新生研讨课——人脸识别浅谈
新生研讨课——人脸识别浅谈-2017200504029
UESTC GLASGOW COLLEGE
Name:Wang Ligeng Student number:2017200504029
在电子科技大学格拉斯哥学院新生研讨课上，教授们提及到了人脸识别技术，而我对于这个领域有一定兴趣，以下分享一些我对人脸识别浅薄的了解。
如果有同学看过一部叫《疑犯追踪》（person of interest）的美剧的话，那么大概会对其中The machine的强大人脸识别功能有十分深刻的印象。
如图，在该剧中，the Machine系统可以获取监控信号，甚至任何电子设备的摄像头信号，来对每个个体进行识别，以跟踪每个人的动态以预测犯罪行为。类似的应用在现实生活中也广泛应用于追缉嫌犯，处理交通事故逃逸。另外，人脸识别也广泛应用于机场安检等场合，还有现在的许多手机也添加了”扫脸”登录的功能。由此可见，人脸识别对安全领域，日常生活便捷等方面都有着丰富的应用。现在的人脸识别数据库也在日趋完善，例如，根据乔治城大学的一项研究，一半的美国成年人将他们的图像存储在执法机构可以搜索的一个或多个面部识别数据库中。
那么，人脸识别是怎么运作的呢？
如果玩过可以捏脸的游戏，比如上古卷轴，那么你大概会感受到人脸是由一组一组的数据构成的，比如两眼间距，颧骨高度，下巴长度等，人脸是由部件组成的，各个部件的结构及大小，以及各部件间距离，结构共同组成了人脸的几何特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线确定若干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度等。基本思想就是把自然的人脸即模拟信号进行数字化，用数字向量来描述人脸的各项特征，以重现模拟信号。这个思想十分简单易懂，但是在实际应用中，可能面临很多其他变量的干扰：比如拍摄的角度，拍摄的光线，面部特征的细微差别。而很难确定各变量之间的加权系数，另外仅根据各器官结构，距离重建的模型仅是个轮廓，会丢失大量信息，达不到现今实际应用的精确度。
但是在线性代数中我们学习过特征值，这是个尤其有用的工具。我们可以用这个工具将多个变量转化为少数几个综合变量，使得每个综合变量都是原始变量的线性组合，各主成分之间互不相关，而这些主成分能反映原始变量的绝大部分信息，且所含的信息并不重合。而将这个方法应用至人脸识别，就有了一种叫做特征脸（Eigenface）的识别方法。该方法先得到各几何特征，如虹膜，脸颊，鼻翼等各部件间距离及结构数据，之后计算出他们的特征量，以保留大部分信息而简化问题，之后再用这些特征量组成脸的特征向量，以便捷地用数学方法描绘人脸。之后便可以用实际脸在特征脸上进行投影，通过投影系数来判断是否匹配。这种方法精确度极高。“Pentland等报告了相当好的结果，在 200个人的 3000幅图像中得到 95%的正确识别率，在ＦＥＲＥＴ数据库上对 150幅正面人脸象只有一个误识别。但系统在进行特征脸方法之前需要作大量预处理工作如归一化等。”
另外还有一种方法叫做KL变换可以消除其他因素的干扰，并且还有降低计算量的功效。
KL变换是图像压缩中的最佳正交变换。它用于统计特征提取，形成子空间方法模式识别的基础。如果使用KL变换进行人脸识别，则假设人物面部处于低维线性空间中，并且不同的面部是可分离的。由于高维图像空间KL变换可以获得一组新的正交基，因此可以通过保持部分正交基来生成低维面。通过分析面部训练样本集的统计特征，获得空间和低维空间的基础。 KL变换的生成矩阵可以是训练样本集的整体散射矩阵，或训练样本集的类间散布矩阵。可以将同一人的多个图像的平均值用于训练，从而可以在一定程度上消除光的干扰等，并且还减少了计算量，并且不降低识别率。
还有一种最为大众所知的方法，也是最火热的方向之一：卷积神经网络方法。运用神经网络，可以分析相邻元素的相关性，从而对平移，角度，变形等干扰因素适应性更强。卷积神经网络得以找寻数据的隐性相关性和规则，从而可以达到更高的对环境的适应性。因此神经网络方法可以达到较快的识别速度，但是识别率低于其他方法。
人脸识别系统便利了人们的生活，方便了机构的管理。但是也造成了以下问题：
1.数据安全。您的面部数据可能会在未经您许可的情况下被收集和存储。黑客可能会访问并窃取这些数据。
2.所有权。你拥有自己的脸，但你的数字图像是不同的。您在社交媒体网络上注册时可能已经放弃了您的所有权。或者也许有人在网上追踪你的图像并出售这些数据。
3.人身安全。面部识别可能导致在线骚扰和跟踪。怎么样？例如，有人在地铁或其他公共场所拍摄您的照片，并使用面部识别软件来确切了解您的身份。
4.误认。比如说，例如，执法部门使用面部识别来试图找出抢劫角落商店的人。面部识别系统可能不是100％准确。如果警察认为嫌疑人是你怎么办？
5.基本自由。政府机构和其他机构可以跟踪您。你做什么，去哪里可能不再是私人的。保持匿名可能会变得格外困难。
由于以上问题的存在，在之后的生活中要保护的将不只是账户安全，财产安全，脸部数据的安全可能也要考虑在内，而高识别率一方面便于机构抓捕嫌犯，另一方面也可能造成对隐私的挑战。
人脸识别仍是当今的一大热点，希望这一领域的研究继续深入下去，并更好地服务于大众的便利生活。
新生研讨课——人脸识别浅谈相关推荐
- 新生研讨课结课报告--图像处理
新生研讨课结课报告 #新生研讨课结课报告# 学号:2017200504032 姓名:张清延 ##一,选择讨论及探索方向: 我认为图像处理作为一个计算机领域的重要分支, 首先具有很大研究价值,图像是人类 ...
