计算机视觉技术实战 课件 项目6--9 人脸识别：基于insightface的人脸检索 ---综合应用：火情识别算法研发及部署.pptx
项目6人脸识别：基于insightface的人脸检索
能力目标
(1)掌握insightface框架的安装与使用。
(2)了解人脸识别的4个步骤及其原理。
(3)重点掌握人脸检测与特征抽取的应用。
知识目标
(1)掌握解决人脸检索任务的基本步骤和实际操作技能。
(2)掌握如何设置适合实际场景的相似度阈值。
(4)掌握余弦相似度的原理及应用。
教学目标
2
目录
3
目录
4
任务目标
(1)了解人脸识别的4个步骤及其原理。
(2)掌握人脸数据的规范要求。
1.认识人脸识别
5
随着计算机视觉技术飞速发展，人脸识别已变成现实生活中的日常应用。人脸识别技术在经历从基于几何特征的方法，
到基于代数特征和连接机制的方法，再到基于深度学习的方法，不断提高识别准确性和鲁棒性。日常应用人脸识别最常见的场景是人脸识别手机解锁，这也得益于深度学习的发展与人脸识别算法的进步。基于计算机视觉技术的人脸识别实际是一系列算法组合的应用，主要分为4个步骤，分别是人脸检测、人脸对齐、人脸编码和人脸匹配。
人脸检测
人脸检测是从图像定位和标识出人脸的位置。人脸检测本质是目标检测，可以应用任何目标检测类的算法，也经历了基于传统图像处理的识别算法，再到基于机器学习的识别算法，如于深度学习的识别算法，如MTCNN、SCRFD算法等，在精度上有了极大的进步。在人脸检测这一步，只检测输入图像的人脸，标记出人脸的坐标位置，将人脸切割出来，作为下一步的输入。
人脸对齐
不同角度人脸图像对齐成统一标准形态。由于人脸的姿态、表情以及拍摄角度等因素会影响人脸识别的准确性人脸对齐首先定位人脸上眼睛、鼻子、嘴巴等关键位置的特征点，然后通过仿射、旋转、缩放等几何变换的方式，使各个特征点对齐到统一预设的固定位置上，从而实现空间归一化。
人脸编码
人脸编码，即人脸特征提取，是人脸识别中关键步骤，用于从人脸图像中提取具有判别性的特征表示。人脸特征提取技术按照技术特点和发展时间，大致分为3类：
(1)基于全局信息Holistic特征方法
(2)基于局部信息的Local特征方法
(3)基于深度学习的方法
人脸匹配
人脸匹配是指比较不同人脸特征向量并确定它们之间的相似度。人脸匹配一般分为人脸比对和人脸检索两种情况。人脸比对技术是对两个人脸特征向量进行1:1比对，并提供相似度评分；人脸检索技术是在一个已有人脸库中找出与目标人脸最相似的一张或多张人脸，并提供相似度评分。
1.1人脸识别简介
FaceFeature
extractor
6
人脸识别还有一个前置任务就是人脸采集。人脸采集需要注意以下几点：
1.图像大小：人脸图像过小会影响识别效果，人脸图像过大则会影响识别速度。一般情况下，人脸图像的最大边长不超过2000像素。另外，国家标准《公共安全人脸识别应用图像技术要求》(GB/T35678-2017)规定了公共安全领域人脸识别图像的技术要求，其中要求注册图像时，两眼间距应大于等于60像素，宜大于等于90像素；识别图像时，两眼间距应大于等于30像素，宜大于等于60像素
2.光照环境：过曝或过暗的光照环境都会影响人脸识别效果，光照环境以自然光为佳。
3.遮挡程度：在实际场景中，遮挡物应不遮挡眉毛、眼睛、嘴巴、鼻子及脸部轮廓。
如有戴眼镜，眼镜框应不遮挡眼睛，镜片应无色无反光。
4.采集角度：人脸相对于摄像头角度为正脸最佳。当需要安装摄像头时，摄像头与水平线之间的俯仰角宜在0-10°之间，不大于18°;安装高度宜在2.2米-3.5米之间，不高于6米；出入口人脸门禁控制设备安装高度在1.5-1.7米之间。
5.合法合规：采集过程中务必遵循充分告知不强制、最小数量、非必要不存储等数据安全原则，避免出现人脸数据滥采、泄露或丢失、过度存储和使用等问题；更不可出现人脸数据非法买卖等行为。建议读者详细研读《信息安全技术人脸识别数据安全要求》(国家标准GB/T41819-2022)。
importos
register_images_dir=./register_images
register_images=os.listdir(register_images_dir)register_images=sorted(register_images)
print(register_images)
本项目待注册人脸图像文件总共有4张，同时将以文件名编号作为人脸ID。
代码3-1将获取待注册人脸图像文件名并打印。
1.2人脸采集说明
#获取文件列表#按文件名排序
输出结果：
7
目录
8