マスク付き顔画像認識システム

マスク付き顔画像認識システム
Meijo University マスク付き顔画像認識システム 1
Meijo University 目次 • 研究背景 • 研究目標 • 研究応用 • 実現方法 • 今后の課題
Meijo University 研究背景 • 近年、生体認証技術の研究開発が進んでいる。その中で顔認証は、他の認証方式に比べて便利性が高く、非接触、非強制のため、決済や勤怠管理に広く利用されている。
Meijo University 研究背景 • 新型コロナウイルスの流行に伴い、生活のあらゆる場面でマスクが必要とされている。通常の環境下では、顔認識はかなり発達している。しかし、マスクの着用は顔認証の精度や速度に大きな影響を与える。
Meijo University 研究目標 • マスク付き顔認識マスクを着用したまま顔認証が可能
Meijo University 研究応用 • 研究室のPC使用カメラでパソコンの前に座っている人を自動的に検出し、顔認識に成功すると、パスワードを入力する段階をスキップして、直接pcにアクセスすることができる。 • 入退室管理顔認識に成功し、アクセスが許可される。
Meijo University 顔認識の流れ
Meijo University 前処理 • グレースケール加重平均法によってカラー画像をグレーに変換する。 • 幾何学変換平行移動、回転、拡大縮小などの幾何学変換によって画像を処理する。 • 画像補正顔画像の品質を向上させ、視覚的に鮮明にし、より認識しやすくする。 • 標準化同じ寸法で同じ範囲のグレースケール値を持つ標準化された顔画像を得ることができる。
Meijo University よく使われる顔検出方法 • Hog 对图像几何的和光学的形变都能保持很好的不变性、可较好地提取人脸图像的全局特征。 • Sift 对于复杂背景因素的影响有较好的适应性。 • CNN 最准确、误报率低，相对于其他方法慢、计算量大。
Meijo University 先行研究の顔検出方法方向梯度直方图（Histogram of Oriented Gradients）HOG • 查看图片中的每一个像素。对于每一个像素，查看围绕在它周围的其他像素。 • 画一个箭头，显示图像变暗的方向。 • 对图像中的每个像素重复该过程，最终会将每个像素替换为箭头。这些箭头称为梯度（gradients），它们显示整个图像从明亮到暗的流动过程。 • 原始图像变为HOG表示，无论图像亮度如何，都能捕获图像的主要特征。
Meijo University 顔検出方法 • SIFT（局部特征）检测图像中显著的、稳定的特征点，然后基于检测出的像素点所在的局部邻域，生成多维特征，该多维特征代表了对当前特征点的描述。二维高斯函数 σ：标准差对图像进行低通滤波，即平滑效果， σ值越大，滤波后的图像越模糊，得到高斯差分金字塔。在得到DOG图像后，对于每一个 octave的一组图像，查找所有的极值点，以左图为例，该极值点像素值大于局部8领域点和上下两个Scale的像素点旋转到特征点的主方向求取128维梯度向量
Meijo University 顔検出方法 • HOG-SIFT法暗い環境や複雑な背景でも効果的な顔検出が可能画像前処理顔画像HOG特徴検出顔画像SIFT特徴検出 HOG特徴とSIFT特徴の融合による検出
Meijo University 顔特徴検出人脸关键点标注 68点标注是现今最通用的一种标注方案，被OpenCV中的Dlib算法中所采用。 68个关键点的标注将人脸关键点分为内部关键点和轮廓关键点，内部关键点包含眉毛、眼睛、鼻子、嘴巴共计51个关键点，轮廓关键点包含17个关键点。
Meijo University 顔特徴検出给面部编码使用训练好的神经网络处理输入图片，获得每个脸部的测量值人脸识别欧氏距离两张人脸图片提取的特征向量为量为 xj→ 和 xk→ 距离差越大，相似度越小。判断是否为同一人。
Meijo University 今までの問題点 • 戴口罩无法进行特征检出，无法进行人脸识别。 • 首先要定位到口罩人脸。 • 把口罩人脸作为检测目标，所以需要目标检测。
Meijo University 目标检测算法分类： 1、两步走的目标检测算法：先找出候选的一些区域，再对区域进行调整分类、代表：R-CNN、SPP-net、Fast R- CNN、Faster R-CNN R-CNN的缺点 1.训练阶段多：步骤繁琐 2.训练耗时：占用磁盘空间大 3.处理速度慢：使用GPU，VGG16模型处理一张图像需要47s 2、端到端的目标检测算法：采用一个网络一步到位，输入图片，输出有哪些物体，物体在什么位置代表： YOLO YOLO将对象检测重新定义为一个回归问题。它将单个卷积神经网络(CNN)应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。YOLO非常快。由于检测问题是一个回归问题，所以不需要复杂的管道。它比“R-CNN”快1000倍，比“Fast R-CNN”快100倍。
Meijo University Yolov5 Yolov5有YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x四个版本。文件中，这几个模型的结构基本一样，不同的是depth_multiple模型深度和width_multiple模型宽度这两个参数。更大的模型实时性差但精度高，更小的模型实时性好但精度差。因为考虑到训练速度和精度。本项目使用的是yolov5系列中最小的一个模型yolov5s，其它的模型会使得推理变慢，造成延时现象。并且只是检测是否佩戴口罩，可能并不需要太大的模型。
Meijo University
Meijo University Conv卷积层由卷积，batch normalization和SiLu激活层组成。batch normalization具有防止过拟合，加速收敛的作用。SiLu激活函数是Sigmoid 加权线性组合，SiLU 函数也称为 swish 函数。公式：silu(x)=x∗σ(x),where σ(x) is the logistic sigmoid. Silu函数处处可导，且连续光滑。Silu并非一个单调的函数，最大的缺点是计算量大。
Meijo University C3其结构作用基本相同均为CSP架构，只是在修正单元的选择上有所不同，其包含了3个标准卷积层，数量由配置文件yaml的n和depth_multiple参数乘积决定。该模块是对残差特征进行学习的主要模块,其结构分为两支,一支使用了上述指定多个Bottleneck堆叠，另一支仅经过一个基本卷积模块，最后将两支进行concat操作。
Meijo University 训练模型准备好两个数据集，一个标注为没带口罩，另一个标注为佩戴口罩。
Meijo University 训练结果佩戴口罩的显示为mask 没有佩戴口罩显示为no_mask
Meijo University 今後のスケジュール 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月データセットの調整マスク付き顔認識実現 GUI作成精度評価とモデル評価修論作成
Meijo University ご清聴ありがとうございます
Meijo University グレースケール • 加重平均法カラー画像に含まれる3成分の輝度を重み付けで計算し、グレー値を得る。 F(i,j) = (WRR(i,j), WGG(i,j), WBB(i,j))/3

Check these out next

マスク付き顔画像認識システム

Recomendados

Más contenido relacionado

Último(20)

Destacado(20)

マスク付き顔画像認識システム

Notas del editor