- 新生研讨课：利用OpenCV处理带有水印的图片的调研报告
电子科技大学 格拉斯哥学院 2017级 2017200602038 席文骥 目录 1.引言 2.技术背景 3.具体问题 4.实现方法 5.结语 6.参考 1.引言 在我们学院去年开设的新生研讨课上,曾 ...
- 基于新生研讨课所述MIMO雷达的一些构想
电子科大格拉斯哥学院2017级电工六班-韩涵-2017200506012 一．背景介绍 在大一下学期我参加了格拉斯哥学院所开展的一系列新生研讨课活动,其中最让我感兴趣的便是MIMO雷达.我想,这样一种 ...
- 新生研讨课--无人机技术
新生研讨课 ------电子科技大学 格拉斯哥学院 2017级 曹艺之 2017200602034 近几年来,社会管控工作越来越难做,因为越来越多的人会钻法律的空子,做些违章犯法的事而逃避应受的法律责 ...
- 新生研讨课报告 计算机,机械工程新生研讨课报告.docx
文档介绍: 新生研讨课报告踏入大学的校门,心中除了激动,还有些许的迷茫,因为一直以来我们接受的教育所教授的大多都是基础知识,我们所需要做大多数事的不过是学****可是到了大学我知道这不一样了,不再是以 ...
- 新生研讨课 课后心得
想学好一门课就得从了解这么课程,了解自己将来这几年的大学生涯应该做什么,如何对自己未来的学习进行规划,该从哪里入手和如何最轻松有效的进行这一点开始着手,感谢新生研讨课教导我这一重要的知识 在刚进入华中 ...
- 计算机专业新生研讨课总结报告,大学新生研讨课心得体会
大学新生研讨课心得体会 刚刚步入大学的我们带着新奇来到校园,面对众多扑面而来的不解和疑惑,这门在"打探军情"时学姐学长口中"以前没听说过"的"新生研讨 ...
- 华中师范大学新生研讨课有感
就在上个星期,我第一次上了蒋兴鹏老师的新生研讨课(旧名:计算机概论),我收获颇丰,受益匪浅. 在课上,蒋兴鹏老师简要介绍了我校的优良美德,我校的师资力量,我校的榜样人物--同时,蒋兴鹏老师也比较细致地 ...
- 新生研讨课——关于同步轨道卫星
在新生研讨课中,老师提及了同步轨道卫星,而今天在这里将会讲到关于同步轨道卫星里全球卫星导航定位技术的原理和一些个人在生活中遇到的关于这方面的问题以及关于这个问题的解决办法的设想. 卫星定位系统即全球定 ...
最新文章
- 10.QML Qt Quick Controls 2之imagine style
- Spring注解驱动开发
- rdf mysql持久化l_Jena 利用数据库保存，持久化本体
- java中什么是数组_JAVA中关于数组的定义
- python内置模块~shutil
- 题解-Codeforces671D Roads in Yusland
- 交叉编译和使用HTOP
- apache设置域名绑定 以及绑定不起作用的排查.
- 寒冰作品——零起点学习Linux系列培训视频
- 以太网转串口方案总结
- 20121214收藏
- Mac OS X 10.13.6升级到更高版本的方法
- comsume(comsumer怎么读)
- 沙箱支付宝------简单实现支付
- 股民误将向日葵当成农业股
- Java面向对象实例(双色球摇号篇)
- 黎明者 pat basic 练习八十九 狼人杀-简单版
- 三类完整性规则mysql下规则实现短语_关系数据库有三类完整性规则，分别是参照完整性规则、用户自定义的完整性和（）规则。...
- 2021年西式面点师（中级）复审考试及西式面点师（中级）模拟考试
- Excel查找函数(VLOOKUP\SEARCH\FIND\MATCH)