计算机视觉之人脸识别学习(六)
一.人脸业务场景综述
(1)生物信息识别
人脸是生物信息识别邻域重要研究方向之一,生物信息识别领域主要包括两大方面:生物特征和行为特征。人脸识别是属于生物特征非常重要的研究内容。行为特征主要包括了姿态的识别,手势的识别,步态的识别等和人的行为模式的识别。
生物特征有手形,指纹,脸型,虹膜,视网膜,脉搏,耳廓等
生物识别技术:基因识别,手形识别,面部识别,掌纹识别,指纹识别,虹膜识别
(2)人脸业务场景
1.人脸检测
检测出图像中人脸所在位置的一项技术,为我们人脸业务提供基础技术支撑。
人脸检测面临的挑战:
.姿态和表情的变化
.不同人的外观差异
.光照,遮挡,视角
.不同大小,位置
2.人脸关键点
定位出人脸上五官等关键点坐标的一项技术,人脸美颜,活体检测等基础
人脸关键点的挑战:
.人脸外观差异
.角度,姿态,遮挡等问题
.实时性要求高
.稠密关键点(>68点)
3.人脸属性
识别出人脸的性别,年龄,姿态,表情等属性值的一项技术,人脸分析的基础
人脸属性的挑战:
.人脸外观差异
.角度.姿态,遮挡等问题
4.人脸对比
计算两个人脸之间的相似度,人脸验证(判断人脸是否为同一人),人脸识别(对当前人脸身份进行判断),人脸检索(对输入的人脸图像与数据库的人脸相似度的排序),人脸聚类(根据人脸相似度,对人脸组织进行分类)的基础
5.其他人脸业务场景
人脸活体检测,;面相分析;明星脸匹配;人脸美妆,美颜;痘痘,皱纹检测;情绪识别;颜值评分;人脸生成;人脸风格化;人脸换脸。
二.人脸业务流程
数据采集->数据预处理->特征提取->模型构建->模型应用->模型评估
人脸采集问题:1.不同性别分布2.不同年龄分布3.不同人种分布4.不同脸型分布5.人脸没有正对摄像头,角度倾斜6.清晰与不清晰照片7.单张人脸,多张人脸8.测试所处的环境,光线变化9.不同场景:室内,室外,车站,超市等
三.人脸资源-----相关数据集
1.PubFig:Public Figures Face Database
2.Large-scale CelebFaces Attributes(CelebA)Dataset
3.Colorferet
4.Multi-Task Facial Landmark(MTFL)dataset
5.BioID Face Database - FaceDB
6.Labeled Faces in the Wild Home(LFW)
7.Person identification in TV series
8.CMUVASC&PIE Face dataset
9.YouTube Faces
10.Wider-face
11.MegaFace
12.CASIA-FaceV5
13.The CNBC Face Database
14.CASIA-3D FaceV1
15.IMDB-WIKI
16.FDDB
17.Caltech人脸数据库
18.The Japanse Female Facial Expression(JAFFE)Database
19.https://blog.csdn.net/perception_/article/details/80656186
(里面有些数据集可以下载)
四.人脸资源 --相关厂商(能够提供人脸业务相关的接口)
下面列出几家著名的公司,在人脸业务方面都属于国内外都比较顶尖的水平。
1.Face++旷视
2.腾讯优图.AI开放平台
3.商汤
4.百度.AI开放平台
5.迅飞开放平台
6.LINKFACE
7.TUPUTECH
五.人脸检测问题
人脸的位置,我们是通过一个矩形框来表示的,标注出人脸区域的位置信息。对于矩形,我们通过[x,y,w,h]进行表示,x,y表示左上角的坐标,wh表示宽和高。也可以用[x1,y1,x2,y2]来表示矩形,分别表示左上角和右下角的坐标。
人脸检测的目的就是区分人脸和背景,属于二分类。
人脸标注方法:1.通过矩形框标注人脸的位置2.椭圆形进行标注(中心点坐标,长轴和短轴的长度,倾斜角)
人脸检测性能评价指标:
1.检测率(正确检测/真实人脸),误报率(错误检测/总共检测)
.每个标签只允许有一个检测与之相对应.重复检测会被是视为错误检测
2.ROC曲线,PR曲线
3.速度:FPS(1秒中内能够处理多少张图片)
4.IOU(越大越好,A为检测框,B为真实人脸)
A与B的交集/A与B的并集
5.准确度和召回率
P是指当前的样本中正样本的数量 Y是预测为正样本的数量
n是指当前的样本中负样本的数量 N是预测为负样本的数量
True Positives 对于正样本预测为正样本的数量 False Positives 对于负样本预测为正样本的数量
False Negatives对于正样本预测为负样本的数量 True Negatives对于负样本预测为负样本的数量
分类正确的样本数量=TP+TN
accuracy=TP+TN/P+n
(1)对于PR曲线,我们需要计算Precision和Recall
在IOU阈值固定时,PR只是一个值,通过多组阈值,就可以画出PR曲线
(2)对于ROC曲线,我们需要计算tp rate(纵坐标) 和fp rate(横坐标),前提是当前图片中只有一个人脸(FDDB数据集)
(3)AP:计算出当前曲线同坐标轴包围的区域,通常采取11个采样点的平均精度值来代替AP值
六.人脸检测方法介绍
1.传统的人脸检测方法
(1)VJ框架(Haar-like积分图特征,分析纹理特征,转化为统计直方图来表示这个区域的特征向量;然后将特征向量输入到分类器Adaboost中,最后经过NMS进行筛选)
