顔認識技術とは、顔を識別するための分析と比較にコンピューター技術を使用することを指します。顔認識はコンピューター技術研究の人気分野であり、顔追跡検出、画像倍率の自動調整、夜間赤外線検出、露出強度の自動調整などの技術が含まれます。
技術原理
顔認識技術は 3 つの部分で構成されます:
(1) 顔検出
## 顔検出とは、ダイナミックなシーンや複雑な背景に顔画像があるかどうかを判断し、そのような顔画像を分離することを指します。一般的には次のような方法があります。
①基準テンプレート法まず、1 つまたは複数の標準的な顔テンプレートを設計し、テストを計算します。採取したサンプルと標準テンプレートとのマッチングを判定し、その閾値を用いて顔の有無を判定する。②顔ルール法顔には特定の構造分布特性があるため、顔の有無を判定する。顔ルール手法は、これらの特徴を抽出して、テスト サンプルに顔が含まれているかどうかを判断するための対応するルールを生成することです; ③サンプル学習手法この手法は、パターン認識に人工ニューラル ネットワークを使用します。方法は、顔画像サンプル セットと非顔画像サンプル セットを学習することによって分類器を生成することです; ④肌色モデル方法この方法は、顔の肌の色の比較的集中した分布に基づいています。色空間、ルールを検出します。 ⑤特徴サブフェイス法このメソッドは、すべての顔画像セットを顔画像サブ空間として扱い、検出サンプルとサブ空間内のその投影の間の距離に基づいているかどうかを決定します。存在感があるイメージがあります。 上記の 5 つの方法は、実際の検出システムでも包括的に使用できることを言及する価値があります。 推奨コース:PHP チュートリアル 。
(2) 顔追跡
顔追跡とは、検出された顔の動的ターゲット追跡を指します。具体的には、モデルベースの手法、あるいはモーションとモデルを組み合わせた手法が用いられる。さらに、肌色モデルの追跡を使用することも簡単で効果的な方法です。(3) 顔比較
顔比較とは、検出された顔画像の同一性を確認したり、顔画像データベースから対象を検索したりすることです。これは実際には、サンプリングされた顔画像がストックの顔画像と順番に比較され、最もよく一致するオブジェクトが見つかることを意味します。したがって、顔画像の記述によって、顔画像認識の具体的な方法と性能が決まります。主に、特徴ベクトルと顔パターン テンプレートの 2 つの記述方法を使用します。
①特徴ベクトル方法この方法では、まず目の虹彩と顔パターン テンプレートを決定します。鼻 口角や顔の特徴などの顔の特徴の大きさ、位置、距離などを計算し、幾何学的特徴量を計算し、顔画像を記述する特徴ベクトルを形成します。 ②顔パターンテンプレート法この方法は、多数の標準的な顔画像テンプレートまたは顔器官テンプレートをライブラリに保存し、比較する際に、サンプリングされた顔画像の全ピクセルと全ピクセルを比較する方法です。ライブラリ内のテンプレートは、正規化された相関測定を使用して照合されます。さらに、パターン認識に自己相関ネットワークを使用したり、特徴とテンプレートを組み合わせたりする方法もあります。 顔認識技術の核となるのは、実は「局所人体特徴解析」と「グラフィック/ニューラル認識アルゴリズム」であり、このアルゴリズムは人間の顔のさまざまな器官や特徴的な部分を利用した手法です。例えば、対応する幾何学的関係のマルチデータ構成識別パラメータが、データベース内のすべての元のパラメータと比較され、判断され、確認される。通常、判定時間は 1 秒以内が要求されます。認識プロセスは大きく 3 つのステップに分かれます:
(1) まず顔画像ファイルを作成します。すなわち、カメラを使用して部隊隊員の顔の顔画像ファイルを収集するか、写真を撮って顔画像ファイルを形成し、これらの顔画像ファイルを顔紋章(Faceprint)コードに生成して保存する。(2) 現在の人間の顔画像を取得します。すなわち、カメラを使用して、現在出入りする人物の顔画像をキャプチャするか、写真を撮って入力し、現在の顔画像ファイルから顔パターンコードを生成する。
