資源描述：
《人臉識(shí)別綜述.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、人臉識(shí)別綜述1引言人臉識(shí)別技術(shù)的研究始于20世紀(jì)50年代，當(dāng)時(shí)的研究人員主要涉及的是社會(huì)心理學(xué)領(lǐng)域；最早AFR（AutoFaceRecognition）的研究論文見于1965年陳（Chan）和布萊索（Bledsoe）在PanoramicResearchInc.發(fā)表的技術(shù)報(bào)告。近年來，人臉識(shí)別研究得到了諸多研究人員的青睞，涌現(xiàn)出了諸多技術(shù)方法。尤其是1990年以來，人臉識(shí)別更得到了長足的發(fā)展。幾乎所有知名的理工科大學(xué)和主要IT產(chǎn)業(yè)公司都有研究組在從事相關(guān)研究。人臉識(shí)別研究的發(fā)展可分為以下三個(gè)階段：第一階段（1964年~1990年）。這一階
2、段人臉識(shí)別通常只是作為一個(gè)一般性的模式識(shí)別問題來研究，所采用的主要技術(shù)方案是基于人臉幾何結(jié)構(gòu)特征（Geometricfeaturebased）的方法。第二階段（1991年~1997年）。這一階段盡管時(shí)間相對(duì)短暫，但卻是人臉識(shí)別研究的高潮期，可謂碩果累累：不但誕生了若干代表性的人臉識(shí)別算法，美國軍方還組織了著名的FERET人臉識(shí)別算法測試，并出現(xiàn)了若干商業(yè)化運(yùn)作的人臉識(shí)別系統(tǒng)，比如最為著名的Visionics（現(xiàn)為Identix）的FaceIt系統(tǒng)。美國麻省理工學(xué)院（MIT）媒體實(shí)驗(yàn)室的特克（Turk）和潘特（Pentland）提出的“特
3、征臉”方法無疑是這一時(shí)期內(nèi)最負(fù)盛名的人臉識(shí)別方法。第三階段（1998年~現(xiàn)在）。FERET’96人臉識(shí)別算法評(píng)估表明：主流的人臉識(shí)別技術(shù)對(duì)光照、姿態(tài)等由于非理想采集條件或者對(duì)象不配合造成的變化魯棒性比較差。因此，光照、姿態(tài)、表情、遮擋問題逐漸成為研究熱點(diǎn)。人臉識(shí)別是一項(xiàng)既有科學(xué)研究價(jià)值，又有廣泛應(yīng)用前景的研究課題。國際上大量研究人員幾十年的研究取得了豐碩的研究成果，自動(dòng)人臉識(shí)別技術(shù)已經(jīng)在某些限定條件下得到了成功應(yīng)用，人臉識(shí)別技術(shù)的研究對(duì)模式識(shí)別，人工智能，計(jì)算機(jī)視覺，圖像處理等領(lǐng)域的發(fā)展有巨大的推動(dòng)作用。人臉識(shí)別問題可以定義成:輸入(查
4、詢)場景中的靜止圖像或者視頻，使用人臉數(shù)據(jù)庫識(shí)別或驗(yàn)證場景中的一個(gè)人或者多個(gè)人。基于靜止圖像的人臉識(shí)別通常是指輸入(查詢)一幅靜止的圖像，使用人臉數(shù)據(jù)庫進(jìn)行識(shí)別或驗(yàn)證圖像中的人臉。而基于視頻的人臉識(shí)別是指輸入(查詢)一段視頻，使用人臉數(shù)據(jù)庫進(jìn)行識(shí)別或驗(yàn)證視頻中的人臉。如不考慮視頻的時(shí)間連續(xù)信息，問題也可以變成采用多幅圖像(時(shí)間上不一定連續(xù))作為輸入(查詢)進(jìn)行識(shí)別或驗(yàn)證。人臉自動(dòng)識(shí)別系統(tǒng)包括三個(gè)主要模塊[1]：首先是圖像預(yù)處理模塊，由于實(shí)際成像系統(tǒng)多少存在不完善的地方以及外界光照條件等因素的影響，在一定程度上增加了圖像的噪聲，使圖像變得
5、模糊、對(duì)比度低、區(qū)域灰度不平衡等。為了提高圖像的質(zhì)量，保證提取特征的有有效性，進(jìn)而提高識(shí)別系統(tǒng)的識(shí)別率，在提取特征之前，有必要對(duì)圖像進(jìn)行預(yù)處理操作；其次人臉的檢測和定位模塊，即從預(yù)處理的圖像中，利用人類檢測器（目前人臉檢測方法主要以Adaboost算法為主，OPENCV在這方面做的比較好）找出人臉及人臉?biāo)诘奈恢?，并將人臉從背景中分割出來，?duì)庫中所有的人臉圖像大小和各器官的位置歸一化；最后是對(duì)歸一化的人臉圖像進(jìn)行特征提取(提取局部特征已逐漸成為主流)，建立特征描述子，將圖像之間的特征進(jìn)行匹配進(jìn)而完成識(shí)別。人臉檢測與定位特征提取與識(shí)別標(biāo)準(zhǔn)
6、人臉圖像識(shí)別結(jié)果輸入圖像圖像預(yù)處理準(zhǔn)圖像2概述人臉識(shí)別方法大致分為以下幾種：基于幾何特征、基于代數(shù)特征[2]、基于神經(jīng)網(wǎng)絡(luò)模型以及基于三維模型。（1）基于幾何特征基于幾何特征的人臉識(shí)別方法是在抽取人臉圖像上顯著特征的相對(duì)位置及其參數(shù)的基礎(chǔ)上進(jìn)行識(shí)別。最早的人臉識(shí)別是用手工的方法確定人臉特征點(diǎn)的位置并將其輸入計(jì)算機(jī)中。識(shí)別工作的流程大體如下：首先檢測出面部特征點(diǎn)，通過測量這些關(guān)鍵點(diǎn)之間的相對(duì)距離（歐式距離、馬氏距離等），得到描述每個(gè)臉的特征矢量，比如眼睛、鼻子和嘴的位置和寬度，眉毛的厚度和彎曲程度等，以及這些特征之間的關(guān)系，用這些特征來表
7、示人臉。比較未知臉和庫中已知臉中的這些特征矢量，來決定最佳匹配[3]?；谛∧０迤ヅ涞姆椒▽儆趲缀翁卣髯R(shí)別，是已知一個(gè)小模板，在人臉的大圖像中進(jìn)行匹配，如果匹配成功，就可以確定其坐標(biāo)位置[4]。基于幾何特征的缺點(diǎn)顯而易見，對(duì)獲得的圖像要求很高，特征點(diǎn)的定位非常重要，通常人臉特征點(diǎn)的定位會(huì)存在誤差，這種方法對(duì)正面人臉可以取得一定識(shí)別效果，如果人臉姿態(tài)存在一定的偏轉(zhuǎn)或有遮擋都會(huì)很大程度上影響識(shí)別的準(zhǔn)確性。（2）基于代數(shù)特征基于代數(shù)特征的人臉識(shí)別方法具有代表性的是PCA（主元分析法）[5]、K-L（卡胡南－列夫）[6]變換和SVD（奇異值分解
8、）[7]等方法。其主要思想：對(duì)于一副由N個(gè)象素組成的圖像，可以看作是一個(gè)N維矢量空間，采用不同的變換方法，能夠有效的提取主分量，通過對(duì)人臉樣本集的自相關(guān)矩陣的特征矢量的選取，構(gòu)成一個(gè)正交的低維人臉空間，從而
