자바는 얼굴 애니메이션을 실현했다. 사진은 배열에 저장됩니까, 아니면 이미지 객체에 저장됩니까? 얼굴 추출의 특징은 무엇입니까? 얼굴 처리에 일반적으로 사용되는 특징은 무엇입니까?
컴퓨터 네트워크 및 통신 기술이 발달하면서 정보 보안, 지적 재산권 보호 및 신분 인증은 중요하고 시급한 연구 과제가 되었습니다. 인증은 시스템 보안을 보장하기 위한 필수 전제 조건이며, 여러 보안 영역에서 정확한 인증이 필요합니다. 신분증, 스마트 카드, 암호 등 전통적인 인증 방식은 휴대가 불편하고, 잃어버리기 쉬우며, 비밀번호를 읽을 수 없거나 쉽게 해독되는 등 많은 문제가 있다. 얼굴 인식 기술에 기반한 인증 방법은 기존 방법보다 더 나은 보안, 신뢰성 및 효율성을 갖추고 있어 점점 더 많은 관심을 받고 사회생활의 모든 분야에 진입하고 있습니다.
얼굴 인식 기술은 광범위한 응용 전망을 가지고 있어 다양한 보안 분야에 적용될 수 있다. 그 독특성, 유일성, 상대적 안정성으로 인해 점차 매우 인기 있는 연구 과제가 되고 있다. 많은 전형적인 얼굴 인식 알고리즘과 응용 시스템은 표준 또는 특정 얼굴 데이터베이스를 대상으로 데이터베이스의 얼굴을 훈련시켜 동일한 데이터베이스에서 얼굴 인식을 실현합니다. 그러나 소프트웨어 보호, 컴퓨터 보안 등의 특수 어플리케이션에서는 인증이 단일 개체에 대해서만 얼굴 인식을 수행하며 기존 얼굴 인식 방법은 이러한 인식 작업을 수행할 수 없습니다. 따라서 이 문서에서는 단일 대상 얼굴 인식의 특징에 따라 단일 대상 얼굴 감지 및 인식의 핵심 기술을 살펴보고 이를 바탕으로 단일 대상 얼굴 인식 알고리즘을 제안합니다. 실험 결과는 이 방법의 유효성을 증명했다.
2 단일 객체 얼굴 인식 기능
일반적인 얼굴 인식과 비교했을 때 단일 오브젝트 얼굴 인식은 다음과 같은 네 가지 특징을 가지고 있습니다.
응용 분야 얼굴 인식은 범죄 수사, 증명서 검증, 보안 모니터링과 같은 광범위한 응용 프로그램을 가지고 있으며, 단일 객체 얼굴 인식은 주로 소프트웨어 보호, 컴퓨터 보안 잠금, 특정 객체 추적 등에 적용됩니다.
인식 시스템의 대상 단일 대상 얼굴 인식의 최종 목표는 시스템이 높은 보안과 신뢰성을 가져야 한다는 것입니다. 즉, 인식 오류율이 0 이 되어야 한다는 것입니다. 인식 오류율도 떨어지지만 사용자에게 자세를 조정하라는 메시지를 표시하여 개선할 수 있습니다 (예: 카메라 응시).
피부색 모델 단일 대상 얼굴 인식은 특정 오브젝트에만 적용되기 때문에 얼굴 감지의 피부색 모델은 적응적인 방법으로 피부색 범위를 조정할 수 있습니다.
분류 방법 단일 객체 얼굴 인식에는 얼굴 라이브러리가 없으며 일반적으로 사용되는 최소 거리 분류 방법은 특정 객체를 제대로 인식하지 못하며 임계값만 판별 기준으로 사용할 수 있습니다. 따라서 임계값 선택은 매우 중요합니다. 문턱이 너무 크면 오판과 안전위험을 초래하기 쉽다. 그러나 임계값이 너무 작으면 인식 효율성에 영향을 줄 수 있습니다.
3 얼굴 검출 및 정규화
얼굴 탐지는 얼굴 인식의 전제이다. 지정된 이미지에 대해 얼굴 감지의 목적은 이미지에 얼굴이 있는지 여부를 확인하고 있는 경우 위치 및 공간 분포를 반환하는 것입니다. 피부색과 얼굴 특징에 따라 얼굴 감지는 외부 얼굴 감지와 내부 얼굴 위치의 두 단계로 나뉩니다. 외부 얼굴 감지는 주로 얼굴 피부색을 이용하여 초기 얼굴 영역을 감지하고 피부색 영역을 나눕니다. 내층 얼굴 탐지는 얼굴의 기하학적 특징을 이용하여 외층 얼굴 영역에서 검증과 위치를 잡는 것이다.
3. 1 외부 얼굴 검출
외부 얼굴 감지의 임무는 이미지에서 감지될 수 있는 얼굴 영역을 찾아 표시하는 것입니다. 단계는 다음과 같습니다.
(1) 색상 공간에서 인체 피부색의 영역 특징에 따라 얼굴일 수 있는 픽셀을 탐지합니다. 피부색 특징을 더 잘 활용하기 위해 HSI 와 YcbCr 의 두 가지 색상 공간을 사용하여 이미지를 이진화합니다. 피부색 범위는 h ∩ [0,46], s ∩ [0.10,0.72], CB ∩ [98, 130] 로 제한된다 적합한 픽셀은 피부색 픽셀로 표시되고 나머지는 피부색이 아닌 픽셀입니다.
