瞬间亮了起来,把正在观察的张旭下了一跳。
罗诚稍微调整了一下距离和角度,让他的脸全部显示在屏幕上,下一秒屏幕上就显示出打卡成功的字样,旁边的电脑上也同步刷新出来他的打卡信息。
张旭:“这也没什么啊,这东西国外国内都有啊!没有什么特别的吧!”
罗诚一听赶紧解释:“打卡机的人脸识别系统很早就有,不过我们这个更先进?”
“怎么说?”
“人脸识别早期算法有几何特征的法,模板匹配的法,局部特征的法,子空间算法还有主成分分析法和线性判别分析法,还有稀疏表达法。”
“那现在呢?”
罗诚:“现在世面上基本上是【人工特征+分类器】,人工特征分为:方向梯度直方图,尺度不变特征变化和局部二值模式,而分类思想是给定一个包含正例和反例的样本集合,其目的是寻找一个超平面将样本正例和反例分隔开,并且使所有点中离超平面最近的点距离超平面有更大的间距。”
“那你们现在呢?”
罗诚:“我们的方向就是基于人工智能的功能,让机器进行深度学习。”
“深度学习?”
罗诚:“对,深度学习!深度卷积神经网络您了解吗?”
张旭摇了摇头,他现在感觉自己就是一个猴子,刚刚从原始森林走进了人类社会,周围的人都用一种关爱小动物的目光注视着他。
罗诚不知道他在想什么,继续讲解到:“在人脸对齐方面,D我们模型采用了3D对齐的方式,并且使用传统的LBP直方图进行图片纹理化并提取对应的特征。对提取出的特征使用SVR(supportvectression)处理以提取人脸及对应的六个基本点。根据六个基本点做仿射变换,再根据3D模型得到对应的67个面部关键点,根据这些点做三角划分,最终得出对应的3D人脸。”
“模型是3D的?”
罗诚:“是的,我们的机器在训练过程中采用的是一般的交叉熵损失函数,并且采用一般的softmax对训练的数据进行分类,只不过从特征向量产生到用来分类的过程中使用了一些内积、卡方距离或siamese的度量方式来计算相似度,用相似度来进行训练产生分类器。”
王浩接话道:“具体对齐流程为
第一步:检测出人脸和对应的六个基本点
第二步:二维对齐后的人脸
第三步:使用狄罗尼三角划分在2D人脸上划分出67个关键点,并在边缘处采用添加三角形的方式避免不连续
第四步:标准3D人脸模型(转化为2D平面并和原始2D图片进行比较时所需要的)(通过标准3D人脸库USF生成的对应的平均人脸模型)
第五步:标准3D脸转化为2D以及原有的2D做残差使用时所需的变化,黑色部分表示不可见的三角形。对于不可见的三角形处理采用的是对称方式解决
第六步:通过3D模型产生的67个基准点进行分段映射使人脸变弯曲,对人脸进行对齐处理
第七步:处理生成的2D人脸
第八步:根据处理生成的3D人脸。”
张旭有些麻木了,现在已经有些头晕眼花了,一个打卡机做得那么高端干什么?打卡成功竟然需要八步走,他就知道把大象放冰箱需要几步,第一步,把冰箱门打开,第二步把大象……
请收藏:https://m.ybiaw.com
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)