智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
直播推薦
回放
回放
企業(yè)動(dòng)態(tài)
- 全場(chǎng)景節(jié)能30%以上！海爾中央空調(diào)亮相中國(guó)零售展
- igus全球環(huán)保騎行亞洲站在中國(guó)收官
- 京東工業(yè)與世達(dá)工具深化戰(zhàn)略合作 聯(lián)手推動(dòng)專(zhuān)業(yè)工具行業(yè)數(shù)智供應(yīng)鏈升級(jí)
- 舒瑞普中國(guó)卓越中心暨蘇州新工廠開(kāi)業(yè)典禮圓滿(mǎn)落成
- 華測(cè)儀器中標(biāo)華北電力大學(xué)綜合介電分析儀采購(gòu)項(xiàng)目
- 商用中央空調(diào)的節(jié)能首選：海爾磁氣懸浮中央空調(diào)
- igus推出人形機(jī)器人Iggy Rob，售價(jià)不到50000歐元
- 從“制造”到“智造”，落地新質(zhì)生產(chǎn)力的關(guān)鍵
推薦展會(huì)
機(jī)器視覺(jué)“面部識(shí)別”，這是一個(gè)熱門(mén)話(huà)題！幾乎每周，它就以一種或另一種方式出現(xiàn)在新聞上。但是您是否想知道這項(xiàng)技術(shù)如何工作？直到現(xiàn)在它才成為如此熱門(mén)的話(huà)題，而十年前卻沒(méi)有多少人關(guān)心它呢？
在這篇文章中，我希望揭開(kāi)面部識(shí)別的神秘面紗，并以清晰的方式介紹其一般工作原理。我特別想解釋一下為什么在過(guò)去的5年左右的時(shí)間里，人臉識(shí)別的性能有了巨大的提高。
機(jī)器視覺(jué)我將按照大多數(shù)面部識(shí)別技術(shù)中采取的步驟來(lái)分解這篇文章，并逐一討論每個(gè)步驟：
1.人臉檢測(cè)和對(duì)齊
任何(的)面部識(shí)別技術(shù)的步都是檢測(cè)圖像/視頻中面部的位置。此步驟稱(chēng)為人臉檢測(cè)，不應(yīng)與實(shí)際的人臉識(shí)別相混淆。一般來(lái)說(shuō)，人臉檢測(cè)對(duì)于人臉識(shí)別而言是一項(xiàng)更為簡(jiǎn)單的任務(wù)，并且在許多方面都被認(rèn)為是已解決的問(wèn)題。
有很多人臉檢測(cè)算法。Viola-Jones算法曾經(jīng)是一種流行的算法，尤其是在CPU和內(nèi)存已不再是當(dāng)今的時(shí)代，因?yàn)樗哂辛钊擞∠笊羁痰乃俣?。然而，此后已?jīng)開(kāi)發(fā)了更加精確的算法。本文[2]在各種條件下對(duì)其中的一些進(jìn)行了基準(zhǔn)測(cè)試，“ Tiny Faces Detector[3]”( 于2017年在的計(jì)算機(jī)視覺(jué)和模式識(shí)別會(huì)議上發(fā)布[4]，可在此處下載代碼[5])排在：
人臉檢測(cè)由Tiny Face Detector執(zhí)行。(圖片取自論文網(wǎng)站)
人臉檢測(cè)算法的工作原理超出了本文的范圍。在這里，我想著重于實(shí)際的面部識(shí)別，并假設(shè)面部已經(jīng)位于給定的圖像上。
一旦檢測(cè)到臉部，下一步(常規(guī))是旋轉(zhuǎn)和縮放臉部，以使其主要特征與其他檢測(cè)到的臉部特征或多或少地位于同一位置。理想情況下，您希望臉部以嘴唇直接注視著您，并且眼睛的位置與地面平行。臉部對(duì)齊是非常重要的一步，非常類(lèi)似于清理數(shù)據(jù)(對(duì)于那些在數(shù)據(jù)分析中起作用的對(duì)象)。這使得進(jìn)一步處理變得更容易執(zhí)行。
2.人臉表示
當(dāng)我們擁有一張干凈的臉部圖片時(shí)，下一步就是提取它的表示形式。機(jī)器的表示形式(通常也稱(chēng)為 簽名)是事物的描述/摘要，其形式可以被其處理和分析。例如，在處理面部時(shí)，通常將面部表示為數(shù)字向量。解釋方法是一個(gè)簡(jiǎn)單的例子。
假設(shè)我們選擇用二維向量表示一個(gè)面部：個(gè)維度表示眼睛之間的距離，第二個(gè)維度表示鼻子的寬度。我們有兩個(gè)人，愛(ài)麗絲和鮑勃，以及他們每張面孔的照片。我們檢測(cè)并對(duì)齊這些照片中的兩個(gè)臉部，得出愛(ài)麗絲的眼睛之間的距離為12像素，鮑勃的眼睛之間的距離為15像素。同樣，愛(ài)麗絲的鼻子的寬度是4像素，鮑勃的鼻子的寬度是7像素。因此，我們具有以下兩種表示形式：
