《人脸识别课件.ppt》由会员分享，可在线阅读，更多相关《人脸识别课件.ppt（17页珍藏版）》请在三一文库上搜索。
1、人脸识别,Artificial Intelligence high_in,low_out; high_out,gamma),人脸识别,几何变换,目的：通过适当的几何变换，消除几何因素（视角，方位等）造成的图像外观变化。,图像平移,图像转置,图像旋转,图像缩放,定义：图像空间变化，将一幅图的坐标位置映射到另一幅图像中的新坐标上。,人脸识别,图像增强,原理：对数变换可以将图像的低灰度值部分扩展，显示出低灰度部分更多的细节，将其高灰度值部分压缩，减少高灰度值部分。,原理：主要用于图像的校正，将灰度过高或者灰度过低的图片进行修正，增强对比度。,原理：将原始图像的灰度图从比较集中的某个灰度区间均匀分布在
2、整个灰度空间中，实现对图像的非线性拉伸，重新分配像素值。,原理：利用图像的二次微分对图像进行蜕化，在图像领域中微分是锐化，积分是模糊，即利用邻域像素提高对比度。,直方图均衡化,拉普拉斯算子,Log变换,伽马变换,人脸识别,归一化,所谓图像归一化, 就是通过一系列变换, 将待处理的原始图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性)。,什么是归一化？,使不同成像条件（光照强度，方向，距离，姿势等）下拍摄的同一个人的照片具有一致性。图像可以抵抗几何变换的攻击，也就是转换成唯一的标准形式以抵抗仿射变换。,为什么归一化？,线性归一化,归一化的方法有哪些？,也称mi
3、n-max标准化；是对原始数据的线性变换，使得结果值映射到0,1之间。 缺点：如果max和min不稳定的时候，很容易使得归一化的结果不稳定，影响后续使用效果。,标准差归一化,非线性归一化,人脸识别,03,人脸图像 . 特征检测,获得好的特征是识别成功的关键,人脸识别,特征检测算法,尺度不变特征提取（SIFT）,方向梯度直方图（ HOG ）,神经网络特征提取,Haar-like特征,CNN特征提取,人脸识别,04,人脸图像 . 匹配与识别,提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认（1：1）另一类是辨认（1：N）。,人脸识别,人脸识别,主流的人脸识别技术基本上可以归结为三类：,基于几何特征的方法,基于模板的方法,基于模型的方法,特征脸方法,线性判别分析方法,奇异值分解方法,神经网络算法,动态连接匹配,隐马尔柯夫模型,主动形状模型,主动外观模型,人脸识别,17,此课件下载可自行编辑修改，供参考！ 感谢您的支持，我们努力做得更好！,