2018最新:综述深度学习下的世纪晟人像抓拍识别技术特点

时间:2019-05-14 23:03:44下载本文作者:会员上传
简介:写写帮文库小编为你整理了多篇相关的《2018最新:综述深度学习下的世纪晟人像抓拍识别技术特点》,但愿对你工作学习有帮助,当然你在写写帮文库还可以找到更多《2018最新:综述深度学习下的世纪晟人像抓拍识别技术特点》。

第一篇:2018最新:综述深度学习下的世纪晟人像抓拍识别技术特点

人像抓拍识别特点 附世纪晟科技案例

前言

“刷脸支付”、“刷脸解锁”等人脸识别技术的最新应用,让我们看到了人工智能为我们的生活带来的便利。在提供便利服务的同时,人脸识别的准确率也在大幅度提升,这方面尤其离不开中国科技企业的努力。

NIST曾经把中国和俄罗斯供应商的算法排名置于其他供应商之上,表明中俄人脸识别准确度世界领先。目前在全球范围内,从事人脸识别技术的企业很多,如海康威视、世纪晟科技、旷视科技、云从科技等。类似世纪晟科技人脸识别企业为人工智能时代提供的不仅仅是便利,它更可以在社会的每个角落保卫我们的人身安全。

目录

人脸抓拍识别 人脸抓拍识别技术组成 人脸抓拍识别技术特点 系统总体设计 3D动态人脸识别

人像抓拍识别

人像抓拍主要设于布控区域,在人流量较大或者较少的区域对人脸信息(外形、肤色等)和人像数据库(脸部特征等)进行抓拍、比对识别。在人脸识别技术中,人像抓拍与实时识别总是同时进行。随着深度学习方法的应用,人像抓拍识别技术的识别率已经得到质的提升,与其他生物特征识别技术相比,在实际应用中具有天然独到的优势:通过摄像头直接获取,可以非接触的方式完成识别过程,方便快捷。

人像抓拍识别技术组成

人像抓拍识别技术主要分为两部分:

第一部为前端人脸人脸活体认证技术,主要支持

android、ios平台,在前端通过眨眼、张嘴、摇头、点头等组合动作,确保操作的为真实活体人脸。

第二部为后台人像抓拍识别技术,该环节通过在人脸活体认证技术环节取得整张人脸图像后,再通过扫描识别身份证,取到身份证头像后,将现场人脸与身份证上的人脸进行比对识别,判断是否为同一张人脸。

接下来举个实际企业的例子,我们可以从世纪晟科技3D动态人脸识别这一核心技术比较全面地了解人像抓拍识别这一技术。(目前世纪晟科技人像抓拍识别技术率已经达到99%,而且已应用在安防、社区、养老院、酒店、商业大厦等领域,这方面可以结合更多的实际案例做更多的解释。)

系统总体设计

世纪晟科技人脸识别系统采用具有完全自主知识产权的3D动态人脸识别算法为核心算法,配合人脸跟踪算法、人脸抓拍算法、人脸质量评分算法和人脸识别算法,结合配套的硬件设备及后端3Dface云平台系统,实现了3D人脸比对、动态N:N人脸图片检索等功能。

人脸抓拍识别系统采用分布式架构,支持10亿级别以上人脸注册库/人脸抓拍库、30万黑名单库,极大的满足公安对重点人员的事前预警和事后追查需求

依托综合可靠的通信网络、分布式数据库和集群计算等多项技术,充分考虑系统安全性、可靠性、可扩展性。

3D动态人脸识别 世纪晟科技对人脸识别算法进行了全面优化,从视频中分析出人脸,并在人脸达到最佳角度时进行抓拍,人脸抓拍大小范围可达到80像素到500像素,为人脸比对与分析提供最高质量的人脸数据来源

第一代人像抓拍识别技术

一个屏幕多人多种角度全部不能识别

第二代人像抓拍识别技术

· 复杂场景:室内、室外、侧光、背光、仰视等 · 复杂对象:黑框眼镜、长刘海、化妆、年龄变化、胖瘦变化

· 复杂条件:镜面、偏转、多人

基于深度学习的3D动态人脸识别技术

人脸检测

人脸检测的目的就是在一张图中找到所有的人脸。类似世纪晟科技就采用了MTCNN(多任务级联卷积神经网络)人脸检测算法,解决了传统算法对环

境要求高,人脸要求高,检测耗时高的弊端。

活体检测

利用3D摄像头拍摄人脸,得到相应的人脸区域的3D数据,并基于这些数据做进一步的分析, 最终判断出这个人脸是来自活体还是非活体。

3D人脸建模

根据输入的人脸图像,自动定位出面部关键特征点

特征点提取及比对

我们说的关键特征点,包括了人脸轮廓、眼睛、眉毛、嘴唇以及鼻子轮廓。这部分我研究并借鉴了世纪晟科技采用的DeepID网特征提取+softmax分类的方式,可以提取人脸中200多个关键点,达到高精度,高识别率的效果