(3) 現在の顔パターン コードをアーカイブ インベントリと比較します。つまり、現在の顔画像の顔パターン コードが取得され、アーカイブ インベントリ内の顔パターン コードと比較されます。上述の「顔パターン符号化」手法は、人間の顔の本質的な特徴と始まりに基づいて機能します。この顔パターンのエンコードは、光、肌の色、ひげ、髪型、眼鏡、表情、姿勢の変化に対して堅牢であり、何百万人もの人々の中から個人を正確に識別できます。顔認識プロセスは、通常の画像処理装置を使用して、自動的かつ継続的にリアルタイムで完了できます。技術プロセス
顔認識システムは主に 4 つのコンポーネント、つまり顔画像の収集と検出、顔画像の前処理、顔画像の特徴抽出と照合と認識で構成されています。顔画像の収集と検出
顔画像の収集: 静止画像、動画像、異なる場所、異なるなど、カメラのレンズを通じてさまざまな顔画像を収集できます。表情などもよく回収できます。ユーザーが収集装置の撮影範囲内に入ると、収集装置は自動的にユーザーの顔画像を検索して撮影します。顔検出: 顔検出は主に、実際には顔認識の前処理、つまり画像内の顔の位置とサイズを正確に調整するために使用されます。顔画像に含まれるパターン特徴は、ヒストグラム特徴、色特徴、テンプレート特徴、構造特徴、ハール特徴など非常に豊富です。顔検出は、有用な情報を選択し、これらの機能を使用して顔検出を実現します。
主流の顔検出手法では、上記の特徴に基づいた Adaboost 学習アルゴリズムが使用されています。Adaboost アルゴリズムは、分類に使用される手法です。いくつかの弱い分類手法を組み合わせて、新しく強力な分類手法を形成します。
顔検出プロセスでは、Adaboost アルゴリズムを使用して顔を最もよく表すいくつかの長方形の特徴 (弱分類器) を選択し、その弱分類器は重み付き投票方法に従って強分類器に構築されます。得られたいくつかの強力な分類器を直列に接続してカスケード構造のカスケード分類器を形成し、分類器の検出速度を効果的に向上させます。
顔画像の前処理
顔画像の前処理: 顔画像の前処理は、顔検出結果に基づいて画像を処理し、最終的に特徴抽出プロセスに提供します。システムで取得したオリジナル画像は、さまざまな条件やランダムな干渉によりそのままでは使用できないことが多く、画像処理の初期段階でグレースケール補正やノイズフィルタリングなどの画像前処理を行う必要があります。顔画像の場合、前処理プロセスには主に、顔画像の光補正、グレースケール変換、ヒストグラム均等化、正規化、幾何学補正、フィルタリングおよび鮮明化が含まれます。
顔画像特徴抽出
顔画像特徴抽出: 顔認識システムで使用できる特徴は、通常、視覚特徴、ピクセル統計特徴、およびピクセル統計特徴に分類されます。顔画像特徴、変換係数特徴、顔画像代数特徴など顔の特徴抽出は、人間の顔の特定の特徴に対して実行されます。顔特徴抽出は、顔表現とも呼ばれ、顔の特徴モデリングのプロセスです。顔特徴抽出手法は、知識に基づく表現手法と、代数的特徴や統計学習に基づく表現手法の2つに分類できます。
知識ベースの表現方法は、主に顔器官の形状記述とそれらの間の距離特性に基づいて、顔の分類に役立つ特徴データを取得します。その特徴成分には、通常、特徴点間のユークリッドが含まれます。 . 距離、曲率、角度など。人間の顔は目、鼻、口、顎などのパーツで構成されており、これらのパーツの幾何学的記述とそれらの構造的関係は、人間の顔を識別するための重要な特徴として利用され、これらの特徴を幾何学的特徴と呼びます。知識ベースの顔表現には、主に幾何学的特徴に基づく方法とテンプレート マッチング方法が含まれます。
顔画像の照合と認識
顔画像の照合と認識: 抽出された顔画像の特徴データが検索され、データベースに保存されている特徴テンプレートと照合されます。閾値を設定し、類似度がその閾値を超えた場合にマッチング結果を出力する。顔認証とは、認識したい顔の特徴と、取得した顔特徴テンプレートとを比較し、その類似度に基づいて顔の同一性情報を判定することである。このプロセスは 2 つのカテゴリに分類されます。1 つは 1 対 1 の画像比較プロセスである確認であり、もう 1 つは 1 対多の画像照合および比較プロセスである識別です。
以上が顔認識技術の原理の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。