这样的图像范围内进行扫描，再逐个判定候选区域是否是人脸，最终将判断为人脸的部分以人脸坐标框的方式标记出来，这与上一章中的图像物体的相似。

3、 人脸图像预处理

由于在人脸检测的结果中，可能获取了尺寸不一、光线明暗不一、干扰不一等不同情况下的多个人脸图像，因此在进行后续的关键点检测等任务时，需要对这些图像进行缩放、旋转、拉伸、光线补偿、灰度变换和锐化等图像预处理。

ppt page 5:

4、 人脸关键点检测

人脸关键点检测是定位出人脸上五官关键点坐标的一项技术，包括人脸轮廓、眼睛、眉毛、嘴唇以及鼻子的轮廓等关键点。也就是把人脸检测获取到的”人脸坐标框和人脸”作为输入，输出五官关键点的坐标序列。五官关键点的数量是预先设定好的固定数值，可以根据不同的语义来定义，常见的有5点、68点、90点等。

当前效果较好的一些人脸关键点检测技术，基本都是通过深度学习框架来实现的，这些方法基于人脸检测的人脸坐标框，按某种事先预定的规则将人脸区域扣取出来，缩放到固定尺寸，然后进行关键点位置的计算。目前，在人脸关键点检测上，使用的深度学习算法主要是级联形状回归算法（cascaded shape regression，CSR）。

ppt page 6:

5、 人脸特征提取

人脸特征提取是将一张人脸图像以及人脸关键点转化为一串固定长度的数值的过程，该数值串就是人脸特征。近几年来，人脸提特征算法一般都采用深度学习方法，其中，DeepID网络结构是常用的一种。

DeepID网络结构类似于卷积神经网络，会经过多次卷积层和池化层，但在倒数第二层，增加了DeepID层。DeepID层与卷积层4以及池化层3相连，由于卷积神经网络存在层数越高视野越大的特性，因此这种连接方式既能够考虑局部特征，又能够考虑全局特征，整体网络结构如图所示

ppt page 7:

6、 人脸比对

人脸比对算法的输入是两个人脸特征，而输出是两个特征之间的相似度。基于人脸比对可衍生出多种应用场景。

1）人脸验证(Face Verification)：指分析两种图片中的人脸是否属于同一个人的可能性大小。

2）人脸识别(Face Recognition)：识别出输入人脸图对应身份。一般采用的方法是，对库中注册的与N个身份对应的特征逐个比对，找出其中与输入特征的相似度最高的特征。

3）人脸检索(Face Retrieval)：查找和输入人脸相似的人脸。通过将输入的人脸和一个集合中的所有人脸进行比对，根据比对后的相似度对该集合中的人脸进行排序。根据相似度从高到低排序的人脸序列即为人脸检索的结果。

4) 人脸聚类（Face Cluster）：将一个集合内的人脸根据身份进行分组的算法

ppt page 8:

7、 人脸属性检测

人脸属性检测包括识别出人脸的性别、年龄、姿态等属性，也包括喜怒哀乐等表情属性的分析

一般的人脸属性识别算法会根据通过人脸关键点检测获取的人脸五官关键点坐标进行分析，包括对人脸进行旋转、缩放和抠取等操作，并将人脸调整到预定的大小和形态，然后进行属性分析。

ppt page 12:

本节小结：本节主要讲解常用的人脸识别技术，相关的案例大家可以查看一下我提供的代码。本节讲到这里，谢谢大家