(2) 소음 제거. 각 피부색점을 중심으로 5×5 근방의 피부색 픽셀 수를 집계한다. 절반이 넘으면 중심점은 피부색으로 유지되고, 그렇지 않으면 피부색이 아닌 것으로 간주됩니다.
(3) 이진 이미지의 피부색 블록을 영역으로 병합하고 대상 영역의 비율과 구조를 분석하여 불가능한 얼굴 영역을 필터링합니다. 대상 영역의 종횡비는 0.8 ~ 2.0 으로 제한됩니다.
3.2 내부 얼굴 검출 및 위치
눈, 눈썹, 코, 입이 포함된 영역을 내부 얼굴 영역이라고 합니다. 내인 얼굴 영역은 사람의 얼굴 특징을 잘 대표할 수 있고 배경, 머리카락 등의 요인에 쉽게 방해받지 않기 때문에 내인 얼굴 영역의 탐지와 포지셔닝은 후속 피쳐 추출 및 인식에 매우 중요하다.
외부 영역의 위쪽 부분에서 이진 이미지가 수평 및 수직으로 투영되고 검은색 점이 포함된 두 개의 직사각형 영역이 눈의 대략적인 영역으로 결정됩니다. 결정된 두 영역에서 검은 점을 확장하면 눈의 기본 윤곽과 왼쪽 돌의 구석을 얻을 수 있으며, 검은 점 좌표의 평균을 동공 위치로 사용할 수 있습니다.
왼쪽과 오른쪽 눈동자의 좌표는 각각 (Lx, Ly) 와 (Rx, Ry), 두 눈동자 사이의 거리는 d 로, 얼굴의 기하학적 특징에 따라 안쪽 얼굴 면적을 폭 =-d× 1.6, 높이로 정의합니다 실험에 따르면 이 지역은 달인의 얼굴 특징을 잘 나타낼 수 있다.
3.3 내부 얼굴 영역 표준화
각 이미지의 얼굴 크기는 매우 무작위적이므로 내부 얼굴 영역을 정규화해야 합니다. 얼굴 정규화란 얼굴 내부 영역의 이미지를 배율 조정하여 일관된 크기의 표준 이미지를 얻는 것을 말합니다. 실험에서 표준 이미지의 크기를 128× 128 로 지정했습니다. 정규화는 얼굴 크기의 일관성을 보장하며 이미지 평면에서의 얼굴 크기 불변성을 반영합니다.
표준화된 얼굴 이미지의 경우 소파 변환 및 DCT 를 사용하여 얼굴 특징을 추출합니다. 먼저 얼굴 이미지에 대해 3 층 소파 분해를 수행하고 저주파 하위 이미지 LL3 를 얼굴 특징 추출 대상으로 사용하여 각 훈련 샘플 또는 테스트 샘플의 저주파 하위 이미지를 얻습니다. 그런 다음 저주파 하위 이미지에 대해 이산 코사인 변환을 수행합니다. DCT 계수의 수는 하위 이미지의 크기 (즉, 256) 와 같습니다. 이미지의 DCT 변환으로 인해 에너지가 저주파 부분에 집중되기 때문에 136 개의 저주파 계수만 특성 벡터로 사용합니다.
5 얼굴 인식
훈련 과정을 마치고 테스트할 샘플의 특징을 얻으면 얼굴 인식을 할 수 있다. 이 기사는 유클리드 거리를 사용하여 분류합니다.
5. 1 샘플과 평균 얼굴 사이의 유클리드 거리 계산
M 과 X 가 평균 얼굴과 샘플의 피쳐 벡터를 나타내는 경우 샘플과 평균 얼굴 사이의 유클리드 거리는 다음과 같습니다.
여기서 MK 는 평균 얼굴의 K 번째 고유 벡터를 나타내고, xk 는 테스트할 샘플의 K 번째 고유 벡터를 나타냅니다. ID 인증에서 테스트할 샘플과 평균 얼굴 사이의 유클리드 거리를 계산하고 특정 개체의 어댑티브 임계값과 비교하여 임계값보다 작은 샘플을 해당 오브젝트의 얼굴, 즉 인증이 통과되었다고 판단합니다.
5.2 적응 임계값 선택
일반적인 얼굴 인식 방법과 달리 단일 대상 얼굴 인식에는 얼굴 데이터베이스가 없으므로 최소 거리를 기준으로 할 수 없으며 임계값만 기준으로 할 수 있습니다. 임계값 선택은 인식률과 정확도를 고려해야 한다. 실험에서 우리는 훈련 샘플과 평균 얼굴 사이의 평균 유클리드 거리를 분류 임계값으로 사용했습니다.
여기서 n 은 훈련 샘플의 수이며 너무 작을 수 없습니다. Di 는 I 번째 샘플과 평균 얼굴 사이의 유클리드 거리입니다.
Most Technology Co., Ltd. 는 패턴 인식 마더보드 및 솔루션을 제공합니다.
채택하기를 바라다