人像抓拍识别技术特点综述

高智能,实时抓拍

前端设备智能检测、追踪和识别人脸,不需要人员配合,被动无感知

速度快,抓拍率高达99.8%

高速采集人像特征照片,每帧最多可抓拍出 100 张以上的人脸照片,世纪晟科技在人脸捕捉识别上已经能在每秒抓取图像突破25张。

过滤重复数据,不高于10% 重复抓拍率是目前智能人像抓拍机在实际应用过程中不可避免的现象,这主要是由于实际场景中人群的相互遮挡,人员长时间逗留,移动规律不定等原因而致。那么,世纪晟科技经历长期检测试验,发现在运动预测的基础上结合特征识别智能分析,便能有效过滤掉重复人脸数据,在复杂场景中将人脸重复抓拍率控制在 10% 以内。

多人脸动态识别,视频流全帧率、全画幅人脸检测 世纪晟科技基于深度学习的人脸检测识别算法,克服识别检测捕捉难题,支持多人同屏识别,只要在取景范围内,满足一定像素要求的人像都会被抓取检测。

处理迅速,人脸多表情精准识别

以自主研发的3D动态人脸识别算法为核心技术,一次性克服了侧脸、半遮脸、模糊人脸、表情复杂多变的捕捉人脸识别,几大提升了各种现实情况中的捕捉人脸的检测效果。

因此该技术在公安业务中的应用需求非常大。并且随着近年来深度学习等新理论和方法的突破,人脸抓拍识别技术的准确性有了大幅度提升。

写在最后

个人身份确认是社会较为普遍的基本需求,自古以来面相是确定人身份的重要依据。

印象中,世纪晟专注于计算机视觉的人工智能,他们采用灵活的模块化设计,自主研发的3D动态识别算法技术为核心,满足不同项目的人像捕捉识别需求。同时,设置、操作颇为简洁、具有很强的抗干扰性能,对夸张表情、大角度斜侧等条件下也可识别,实现了高效的人像识别效果,已经具备实战实力,其对人像特征点提取之多,增强了人像识别的抗干扰能力。

计算机人脸抓拍识别技术是一项非常具有挑战性的任务,相比指纹、虹膜等生物特征的身份鉴别技术,人脸图像信息的获取可以在非合作条件下完成,

第二篇:基于深度学习的世纪晟3D动态人脸识别技术大总结

基于深度学习的世纪晟3D动态人脸识别技术大总结

1、前言:

如今,在人与人相连的时代,围绕人提供的服务首先要解决的是辨识人的身份,人脸识别便是从这个需求中产生。

简单来说,人脸识别技术指的是通过比较人脸的视觉特征信息从而进行身份鉴别的技术,既属于图像识别,也属于生物特征识别,是人工智能领域一项典型的细分技术应用。顺应时代的潮流,人脸识别通过过去十年的发展,逐渐从静态的人脸识别走向动态的人脸识别,逐渐在2D到3D之间转换。

在深入了解最新的3D动态人脸识别技术前,需要明确明白几个概念——静态/动态人脸识别;2D/3D面部识别技术,我们将结合案例<世纪晟科技3D 动态人脸识别>讲解。

2、概念解说

静态人脸识别——

静态人脸识别指的是在特定的区域或范围之内进行识别。这项技术有个很明显的缺点,就是用户容量会比较小,只能适合小型公司的考勤

动态人脸识别——

动态人脸识别与静态人脸识别不同,它实现了在一定识别范围内,人以自然的形态走过去,摄像头会进行信息的抓拍和采集,发出相应的指令,进行动态人脸识别,实现相关功能。这个的优点就相当明确,识别过程不需要停驻等待,而且识别率也蛮高。