因此，例如，愛(ài)麗絲的臉由矢量(12，4)表示–個(gè)維度存儲(chǔ)眼睛之間的距離，第二個(gè)維度存儲(chǔ)鼻子的寬度。Bob的臉由矢量(15，7)表示。
當(dāng)然，一張人的照片不足以使機(jī)器獲得對(duì)人臉的可靠表現(xiàn)/理解。我們需要更多示例。因此，假設(shè)我們抓取了每個(gè)人的3張照片，并從每個(gè)人中提取了代表。我們可能會(huì)提出以下向量列表(請(qǐng)記住此列表，因?yàn)樵谏院蟮奈恼轮形覍⑹褂眠@些數(shù)字來(lái)解釋更多概念)：
對(duì)于機(jī)器而言，用這樣的數(shù)字表示面孔比處理原始圖片要容易得多–機(jī)器與我們不同！
現(xiàn)在，在上面的示例中，我們使用了兩個(gè)維度來(lái)描述一張臉。我們可以輕松地增加表示的維數(shù)以包含更多功能。例如，第三維可以代表眼睛的顏色，第四維可以代表皮膚的顏色，依此類(lèi)推。一般而言，我們選擇用來(lái)描述每個(gè)面孔的尺寸越多，我們的描述就越精確。并且我們的描述越精確，我們的機(jī)器就越容易執(zhí)行面部識(shí)別。在當(dāng)今的面部識(shí)別算法中，看到具有128多個(gè)維度的矢量并不少見(jiàn)。
機(jī)器視覺(jué)讓我們談?wù)勚茍D表達(dá)中使用的面部特征。在上面的示例中，我選擇了眼睛之間的距離和鼻子的寬度作為特征，這是一個(gè)非常粗糙的示例。實(shí)際上，的面部識(shí)別算法使用“低級(jí)”功能。例如，在1990年代后期，人臉識(shí)別算法被發(fā)布，該算法考慮了臉部每個(gè)像素周?chē)奶荻确较?使用 局部二進(jìn)制模式(LBP)[6])。也就是說(shuō)，對(duì)每個(gè)像素進(jìn)行分析，以查看與相鄰像素相比，它的亮度更高或更暗。因此，像素的亮度/暗度是用來(lái)創(chuàng)建面部表示的特征。(您會(huì)看到它是如何工作的：每個(gè)像素位置的亮度/暗度得分相對(duì)不同，具體取決于人的臉部結(jié)構(gòu))。
也已經(jīng)提出了針對(duì)面部識(shí)別算法的其他較低級(jí)特征。有些解決方案實(shí)際上使用了混合方法，即它們使用了多個(gè)低層功能。2018年有一篇有趣的論文(M. Wang和W. Deng，“ Deep Face Recognition：A Survey [7]”，arXiv預(yù)印本)總結(jié)了面部識(shí)別算法的歷史。這張紙上的圖片顯示了選擇用于面部識(shí)別的功能的演變：
請(qǐng)注意，根據(jù)所使用的表示類(lèi)型，面部識(shí)別算法(在LFW數(shù)據(jù)集上標(biāo)有基準(zhǔn))的準(zhǔn)確性如何隨時(shí)間增加？還注意到上面描述的LBP算法在1990年代后期問(wèn)世嗎？它的準(zhǔn)確性得分約為70%。
您在圖表的最上方看到了什么？當(dāng)然，深度學(xué)習(xí)！深度學(xué)習(xí)總體上改變了計(jì)算機(jī)視覺(jué)和AI的面貌。但是，它如何使面部識(shí)別技術(shù)發(fā)生革命性的變化，以至于如今它已經(jīng)達(dá)到了人類(lèi)水平的精度？關(guān)鍵區(qū)別在于，無(wú)需機(jī)器手動(dòng)選擇功能(也稱(chēng)為“手工功能”，即當(dāng)您說(shuō)：“讓我們使用像素亮度作為功能”時(shí))，而是讓機(jī)器決定應(yīng)使用哪些功能。換句話(huà)說(shuō)，機(jī)器會(huì)自己生成表示。您建立一個(gè)神經(jīng)網(wǎng)絡(luò)并對(duì)其進(jìn)行訓(xùn)練，以為您提供描述面孔的向量。您可以通過(guò)該網(wǎng)絡(luò)放置任何面孔，最后將獲得引導(dǎo)。
但是向量中的每個(gè)維代表什么？好吧，我們真的不知道！ 我們將必須逐步分解用于查看其內(nèi)部運(yùn)行情況的神經(jīng)網(wǎng)絡(luò)。 由Facebook開(kāi)發(fā)的算法DeepFace[8](您可以在上圖中看到它)看到了128個(gè)維的向量。但是考慮到所使用的神經(jīng)網(wǎng)絡(luò)具有1.2億個(gè)參數(shù)，將其分解以查看向量中的每個(gè)維究竟代表什么可能是不可行的。但是，重要的是該策略有效！而且效果非常好。
