資源描述：
《人臉識別探究論文 .doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、人臉識別探究論文人臉識別探究論文人臉識別探究論文人臉識別探究論文人臉識別探究論文人臉識別探究論文人臉識別探究論文 摘要本文綜述了人臉識別理論的研究現(xiàn)狀，根據(jù)人臉自動識別技術(shù)發(fā)展的時間進行了分類，分析和比較各種識別方法優(yōu)缺點，討論了其中的關(guān)鍵技術(shù)及發(fā)展前景。 關(guān)鍵詞人臉識別；特征提取 1人臉識別技術(shù)概述 近年來，隨著計算機技術(shù)的迅速發(fā)展，人臉自動識別技術(shù)得到廣泛研究與開發(fā)，人臉識別成為近30年里模式識別和圖像處理中最熱門的研究主題之一。人臉識別的目的是從人臉圖像中抽取人的個性化特征，并以此來識別人的身份
2、。一個簡單的自動人臉識別系統(tǒng)，包括以下4個方面的內(nèi)容： (1)人臉檢測(Detection)：即從各種不同的場景中檢測出人臉的存在并確定其位置?！ ?2)人臉的規(guī)范化(Normalization)：校正人臉在尺度、光照和旋轉(zhuǎn)等方面的變化?！ ?3)人臉表征(FaceRepresentation)：采取某種方式表示檢測出人臉和數(shù)據(jù)庫中的已知人臉?！ ?4)人臉識別(Recognition)：將待識別的人臉與數(shù)據(jù)庫中的已知人臉比較，得出相關(guān)信息?！ ?人臉識別算法的框架 人臉識別算法描述屬于典型的模式識別問題
3、，主要有在線匹配和離線學(xué)習(xí)兩個過程組成，如圖1所示?！ D1一般人臉識別算法框架 在人臉識別中，特征的分類能力、算法復(fù)雜度和可實現(xiàn)性是確定特征提取法需要考慮的因素。所提取特征對最終分類結(jié)果有著決定性的影響。分類器所能實現(xiàn)的分辨率上限就是各類特征間最大可區(qū)分度。因此，人臉識別的實現(xiàn)需要綜合考慮特征選擇、特征提取和分類器設(shè)計。 3人臉識別的發(fā)展歷史及分類 人臉識別的研究已經(jīng)有相當(dāng)長的歷史，它的發(fā)展大致可以分為四個階段： 第一階段：人類最早的研究工作至少可追朔到二十世紀(jì)五十年代在心理學(xué)方面的研究和六十年代在
4、工程學(xué)方面的研究?！ ∮?954年寫下了關(guān)于心理學(xué)的Theperceptionofpeople，Bledsoe在1964年就工程學(xué)寫了FacialRecognitionProjectReport，國外有許多學(xué)校在研究人臉識別技術(shù)[1]，其中有從感知和心理學(xué)角度探索人類識別人臉機理的，如美國TexasatDallas大學(xué)的Abdi和Tool小組[2、3]，由Stirling大學(xué)的Bruce教授和Glasgow大學(xué)的Burton教授合作領(lǐng)導(dǎo)的小組等[3]；也有從視覺機理角度進行研究的，如英國的Graw小組[4、5
5、]和荷蘭Groningen大學(xué)的Petkov小組[6]等。 第二階段：關(guān)于人臉的機器識別研究開始于二十世紀(jì)七十年代?！ llen和Parke為代表，主要研究人臉識別所需要的面部特征。研究者用計算機實現(xiàn)了較高質(zhì)量的人臉灰度圖模型。這一階段工作的特點是識別過程全部依賴于操作人員，不是一種可以完成自動識別的系統(tǒng)?！ 〉谌A段：人機交互式識別階段?！ armon和Lesk用幾何特征參數(shù)來表示人臉正面圖像。他們采用多維特征矢量表示人臉面部特征，并設(shè)計了基于這一特征表示法的識別系統(tǒng)。Kaya和Kobayashi則采
6、用了統(tǒng)計識別方法，用歐氏距離來表征人臉特征。但這類方法需要利用操作員的某些先驗知識，仍然擺脫不了人的干預(yù)。 第四階段：20世紀(jì)90年代以來，隨著高性能計算機的出現(xiàn)，人臉識別方法有了重大突破，才進入了真正的機器自動識別階段。在用靜態(tài)圖像或視頻圖像做人臉識別的領(lǐng)域中，國際上形成了以下幾類主要的人臉識別方法： 1）基于幾何特征的人臉識別方法 基于幾何特征的方法是早期的人臉識別方法之一[7]。常采用的幾何特征有人臉的五官如眼睛、鼻子、嘴巴等的局部形狀特征。臉型特征以及五官在臉上分布的幾何特征。提取特征時往往要用
7、到人臉結(jié)構(gòu)的一些先驗知識。識別所采用的幾何特征是以人臉器官的形狀和幾何關(guān)系為基礎(chǔ)的特征矢量，本質(zhì)上是特征矢量之間的匹配，其分量通常包括人臉指定兩點間的歐式距離、曲率、角度等?！ 』趲缀翁卣鞯淖R別方法比較簡單、容易理解，但沒有形成統(tǒng)一的特征提取標(biāo)準(zhǔn)；從圖像中抽取穩(wěn)定的特征較困難，特別是特征受到遮擋時；對較大的表情變化或姿態(tài)變化的魯棒性較差?！ ?）基于相關(guān)匹配的方法 基于相關(guān)匹配的方法包括模板匹配法和等強度線方法?！ 、倌０迤ヅ浞ǎ篜oggio和Brunelli[10]專門比較了基于幾何特征的人臉識別方法和
8、基于模板匹配的人臉識別方法，并得出結(jié)論：基于幾何特征的人臉識別方法具有識別速度快和內(nèi)存要求小的優(yōu)點，但在識別率上模板匹配要優(yōu)于基于幾何特征的識別方法。 ?、诘葟姸染€法：等強度線利用灰度圖像的多級灰度值的等強度線作為特征進行兩幅人臉圖像的匹配識別。等強度曲線反映了人臉的凸凹信息。這些等強度線法必須在背景與頭發(fā)均為黑色，表面光照均勻的前提下才能求出符合人臉真實形狀的等強度線?！ ?）基于子空間方法 常
