人脸业务场景

 一 人脸业务场景综述

判断是否存在人脸,如果存在人脸则定位到人脸的位置(标准的目标检测问题:针对人脸目标)

  • 姿态和表情的变化
  • 不同人的外观差异
  • 光照,遮挡的影响
  • 不同视角
  • 不同大小,位置

人脸标注方法--矩形标注

  • 传统方法都是用一个矩形框将画面中的人脸区域包含在内
  • 这种标记方法很难给出一个恰好包含面部的矩形框

人脸标注方法--椭圆标注

  • 人脸天然呈现为椭圆形,采用椭圆形来表征是一种较为准确的方法
  • 可以对侧脸与转动后的面部进行描述

人脸业务场景

  • 椭圆长轴半径,短轴半径,椭圆长轴偏转角度,椭圆圆心x坐标,椭圆圆心y坐标

判断算法性能好坏

  • 检测率,误报率

            每一个标记只允许有一个检测与之相对应

            重复检测会被视为错误检测

  • ROC曲线,PR曲线

     人脸业务场景

数据集资源

      人脸业务场景

数据集资源--WIDER FACE

      人脸业务场景

人脸采集

      人脸业务场景

人脸验证时,可能会存在的非法行为:

      人脸业务场景

人脸采集常用方法(抗攻击人脸数据采集)

  • 活体检测:判断用户是否为正常操作,通过制定用户做随机动作,一般有张嘴,摇头,点头,凝视,眨眼等等,防止照片攻击。判断用户是否真实存在操作,指定用户上下移动手机,防止视频共计和非正常动作的攻击。
  • 3D检测:验证采集到的是否为立体人像,能够防止平面照片,不同弯曲程度的照片等。
  • 连续检测:通过连续的检测,验证人脸运动轨迹是否正常,防止跳过活体检测直接替换采集的照片,也能够防止中途切换人。

             人脸业务场景

人脸检测数据集构造

1.数据下载

  • http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/

2.SSD模型数据格式封装

  • VOC数据集格式
  • LMDB格式数据,TFRecoder数据格式

Caffe-SSD数据集构造流程:

 1.生成VOC格式数据集(图片,XML标注信息文件)

   annotation中保存xml格式的label信息

   imageSet中Main目录存放不同图片列表文件

  •     train.txt:训练图片文件名列表
  •     val.txt:验证图片文件名列表
  •     trainval.txt:训练和验证的图片文件名列表
  •     test.txt:测试图片文件名列表

   JPEGImages目录下存放所有的图片集

  2.修改Caffe-SSD数据打包脚本相关路径配置

create_list.sh

 3.运行Caffe-SSD数据打包脚本

create_data.sh