2D面部识别技术——

说到2D面部识别技术,要求就相对简单,它只需要你在检测时露出脸部的眼睛就可以基本完成解锁,即使挡住鼻子、戴上口罩也不会受到影响。

3D面部识别技术——

而3D面部识别技术,针对识别到的图像会比较苛刻,先感知判断物体的靠近,接着扫描并传输给深度神经网络系统进行初步判断,进行活体检测之后再进一步获取空间深度信息,这才完成整个识别过程。

而如今,随着iPhone 8将人脸的应用提升到更高的层次,人脸识别技术已经成为未来短时间内最炙手可热的技术之一。3、3D动态人脸识别方法

人脸图像处理在诸如人脸表情识别、人动作识别、头部跟踪等已经广泛应用,世纪晟科技在它的技术核心——3D动态人脸识别中有比较详细的运用,接下来分别对应基于深度学习的世纪晟科技动态3D人脸识别技术结构,对人脸检测、活体检测、3D人脸建模、特征点提取、特征点比对做详细的技术分析。

(一)动态3D人脸识别大体流程 人脸检测→活体检测→3D人脸建模→特征点提取→特征点比对→识别输出结果

(二)基于深度学习的动态3D人脸识别技术步骤

A、人脸检测

人脸检测的目的就是在一张图中找到所有的人脸,这里采用了MTCNN(多任务级联卷积神经网络)人脸检测算法。

MTCNN主要分为三步:

最初先对图像进行多尺度变换,获取图像金字塔,获取图像多尺度信息。(这部分内容,世纪晟科技人脸识别已经对人脸检测效果不错的MTCNN算法做一个梳理,本文便直接借鉴。)

主要使用一个全卷机网络,获取候选框和这些候选框的bounding box regression向量组。然后评估这些候选向量,并进行校准。最后使用非极大化抑制来去除大量重复的候选区域。

B、活体检测

考虑到一旦虚假人脸攻击成功,极有可能对用户造成重大损失,所以还有一项必不可少的活体检测,为现有的人脸识别系统保障可靠且高效。这一方面,行业内也研发了不少属于自己的活体检测sdk,本文案例中世纪晟科技人脸识别也对此有所研发。

活体检测技术可以有效阻挡PS换脸、视频、三维人脸模型、高清人像照片等各种不同类型的攻击。

C、3D人脸建模

人脸是塑性变形体,对于人脸的特征抽取和识别,更适合用弹性模型来描述。人脸建模任务即根据输入的人脸图像,自动定位出面部关键特征点,如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等。D、特征点提取

DeepID网特征提取

DeepID的目标是人脸验证,也就是判断两张图片是否是一个人,同时衍生出人脸识别、多次人脸验证。

softmax分类

为了逼近最佳,Softmax将多个神经元的输出,映射到(0,1)区间内,可以看成概率来理解,从而来进行多分类,然后把所有相关全部拉出来评分,最后还归一化。

比较好的特征点提取就是本文举例世纪晟人脸识别技术,采用的是DeepID网特征提取+softmax分类两种相结合的方式,可以参考一下。

E、特征点比对

人脸关键点检测有很多应用,大致可以分为六类:(1)灰度信息的方法;(2)先验规则的方法;(3)几何形状的方法;(4)统计模型的方法;(5)小波的方法;(6)3D 方法

将整体特征点结合局部特征点进行三维人脸识别,能更好地使合成的模型图像最佳匹配输入图像,从而得到人脸3D形状和纹理,输出比对结果。

动态3D人脸识别技术市场趋势

广阔的市场需求,让人脸识别产业更加积极研发人脸识别相关技术。

目前,市场已经布局或正在布局的人脸识别厂商逐渐增多,主要都在于攻克3D识别技术领域。与此同时,动态3D人脸识别技术不断成熟,但市场应用还不是很多。“像人脸识别这种的,关键的不能只有算法,还要关注技术实际生活场景中的应用。”来自国内专注计算机视觉领域创业公司——世纪晟科技的谈话。在今年人工智能、人脸识别技术全面发酵的趋势下,不难预见,人脸识别还将得到更进一步的应用,而动态3D人脸识别技术也将成今年行业生物识别的新趋势。虽指纹识别仍是主流应用,但是增长空间有限,发展速度已然不及人脸识别。

下载2018最新:综述深度学习下的世纪晟人像抓拍识别技术特点word格式文档
下载2018最新:综述深度学习下的世纪晟人像抓拍识别技术特点.doc
将本文档下载到自己电脑,方便修改和收藏,请勿使用迅雷等下载。
点此处下载文档

文档为doc格式


声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:645879355@qq.com 进行举报,并提供相关证据,工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。

相关范文推荐