人脸识别关键技术及最新进展

人脸识别关键技术及最新进展刘军2017年1月6日报告提纲人脸识别进展人脸检测人脸对齐人脸识别人脸识别进展人脸识别系统框图图像采集人脸检测特征训练特征提取匹配结果人脸配准预处理人脸数据库特征数据库人脸识别进展深度学习+大数据报道单位图片数量（百万）个体数量（万）脸谱公司(facebook)4.40.4谷歌公司(google)200800DeepID0.21.0Face++52腾讯优图12中科院自动化所0.51.0天津研究院22图片数量(200vs5);个体数量(800vs2)人脸识别进展个体数目和图片数目同等重要2008年公安部一所千万级大规模人脸识别评测无法检测到很多高清晰图像中的人脸基于数据的人脸识别的弊端对于训练集合中没有的样本往往束手无策谷歌照片应用误把黑人标记成“大猩猩”普通大众人脸识别进展个体数目和图片数目同等重要2008年公安部一所千万级大规模人脸识别评测无法检测到很多高清晰图像中的人脸明星、名人vs普通大众明星、名人浓眉大眼、五官端正报告提纲人脸识别进展人脸检测人脸对齐人脸识别人脸检测基于深度分割的人脸检测方法背景比较单一，前景具有一定相似性普通大众明星、名人浓眉大眼、五官端正人脸检测基于深度分割的人脸检测方法背景比较单一，前景具有一定相似性前景背景人脸检测基于深度分割的人脸检测方法背景比较单一，前景具有一定相似性百度图像分割大赛人脸检测基于深度分割的人脸检测方法背景比较单一，前景具有一定相似性人脸检测不同遮挡程度下的人脸检测人脸检测不同遮挡程度下的人脸检测并不完全依赖于表像和结构信息能够预测训练集合中没有的数据具有较快的计算速度-1000帧/秒人脸检测漏检，误检不稳定，忽大忽小人脸检测报告提纲人脸识别进展人脸检测人脸对齐人脸识别人脸对齐目前在在主流数据库上，我们得到了优于其他最新算法的实验结果，速度可以达到每秒6800帧，（cpu：i7-4790k，多线程：启用，模型大小：3.28M）和目前主流方法比较：MethodCommonChallengingFullFPSTSPM8.2218.3310.20ESR5.2817.007.58120RCPR6.1817.268.35SDM5.5715.407.5070LBF4.9511.986.32320LBFFast5.3815.507.373100CFSS4.739.985.76363DDFA6.1510.597.013DDFA+SDM5.539.566.31ours6.738.967.136800报告提纲人脸识别进展人脸检测人脸对齐人脸识别弱监督人脸识别数据整理来源网络爬虫（百度，谷歌图片，Flickr）人工采集干扰因素特征点标注不准确数据不纯净弱监督人脸识别解决方法筛选人工辅助标注人脸配准数据识别身份异常配准异常基于深度网络的人脸识别方法识别结果弱监督人脸识别5124124128384128128384282822272755MaxpoolingMaxpoolingSoft-maxloss510575223841313358582566033Maxpooling3256601024InputConv1Conv2Conv3Conv4Conv5Conv6Fc1Fc2MethodVR@FAR=0.1%DIR@FAR=1%，Rank=1HD-LBP+JB41.66%18.07%HD-LBP+LDA36.12%14.94%CBSR80.26%28.90%CRIPAC(Ours)86.18%58.07%技术上仍然有很大提升空间弱监督人脸识别我们算法是目前基于深度学习的商用算法中速度最快的。弱监督人脸识别技术特点：对光照、姿态、表情、年龄变化等因素影响均具有很好的鲁棒性。衷心感谢各位专家！敬请批评指导！