缺点:进行候选框提取的时候,需要提取出非常多的候选框,需要很大的计算量
(2)DPM(对HOG算法进行改进,用SVM作为分类器)
(3)Casecadet(通过构造多个分类器,对图片人脸检测采用分级的方式,每一级对检测出的人脸进行筛选)
2.从粗粒度到细粒度的级联模型
(1)Cascade CNN
采用尺度级联(伴随输入的图片大小由12*12->24*24->48*48不断增大,我们检测到的人脸精度也就越来越高)
(2)Faceness-Net
人脸部件+人脸区域
(3)MTCNN/ICC-CNN/HyperFace
人脸+关键点多任务
3.通用目标检测算法+基于人脸问题的优化
通用目标检测算法发展历程:
人脸检测算法:
相关Paper&资源汇总:https://www.imooc.com/article/284277
七.人脸检测问题挑战及解决思路
1.人脸可能出现在图像中的任何一个位置
2.人脸可能有不同的大小
3.人脸在图像中可能有不同的视角和姿态
4.人脸可能部分被遮挡
小人脸检测问题:
1.下采样倍率很大,人脸区域基本消失(采用尺度不敏感/多尺度的策略)
2.相对于感受野和anchor的尺寸来说,人脸的尺寸太小
3.Anchor匹配策略(IOU小且变化敏感)(改变IOU计算方法)
4.正负样本比例失衡
(利用难例挖掘提高小人脸的准确度,加入更好的loss,标签的平滑,数据增强,采用上下文信息)
下一期:TensorFlow+SSD编程实战及模型优化
计算机视觉之人脸识别学习(六)相关推荐
- CV之FR:计算机视觉之人脸识别(Face Recognition)方向的简介、代码实现、案例应用之详细攻略
CV之FR:计算机视觉之人脸识别(Face Recognition)方向的简介.代码实现.案例应用之详细攻略 目录 人脸识别简介 1.人脸识别的任务 2.人脸识别常用数据集 3.损失函数 4.网络模型 ...
- 科技人员在计算机前的肖像,基于计算机视觉的人脸肖像画生成研究
摘要: 通过计算机处理进行人脸肖像画生成是计算机视觉的研究方向之一,该技术在科普展览领域有了广泛使用,并且其中使用的计算机视觉相关的研究技术在工业生产和日常生活中也都有广泛应用.本文介绍了一种基于计算 ...
- 如何使用计算机视觉进行人脸识别和测试?
人脸识别和检测是计算机视觉领域中的一个重要研究方向.以下是一个简单的流程,用于使用计算机视觉进行人脸识别和. 如何使用计算机视觉进行人脸识别和测试? 收集和准备数据集:从网络.摄像头或其他来源收集包含 ...
- 【杂谈】计算机视觉在人脸图像领域的十几个大的应用方向,你懂了几分?
文/编辑 | 言有三 人脸图像属于最早被研究的一类图像,也是计算机视觉领域中应用最广泛的一类图像,可以说掌握好人脸算法,基本就玩转了计算机视觉领域.在经历了几十年的发展后,现在人脸图像都有哪些研究和应 ...
- 国科大prml15-基于浅层模型的计算机视觉--以人脸识别为例
文章目录 2. 特征设计与提取过程q 2.1 局部特征--SIFT 2.2局部特征HOG 3. 特征汇聚或变换h 3.1BoVW视觉词袋模型 3.2PCA 4.以人脸识别为例 4.1 主动统计模型 4 ...
- 共有65款 计算机视觉库/人脸识别开源软件
转载:https://www.cnblogs.com/Anita9002/p/5038533.html. 引自:http://www.oschina.net/project/tag/316/openc ...
- 计算机视觉库/人脸识别开源软件
中文车牌识别系统 EasyPR EasyPR 是一个开源的中文车牌识别系统. EasyPR是一个中文的开源车牌识别系统,其目标是成为一个简单.灵活.准确的车牌识别引擎. 相比于其他的车牌识别系统,Ea ...
- 【CV面试】简述CNN、计算机视觉、人脸识别
本文整理自多篇博客.虽然不是原创,但是也是费了心血整理的O(∩_∩)O 目录 CNN:图像.视频 1.CNN解决了什么问题? 1.1.将大数据量的图片降维成小数据量 1.2.保留图片特征,符合图片处理 ...
- 计算机视觉之人脸检测相关Paper资源汇总
想要简单了解下人脸检测问题,推荐直接阅读Wider Face数据集评测的各个算法: 了解如下: http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/Wider ...
最新文章
- 单数组去重(日常记录)
- 2017-01-03
- mysql大规模读写性能_十招搞定 MySQL 大规模数据库的性能和伸缩性优化
- hello-world
- shell 变量相关的命令
- 【渝粤教育】国家开放大学2018年春季 0089-21TInternet和Intranet应用 参考试题
- git工作中常用命令
- java m查询_信息查询系统,基于SSM框架的JAVA系统
- Google 抓取工具(Googlebot)汇总
- SQL 获取本周日期
- (BISM)FTP搜索引擎BLOG开通了,专门交流搜索引擎技术
- jenkins pipeline分目录检出多代码库方法
- 五笔打字--思成五笔秘方
- 手机邮箱服务器设置安全类型,手机邮箱设置
- word文档批量插入符号_如何在Word文档中插入音乐符号
- APP创业经:比开发更难的是APP运营和推广
- 什么是NAT模式、路由模式
- ios+透明度+css,ios -css
- linux 安装docker简易方法
- TCL2010年校园招聘笔试,一面———我的第一次应聘