人臉識(shí)別技術(shù)——人臉檢測和人臉校準(zhǔn)

人臉檢測（detection）在opencv中早就有直接能拿來用的haar分類器，基于Viola-Jones算法。但是畢竟是老掉牙的技術(shù)，Precision/Recall曲線渣到不行，在實(shí)際工程中根本沒法給boss看，作為MSRA腦殘粉，這里介紹一種MSRA在14年的較新技術(shù)：Joint Cascade Face Detection and Alignment（ECCV14)。這篇文章直接在30ms的時(shí)間里把detection和alignment都給做了，PR曲線彪到很高，時(shí)效性高，內(nèi)存占用卻非常低，在一些庫上虐了Face++和Google Picasa，正好契合這篇想講的東西。可以作為本節(jié)的主線。

人臉校準(zhǔn)（alignment）是給你一張臉，你給我找出我需要的特征點(diǎn)的位置，比如鼻子左側(cè)，鼻孔下側(cè)，瞳孔位置，上嘴唇下側(cè)等等點(diǎn)的位置。

{zh1}的強(qiáng)分類器是通過多個(gè)基分類器聯(lián)合得到的,因此在{zh1}聯(lián)合時(shí)各個(gè)基分類器所起的作用對聯(lián)合結(jié)果有很大的影響,因?yàn)椴煌诸惼鞯淖R(shí)別率不同,他的作用就應(yīng)該不同,這里通過權(quán)值體現(xiàn)他的作用,因此識(shí)別率越高的基分類器權(quán)重越高,識(shí)別率越低的基分類器權(quán)重越低。權(quán)值計(jì)算如下: 基分類器的錯(cuò)誤率: e = ∑( ht ( x i) ≠yi) Di (1) 基分類器的權(quán)重:W t = F( e) ,由基分類器的錯(cuò)誤率計(jì)算他的權(quán)重。2.3 算法流程及偽碼描述 算法流程描述 算法流程可用結(jié)構(gòu)圖 1 描述,如圖 1 所示 AdaBoost重復(fù)調(diào)用弱學(xué)習(xí)算法(多輪調(diào)用產(chǎn)生多個(gè)分類器) ,首輪調(diào)用弱學(xué)習(xí)算法時(shí),按均勻分布從樣本集中選取子集作為該次訓(xùn)練集,以后每輪對前一輪訓(xùn)練失敗的樣本,賦予較大的分布權(quán)值( Di 為第i 輪各個(gè)樣本在樣本集中參與訓(xùn)練的概率) ,使其在這一輪訓(xùn)練出現(xiàn)的概率增加,即在后面的訓(xùn)練學(xué)習(xí)中集中對比較難訓(xùn)練的樣本進(jìn)行學(xué)習(xí),從而得到 T個(gè)弱的基分類器, h1 , h2 , …, ht ,其中 ht 有相應(yīng)的權(quán)值 w t ,并且其權(quán)值大小根據(jù)該分類器的效果而定。{zh1}的分類器由生成的多個(gè)分類器加權(quán)聯(lián)合產(chǎn)生。

人臉識(shí)別的一種匹配算法

人臉識(shí)別的一種匹配算法采用AdaBoost 對Gabor 特征進(jìn)行優(yōu)化選擇和判別分析來提取特征及進(jìn)行準(zhǔn)確匹配。采用了Gabor 特征表示作為原始特征集，借鑒作差法形成兩個(gè)“差空間”：“類內(nèi)差”空間和“類間差”空間，從而將多類問題轉(zhuǎn)化為AdaBoost 可以解決的兩類問題，然后采用AdaBoost 方法對高維的Gabor 特征進(jìn)行特征選擇，然后對選擇出來的Gabor 特征進(jìn)行判別分析從而實(shí)現(xiàn)最終的識(shí)別，實(shí)驗(yàn)證明此方法取得了比傳統(tǒng)彈性匹配方法（EGM）和Gabor 特征Fisher 判別分類方法（GFC）方法更好的識(shí)別性能。

人臉識(shí)別系統(tǒng)與指紋識(shí)別系統(tǒng)相比較人臉識(shí)別系統(tǒng)其實(shí)是臺(tái)特殊的攝像機(jī)，判斷速度相當(dāng)快，只需要0.01秒左右，由于利用的是人體骨骼的識(shí)別技術(shù)，所以即使易容改裝，也難以蒙過它的眼睛。而且“人臉識(shí)別系統(tǒng)”具有存儲(chǔ)功能，只要把一些具有潛在危險(xiǎn)性的“重點(diǎn)人物”的“臉部特寫”輸入存儲(chǔ)系統(tǒng)，重點(diǎn)人物如擅自闖關(guān)，就會(huì)在0.01秒之內(nèi)被揪出來，同時(shí)向其他安保中心“報(bào)警”。另外，某些重要區(qū)域如控制中心只允許特定身份的工作人員進(jìn)出，這時(shí)候面部檔案信息未被系統(tǒng)存儲(chǔ)的所有人全都會(huì)被拒之門外。

 與此前的指紋識(shí)別系統(tǒng)相比，人臉識(shí)別系統(tǒng)有很多的改進(jìn)。指紋技術(shù)的使用壽命不如人臉識(shí)別系統(tǒng)，使用成本也高于人臉識(shí)別系統(tǒng)。由于沾水、沾汗、沾灰，還有傳感器只能在室內(nèi)使用等原因，指紋識(shí)別系統(tǒng)在露天戶外使用的可能性很小。而用于人臉識(shí)別的攝像機(jī){yt}24小時(shí)都可工作，不侵飯人權(quán)，第二它是很安全的，無論室內(nèi)還是戶外均可使用。人臉識(shí)別系統(tǒng)意味著每個(gè)人的臉上都貼著名字，外人看不見，但監(jiān)空系統(tǒng)能看得見。bao括外國人，從踏入中國的一瞬間，他的圖像和個(gè)人資料就會(huì)進(jìn)入電腦的控制中心，不管在什么地方出現(xiàn)，都可認(rèn)出此人。而且被觀察的人不知道有設(shè)備在監(jiān)視他，起到了科技奧運(yùn)、文明奧運(yùn)的功能。

重慶人臉識(shí)別之智能商業(yè)解決方案

智能商業(yè)解決方案互聯(lián)網(wǎng)背景下，電商的飛速發(fā)展，給傳統(tǒng)門店帶來巨大的挑戰(zhàn)和打擊。傳統(tǒng)門店如何與電商抗衡，搶奪市場，還需要在智能化數(shù)據(jù)分析上下文章。

今天門店來了多少人？A店和B店得客流量是多少？對比客流量和收入，兩個(gè)門店的轉(zhuǎn)化率是多少？是店員怠工還是促銷力度不夠？現(xiàn)零售業(yè)的發(fā)展，已經(jīng)使整體的商圈研究進(jìn)入到系統(tǒng)化、數(shù)據(jù)化、實(shí)操化的階段。當(dāng)一個(gè)顧客進(jìn)入店鋪，通過人臉識(shí)別，店員如果一時(shí)間了解顧客的年齡、性別、到訪頻次、VIP、黑名單、粉絲、同{yt}的返店率分析等數(shù)據(jù)，能讓店員更準(zhǔn)確的向顧客推廣產(chǎn)品，提升商場的成交率和轉(zhuǎn)化率。