3.模型訓(xùn)練
現(xiàn)在是時(shí)候進(jìn)行下一步：模型訓(xùn)練。這是我們在一個(gè)人的面部表情列表上訓(xùn)練分類(lèi)器(一種對(duì)事物進(jìn)行分類(lèi)的算法)的步驟，以便能夠識(shí)別這些人的面部表情的更多示例。
讓我們與朋友愛(ài)麗絲(Alice)和鮑勃(Bob)一起回到示例中來(lái)解釋這一步驟。還記得我們之前提出的六張面孔矢量表嗎？
如果數(shù)據(jù)中存在兩個(gè)以上的集群(即，我們?cè)跀?shù)據(jù)中與兩個(gè)以上的人打交道)，則分類(lèi)器將需要能夠處理此問(wèn)題。然后，如果我們?cè)诟叩木S度(例如128+)上工作，則算法也需要在這些維度上運(yùn)行。
4.識(shí)別
機(jī)器視覺(jué)識(shí)別是面部識(shí)別過(guò)程中的步。給定一張新的臉部圖像，將為其生成一個(gè)表示，分類(lèi)算法將提供一個(gè)分?jǐn)?shù)，說(shuō)明其與最近的集群的接近程度。如果分?jǐn)?shù)足夠高(根據(jù)某個(gè)閾值)，則面部將被標(biāo)記為已識(shí)別/已識(shí)別。
因此，在我們的示例案例中，假設(shè)出現(xiàn)了一張新照片，上面有一張臉。我們將首先生成它的表示形式，例如：(13，4)。分類(lèi)算法將采用此向量，并查看其的群集–在這種情況下，它將是愛(ài)麗絲的群集。由于此數(shù)據(jù)點(diǎn)非常接近聚類(lèi)，因此還將生成較高的識(shí)別分?jǐn)?shù)。下圖說(shuō)明了此示例：
結(jié)論
在這篇文章中，我描述了魯棒的面部識(shí)別算法所采取的主要步驟。然后描述每個(gè)步驟，并使用示例用例來(lái)說(shuō)明這些步驟背后的概念。面部識(shí)別技術(shù)的重大突破出現(xiàn)在2014年，當(dāng)時(shí)深度學(xué)習(xí)被用于生成面部表情，而不是手工特征技術(shù)。結(jié)果，面部識(shí)別算法現(xiàn)在可以達(dá)到接近人類(lèi)水平的精度。
關(guān)鍵詞：機(jī)器視覺(jué)
全年征稿/資訊合作
聯(lián)系郵箱：1271141964@qq.com
免責(zé)聲明
- 凡本網(wǎng)注明"來(lái)源：智能制造網(wǎng)"的所有作品，版權(quán)均屬于智能制造網(wǎng)，轉(zhuǎn)載請(qǐng)必須注明智能制造網(wǎng)，http://towegas.com。違反者本網(wǎng)將追究相關(guān)法律責(zé)任。
- 企業(yè)發(fā)布的公司新聞、技術(shù)文章、資料下載等內(nèi)容，如涉及侵權(quán)、違規(guī)遭投訴的，一律由發(fā)布企業(yè)自行承擔(dān)責(zé)任，本網(wǎng)有權(quán)刪除內(nèi)容并追溯責(zé)任。
- 本網(wǎng)轉(zhuǎn)載并注明自其它來(lái)源的作品，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)或證實(shí)其內(nèi)容的真實(shí)性，不承擔(dān)此類(lèi)作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。其他媒體、網(wǎng)站或個(gè)人從本網(wǎng)轉(zhuǎn)載時(shí)，必須保留本網(wǎng)注明的作品來(lái)源，并自負(fù)版權(quán)等法律責(zé)任。
- 如涉及作品內(nèi)容、版權(quán)等問(wèn)題，請(qǐng)?jiān)谧髌钒l(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系，否則視為放棄相關(guān)權(quán)利。
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
2025第十一屆中國(guó)國(guó)際機(jī)電產(chǎn)品交易會(huì) 暨先進(jìn)制造業(yè)博覽會(huì)
展會(huì)城市：合肥市展會(huì)時(shí)間：2025-09-20