• 人脸识别技术

  • 2017.12.05
当前位置:首页 > 技术研发 > 人脸识别技术
人脸识别是一个比较复杂的系统,由很多的人脸处理模块组成。包括人脸检测、关键点检测、人脸规整、特征提取、比对识别五个大的步骤。其中人脸检测、关键点检测与人脸规整为人脸预处理流程,将一张图片中的人脸提取并处理成规范的人脸以便后期处理。特征提取为核心模块,是对人脸图片进行深层描述并提升识别效果的主要模块。而每个模块又由很多小的算法单元,每个模块每个单元算法必须都做到最好,组合起来的识别效果与精度才能够高。

人脸识别流程
人脸检测与跟踪
1、人脸检测利用softcascade筛选,vectorboosting提高准确度的方法,通过千万张图片先验知识的学习,该技术目前在复杂环境下依旧能够快速准确的对人脸进行检测并定位。
2、人脸跟踪用粒子滤波算法辅以在线训练的特定人脸分类器得到人脸在当前帧的位置,再根据离线训练的人脸定位模型对其调优,得到在当前帧中的最佳位置。该技术目前在视频中能够准确连续的跟踪特定人脸,效果达到国内领先水平。
3、结构化预测技术:传统的人脸检测方法大都是将人脸检测转化为单值预测问题来解决,我们引入了结构化预测技术,结合深度学习,从本质上解决了人脸检测中的诸多问题,如基于深度学习的检测不能实时,并使其能适应姿态、表情、光照等变化。

人脸关键点检测
1、基于SDM算法的人脸关键点检测技术,能够在复杂环境下稳定地运行,包括不同光照变换、各种姿态、表情变化与部分遮挡的人脸。检测模型比最好的公开测试准确率要高出5%到%10,速度甚至达到10ms每帧。

人脸规整
1、将人脸图片根据关键点进行平移、旋转、缩放等一系列手段,对齐到统一的标准人脸。

特征提取
1、为了将两张照片映射到同一特征空间中进行比较,在异构深度神经网络基础上,研发出的双层异构深度神经网络模型可以提出高区分性的人脸特征。此模型中每层都是一个深度网络(分别以两张照片为输入),在训练时采用二分类损失函数并对两个网络中对应权值的差异性进行正则化,可实现不同图像空间到相同特征空间的映射。

 比对识别
1、算法能够通过大量的学习数据,将每个人的深层特征与差异有效的统一与放大,实现最优的分类效果。该技术有效解决了人脸的角度、光照、表情、年龄、化妆、遮挡、图片质量等众多变化因素下的识别效果问题 。

宇观科技采用国内领先的基于学度学习的人脸识别算法,即使佩戴眼镜、口罩、浓妆时不影响人脸识别成功率,同时我们通过大量的算法训练,将每个人的深层特征与差异有效的统一与放大,实现最优的分类效果。该技术有效解决了人脸的角度、光照、表情、年龄图片质量等众多变化因素下的识别效果问题,有效保障用户高识别率 。
 
分享:

返回顶部