(精品)人脸识别演讲ppt

% %%%%%缩放 img4=imresize(img1,2); figure,imshow(img4); imwrite(img4,'a4.jpg');
2 几何变换 / Geometric transformation
方法
平移
转置
旋转
缩放
%%%%%%平移 se=translate(strel(1),[20 20]); img2=imdilate(img1,se); figure,imshow(img2); imwrite(img2,'a2.jpg');
imadjust(I,[low_in; high_in],[low_out; high_out],gamma)
rgbImage = imread('Lena.jpg'); grayImage=rgb2gray(rgbImage); J1 = imadjust(grayImage,[0 1],[0 1],2.5); J2 = imadjust(grayImage,[0 1],[0 1],1.5); J3 = imadjust(grayImage,[0 1],[0 1],0.67); J4 = imadjust(grayImage,[0 1],[0 1],0.4); subplot(1,5,1);imshow(J1);title('gamma=2.5'); subplot(1,5,2);imshow(J2);title('gamma=1.5'); subplot(1,5,3);imshow(grayImage);title('原灰度图像'); subplot(1,5,4);imshow(J3);title('gamma=0.67'); subplot(1,5,5);imshow(J4);title('gamma=0.4');
人脸卡口系统可独立部署，也可作为子系统对接到第三方 管理平台，可广泛应用于公安、交通、金融、司法、教育、医 院等领域。
02
人脸图像 . 预处理
预处理是人脸识别过程中的一个重要环节。输入图像由于图像采集环 境的不同，如光照明暗程度、以及设备性能的优劣等，往往存有噪声，对 比度不够等缺点。因此我们需要对其进行图像预处理。
I=imread('baby.bmp');
[height,width,dim]=size(I); tform1=maketform('affine',[ 0,1,0;1,0,0;0,0,1]); I1=imtransform(I,tform1,'ne arest');
%%%%%%旋转 img3=imrotate(img1,90 ); figure,imshow(img3); imwrite(img3,'a3.jpg');
随着智能手机的快Hale Waihona Puke Baidu普及，可以通过手机镜头在手机上做基于人脸识别的身份注册、认证、登录 等，使身份认证进程更安全、方便。由于人脸比指纹等视觉辨识度更高，所以刷脸的应用前景更广阔。
目录 / Contents
01
人脸识别 . 应用
02
人脸图像 . 预处理
03
人脸图像 . 特征检测
04 人脸图像 . 匹配与识别
01
人脸识别 . 初识
人脸识别分为两大类：一是回答我是谁的问题，即辨认（Identification），二是回答这个人是 我吗？即（Verification）。
正常人眼的识别准确率是97%，而目前专业的人脸识别研究企业机构可让其精确度高达99%以 上，若结合眼纹等多因子验证，准确率能达到99.99%。且以人脸识别技术为核心的系统，能解决人 脸识别在现实应用场景中面临的众多问题。
2018.09.07
人脸识别 / AI
face detection / AI / week report 汇报人：芥末酱
前言
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集 含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别。 它 集成了人工智能、机器学习、模型理论、视频图像处理等多样专业技术。
在RGB模型中，当R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值 （又称强度值、亮度值），灰度范围为0-255。
2 灰度变换方法 / Gray scale transformation method
左图是一张进行灰度变换的灰度图。先从左上角看，该像素的灰 度值为254。然后下一个灰度值143，对其进行映射，得到的值是一 个比143少的数。matlab当中常用的灰度变换函数是：
③图像增强
图像增强是为了改善人脸图像的质量，在 视觉上更加清晰图像，使图像更利于识别。
2 灰度化 / Grayscale
简要介绍
最大 值法
平均 值法
加权 平均
将图像中的三分量亮 度的最大值作为灰度
值。
将图像中的三分量亮 度求平均得到一个灰
度值。
将三个分量以不同的 权值进行加权平均。 由于人眼对绿色的敏 感最高，对RGB三分 量进行加权平均。
1 应用场景 / Application scenario
应用场景①： 身份证查验，证据留存
当前主要是通过扫描或者复印身份证信 息，人工比对身份证照片。扫描或复印身份 证只是作为备案，并不能有效核实身份证真 伪。要确保是采用真实身份证办理业务，必 须有某种技术手段对办事人提供的身份证进 行查验。
应用场景②： 支持未来刷脸办理业务
要支持未来在无需身份证信息的情况下，依 然可以直接通过人脸识别身份信息，减少身份证 查验、复印存档等环节，提高客户办理业务的便 捷性，提高窗口办理业务的效率。
应用场景③： 智慧城市中的应用
比如人脸实时报警系统。应用人脸检测和识别技术，在人 员进出重点区域设置人脸卡口摄像机，针对经过卡口人员进行 人脸抓拍、识别和自动报警，并可将报警信息推送到警务终端 APP，实现实战预案联动。
2 图像预处理 / Image preprocessing
②几何变换
通过平移、转置、镜像、旋转、缩放等 几何变换对采集的图像进行处理，用于改正 图像采集系统的系统误差。
④归一化
归一化工作的目标是取得尺寸一致，灰 度取值范围相同的标准化人脸图像。
①灰度化
将彩色图像转换为灰度图，其中有三种 方法：最大值法、平均值法、以及加权平均 法。