lvq神經(jīng)網(wǎng)絡在人臉朝向識別中的應用文獻綜述

《lvq神經(jīng)網(wǎng)絡在人臉朝向識別中的應用文獻綜述》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。

1、LVQ神經(jīng)網(wǎng)絡在人臉朝向識別中的應用人臉識別作為一個復雜的模式識別問題，近年來受到廣泛的關注，識別領域的各種方法在這個問題上各顯所長，而且發(fā)展出了許多新方法，大大豐富和拓展了模式識別的方向。人臉識別、檢測、跟蹤、特征定位等技術近年來一直是研究的熱點。人臉識別是人臉應用研究中重要的第一步，目的是從圖像中分割出不包括背景的人臉區(qū)域。由于人臉形狀的不規(guī)則性以及光線和背景條件多樣性，現(xiàn)有的人臉研究算法都是在試圖解決某些特定實驗環(huán)境下的一些具體問題，對人臉位置和狀態(tài)都有一定的要求。而在實際應用中，大量圖像和視頻中人臉的位置、朝向和旋轉(zhuǎn)角度都不是固定的，這就大大增加了人臉識別的難

2、度。在人臉識別領域的眾多研究方向中，人臉朝向分析一直是一個少有人涉及的領域。在以往的研究成果中，一些研究者談及了人臉朝向問題，但其中絕大多數(shù)都是希望在人臉識別過程中去除人臉水平旋轉(zhuǎn)對識別過程的不良影響。但是，實際問題要復雜得多，人臉朝向是一個無法避免的問題。因此，對于人臉朝向的判斷和識別，將會是一件非常有意義的工作。一、人臉朝向識別的研究意義研究人臉識別在理論和技術上都有重要的意義：一是可以推進對人類視覺系統(tǒng)本身的認識；二是可以滿足人工智能應用的需要。采用人臉識別技術，建立自動人臉識別系統(tǒng)，用計算機實現(xiàn)對人臉圖像的自動識別有著廣闊的應用領域和誘人的應用前景。同時人臉識

3、別作為一種生物體征識別與其它較成熟的識別方法（如指紋、虹膜、DAN檢測等）相比有以下幾個優(yōu)點：（1）無侵犯性。人臉圖像的獲取不需要被檢測人發(fā)生身體接觸，可以在不驚動被檢測人的情況下進行。（2）低成本、易安裝。人臉識別系統(tǒng)只需要采用普通的攝像頭、數(shù)碼攝像機或手機上的嵌入式攝像頭等被廣泛使用的攝像設備即可，對用戶來說也沒有特別的安裝要求。（3）無人工參與。整個人臉識別過程不需要用戶或被檢測人的主動參與，計算機可以根據(jù)用戶預先的設置自動進行。由于具有以上優(yōu)點，近幾年來，人臉識別技術引起了越來越多科研人員的關注。第4頁共5頁人臉檢測研究具有重要的學術價值。人臉是一類具有相當復

4、雜的細節(jié)變化的自然結構目標，此類目標的檢測問題的挑戰(zhàn)性在于：（1）人臉由于外貌、表情、膚色等不同，具有模式的可變性；（2）一般可能存在眼鏡、胡須等附屬物；（3）作為三維物體的人臉的影像不可避免地受由光照產(chǎn)生的陰影的影響。因此，如果能夠找到解決這些問題的方法，成功構造出人臉檢測與跟蹤系統(tǒng)，將為解決其它類似的復雜模式檢測問題提供重要的啟示。二、文獻概述20世紀90年代以來，隨著高速高性能計算機的出現(xiàn)，人臉識別方法有了重大突破，進入了真正的機器自動識別階段。國外有許多大學在此方面取得了很大進展，他們研究涉及的領域很廣，其中有從感知和心理學角度探索人臉識別。美國Texasat

5、Dallas大學的Abdi和Toole小組，主要研究人臉感知機理的規(guī)律；由Stirling大學的Bruce教授和Glasgow大學的Burton教授合作領導的小組，主要是研究人類大腦在人臉認知中的作用，并在此基礎上建立了人臉認知的兩大功能模型，他們對熟悉和陌生人臉的識別規(guī)律以及圖像序列的人臉識別規(guī)律也進行了研究；英國Aberdeen大學的Craw小組，主要研究人臉視覺表征方法，他們對空間頻率在人臉識別中的作用也進行了分析；荷蘭Groningen大學的Petkov小組，在此基礎上發(fā)展了并行模式識別方法。更多的學者則從事利用輸入圖像進行計算機人臉識別的研究工作。在人臉識別

6、的領域中，國際上逐步形成了以下幾個研究方向：（1）基于幾何特征的人臉識別方法，主要代表是MIT的Brunelli和Poggio小組，他們采用改進的積分投影法提取出用歐氏距離表征的35維人臉特征矢量用于模式分類；（2）基于模板匹配的人臉識別方法，主要代表是Harvard大學Smith-Kettlewell他采用彈性模板來提取眼睛和嘴巴的輪廓，Chen和Huang研究中心的Yuille，則進一步提出用活動輪廓模板提取眉毛、下巴和鼻孔等不確定形狀；（3）基于K-L變換的特征臉的方法，主要研究者是MIT媒體實驗室的Pentland；（4）基于隱馬爾可夫模型的方法，主要代表有C

7、ambridge大學的Samaria小組和Georgia技術研究所的Nefian小組；（5）基于神經(jīng)網(wǎng)絡識別的方法，如Poggio小組提出的HyperBF第4頁共5頁神經(jīng)網(wǎng)絡識別方法，英國Sussex大學的Buxton和Howell小組提出的RBF網(wǎng)絡識別方法等；（6）基于動態(tài)鏈接結構的彈性圖匹配方法，主要研究者是由C.VonderMalsburg領導的德國Bochum大學和美國SouthernCalifornia大學的聯(lián)合小組；（7）利用運動和顏色信息對動態(tài)圖像序列進行人臉識別的方法，主要代表是QueenMary和Westfield大學的Shaog