[理学]智能感知与公共安全技术研究与应用.pptVIP

提 要 团队介绍 人脸识别 智能视频 研究方向 智能视觉感知技术研究 图像处理、计算机视觉 模式识别、机器学习 面向公共安全的应用研究 人脸识别 智能视频分析 著作《Markov Random Field Modeling in Image Analysis》 被专家誉为“里程碑”（Charles A. Bouman） 已出第3版，他引超过1550次。 主编《Encyclopedia of Biometrics》 组织全球30位领域专家编辑，200余专家通力撰写 第一编辑《Handbook of Face Recognition》。另外编辑了其他3部生物特征识别论文集 论文获2007国际生物识别大会最优论文一等奖 人脸识别相关研究和应用项目 基金委、863、公安部出入境管理局、北京奥运安保部、上海世博安保部 成果已在北京奥运、上海世博、边检通关实施应用 社会治安动态防范系统中智能视频技术 国家科技支撑计划课题 成果已在天安门区域安防实施应用 ISO/IEC 近红外人脸识别国际标准制定跟踪研究 国家质检总局项目“近红外人脸识别”国际标准 代表中国国家体独家撰写提交ISO/IEC JTC1/SC37 国际标准— Face Sample Quality，得到采纳。 Face Recognition Process Face Detection Preprocessing Feature Extraction Template Matching Decision History (70-80’s)Ver.1: Geometric Feature Based Approach Kanade made the 1st automated system 1973 In traditional CV framework Image features (Dimension reduction) manual pre-specified, based on few examplars Unary Features={type, location, width, height, size, etc} Binary Features={type, relations (distances etc)} Weak, unstable, inaccurate History (90’s -)Ver.2: Appearance, Learning-Based Approach Ver.2.1 Holistic features Linear dim reduction Distance in linear feature space Eg. PCA, LDA. Accuracy ~ 93% on ORL database Ver.2.2 Holistic features Nonlinear dim reduction Distance in linear feature space Eg. Kernel PCA, K-LDA. Accuracy ~ 96% on FERET database Ver.2.3 Local features + Learning-based feature selection and classification. Accuracy ~ 98% on FERET database How to achieve 99% or higher? Ver.3, 4…? 人脸识别技术难点 Challenge From Manifold Viewpoint Complexity of face manifolds Problem in Generalizing Limited Training Data When lighting changes When pose changes Daily changes and aging When Camera property change Euclidean Geometry Inappropriate in image space Imaging Models Face: a 3D Object Physical Model (Lambertian Model) Imaging Factors Shape n(x,y) – intrinsic factor Albedo r(x,y) – intrinsic factor Illumination s= (s1, s2, s3) – extrinsic factor 主动近红外技术解决光照问题 异质图像人脸识别 另一个新的研究方向 可见光 vs. 近红外 vs. 3维 vs. 热红外 图像 不同类型图像之