資源描述：
《人臉識別的研究》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、更多相關(guān)參考論文設(shè)計文檔資源請訪問http://www.docin.com/lzj781219人臉識別系統(tǒng)概述人臉識別的研究起源比較早，Galton在1888年和1910年就已在Nature雜志發(fā)表兩篇關(guān)于如何使用人臉進(jìn)行身份識別的論文。在他的文章，他使用一組數(shù)字表示相異的人臉側(cè)面特征，同時還對人類本身的人臉識別能進(jìn)行了研究分析。自動人臉的研究歷史相對比較短，到現(xiàn)在不過五十多年的時間。不過1990年以來，才得到了長足的進(jìn)步?，F(xiàn)在，已變成計算機(jī)視覺領(lǐng)域的一個焦點，很多著名的大學(xué)和IT公司都有研究組在從事這發(fā)面的研究。對于人
2、臉識別的研究歷史可分為三個階段：第一階段（1964-1990）這個階段主要采取的技術(shù)是基于人臉幾何結(jié)構(gòu)的。研究的重點主要在剪影上。研究人員做了大量關(guān)于如何提取面部剪影曲線的結(jié)構(gòu)特征的研究。這個階段屬于人臉識別的初級階段，突出的研究成果不多，也沒有獲得的實際應(yīng)用。第二階段（1991-1997）這個階段雖然時間相對較短，但是碩果累累，出現(xiàn)了若干具有代表性的算法和幾個商業(yè)化的人臉識別系統(tǒng)，如Identix（原為Visionics）公司的FaceIt系統(tǒng)。這個時期最具盛名的人臉識別方法是MIT媒體實驗室的Turk和Pentlan
3、d提出的的“特征臉”方法。后來很多人臉識別技術(shù)都與特征臉有關(guān)，現(xiàn)在特征臉已與歸一化的協(xié)相關(guān)量方法一起成為了人臉識別性能測試的基準(zhǔn)算法。這個時期的主要成果有：1992年左右，Brunelli和Poggio做了一個基于結(jié)構(gòu)特征的方法和基于模板匹配的方法性能對比的實驗，并得出了模塊匹配的方法優(yōu)于基于特征的方法的結(jié)論。這個結(jié)論和特征臉的共同作用，基本上停止了純粹基于結(jié)構(gòu)特征人臉識別的研究，并且很大的促進(jìn)了基于表觀的線性子空間建模和基于統(tǒng)計模式識別技術(shù)的發(fā)展，使其逐漸成為主流技術(shù)。Belhumeur等人的Fisherface方法也
4、是此階段一個重要的成果。該方法目前依然是主流人臉識別方法中的一種，產(chǎn)生了很多變種，比如子空間判別模型等。其先使用PCA即特征臉對人臉圖像表現(xiàn)特征進(jìn)行降維，并使用線性判別分析方法對降維后的主成分進(jìn)行變換以獲得“盡量大的類間散度和盡量小的類內(nèi)散度”。彈性匹配技術(shù)[1]為另一個重要方法。它用一個屬性圖來描述人臉：屬性的頂點代表面部關(guān)鍵特征點，它的屬性為相應(yīng)特征點處的多分辨率，多方向局部特征—Gabor變換[2]，稱本參考設(shè)計材料，包含項目源代碼、完整CAD設(shè)計文件、項目設(shè)計說明書、任務(wù)書、報告書以及文獻(xiàn)參考翻譯等，資料請聯(lián)系6
5、8661508索要更多相關(guān)參考論文設(shè)計文檔資源請訪問http://www.docin.com/lzj781219為Jet；邊的屬性為不同特征點間的幾何關(guān)系。對于輸入的圖像，其通過一種優(yōu)化搜索策略來定位預(yù)先定位的若干面部關(guān)鍵特征點，同時提取它們的Jet特征，得到輸入人臉圖像的屬性圖。最后通過計算其與已知人臉屬性圖的相似度來完成識別過程。彈性匹配方法的優(yōu)點是既保留了面部的全局結(jié)構(gòu)特征，也對人臉關(guān)鍵局部特征進(jìn)行了建模。局部特征分析由Atick等提出。其在本質(zhì)上是基于統(tǒng)計的低維對象描述方法，與PCA相比，局部特征分析在全局主成分
6、分析的基礎(chǔ)上提取的是局部特征。它既保留了全局拓?fù)湫畔?，有提取了局部特征，使其具有了更好的描述和識別能力。局部特征分析技術(shù)已商業(yè)化為著名FaceIt系統(tǒng)。柔性模型，包括主動形狀模型和主動外觀模型。它是人臉建模方面的一個新的進(jìn)步。其主要將人臉描述為2D形狀和紋理兩個分離的部分，分別用PCA建模，然后再通過PCA[3,4,5]將兩者合成來對人臉建模。柔性模型具有良好的人臉合成能力，可以使用基于合成的圖像分析技術(shù)對人臉圖像進(jìn)行特征提取和建模。這個階段所提出的算法在理想圖像采集條件，人員配合，中小規(guī)模正面人臉數(shù)據(jù)庫上達(dá)到了非常好的
7、性能。，也誕生幾個著名的人臉識別系統(tǒng)。第三階段（1998年—現(xiàn)在）這個時期關(guān)于人臉識別的研究非常熱門。有大量的研究人員從事這方面的研究。主要針對的是主流的人臉識別技術(shù)在采集條件不理想和用戶不配合下魯棒性差的問題。光照和姿態(tài)問題成為了研究焦點。這個時期主要成果有：Georghiades等人基于光照錘模型的多姿態(tài)，多光照條件人臉識別方法。Blanz和Vetter等人基于3D變形模型的多姿態(tài)，多光照的人臉識別方法。Shashua等人基于上圖像的人臉圖像識別與繪制技術(shù)[6,7]。總體而言，目前非理想成像條件下（尤其是光照和姿態(tài)）
8、，對象不配合，大規(guī)模人臉數(shù)據(jù)庫上的人臉識別已逐漸成為研究的重點。而非線性建模方法，統(tǒng)計學(xué)習(xí)理論，基于Boosting的學(xué)習(xí)技術(shù)，基于3D模型的人臉建模與識別方法等逐漸成為備受重視的技術(shù)發(fā)展趨勢。從整個人臉識別的研究歷史來看，基于PCA的特征臉[8,9]識別方法占據(jù)了非常重要的地位，也對后來的人臉識別技術(shù)產(chǎn)生甚遠(yuǎn)的影響
