完整)人脸识别技术大总结,推荐文档

1、人脸识别技术大总结 百度人脸识别技术大总结 ，觉得应该跟大家分享，这里给大家 转摘到百度。篇一：人脸识别技术的主要研究方法、绪论人脸识别是通过分析 脸部器官的唯一形状和位置来进行身份鉴别。人脸识别是一种重要的生物特征识别技术，应用非常广泛。 与其它身份识别方法相比，人脸识别具有直接、友好和方便等特 点，因而，人脸识别问题的研究不仅有重要的应用价值，而且在模式 识别中具有重要的理论意义，目前人脸识别已成为当前模式识别和人 工智能领域的研究热点。本章将简单介绍几种人脸识别技术的研究方法。关键词：人脸识别、人脸识别技术的主要研究方法目前在国内和 国外研究人脸识别的方法有很多，常用的方法有：基于几何特

2、征的人 脸识别方法、基于代数特征的人脸识别方法、基于连接机制的人脸识 别方法以及基于三维数据的人脸识别方法。人脸识别流程图如图所示：图人脸识别流程图、基于几何特 征的人脸识别方法基于特征的方法是一种自下而上的人脸检测方法， 由于人眼可以将人脸在不此研究人员认为有一个潜在的假设：人脸或 人脸的部件可能具有在各种条件下都不会改变的特征或属性， 如形状、 肤色、纹理、边缘信息等。基于特征的方法的目标就是寻找上述这些不变特征，并利用这些特征来定位入脸。这类方法在特定的环境下非常有效且检测速度较高， 对人脸姿态、 表情、旋转都不敏感。但是由于人脸部件的提取通常都借助于边缘算子，因此，这类方 法对图像质量

3、要求较高，对光照和背景等有较高的要求，因为光照、 噪音、阴影都极有可能破坏人脸部件的边缘， 从而影响算法的有效性。模板匹配算法首先需要人作标准模板 （固定模板 ）或将模板先行参 数化（可变模板 ），思想汇报专题然后在检测人脸时，计算输入图像与模 板之间的相关值，这个相关值通常都是独立计算脸部轮廓、眼睛、鼻 子和嘴各自的匹配程度后得出的综合描述，最后再根据相关值和预先 设定的阈值来确定图像中是否存在人脸。基于可变模板的人脸检测算法比固定模板算法检测效果要好很多， 但是它仍不能有效地处理人脸尺度、姿态和形状等方面的变化。基于外观形状的方法并不对输入图像进行复杂的预处理，也不需 要人工的对人脸特征进

4、行分析或是抽取模板，而是通过使用特定的方 法（如主成分分析方法 （）、支持向量机 （）、神经网络方法 （）等）对大量的人 脸和非人脸样本组成的训练集 （一般为了保证训练得到的检测器精度， 非人脸样本集的容量要为人脸样本集的两倍以上 ）进行学习，再将学习 而成的模板或者说分类器用于人脸检测。因此，这也是种自下而上的方法。 这种方法的优点是利用强大的机器学习算法快速稳定地实现了很 好的检测结果，并且该方法在复杂背景下，多姿态的人脸图像中也能 得到有效的检测结果。但是这种方法通常需要遍历整个图片才能得到检测结果，并且在 训练过程中需要大量的人脸与非人脸样本，以及较长的训练时间。近几年来，针对该方法的

5、人脸检测研究相对比较活跃。、基于代数特征的人脸识别方法在基于代数特征的人脸识别中， 每一幅人脸图像被看成是以像素点灰度为元素的矩阵，用反映某些性 质的数据特征来表示人脸的特征。设人脸图像 ）,（为二维 灰度图像，范文写作同样可以看成是 =维列 向量，可视为 维空间中的一个点。但这样的一个空间中，并不是空间中的每一部分都包含有价值的 信息，故一般情况下，需要通过某种变换，将如此巨大的空间中的这 些点映射到一个维数较低的空间中去。然后利用对图像投影间的某种度量来确定图像间的相似度，最常 见的就是各种距离度量。在基于代数特征的人脸识别方法中，主成分分析法（）和线性判 别分析（）是研究最多的方法。本章

6、简要介绍介绍了。完整的（）人脸识别的应用包括四个步骤：人脸图像预处理；读入人 脸库，训练形成特征子空间；把训练图像和测试图像投影的上一步骤 中得到的子空间上；选择一定的距离函数进行识别。详细描述如下：读入人脸库一归一化人脸库后，将库中的每个人 选择一定数量的图像构成训练集，设归一化后的图像是 ，按列相连就 构成维矢量，可视为维空间中的一个点，可以通过 -变换用一个低维子 空间描述这个图像。计算变换的生成矩阵训练样本集的总体散布矩阵为产生矩阵， 即或者写成 :式中为第个训练样本的图像向量， | 为训练样本的均值向量， 为训练样本的总数。百度为了求 维矩阵 的特征值和正交归一化的特征向量，要直接

7、计算的话，计算量太大，由此引入奇异值分解定理来解决维数过高的 问题。利用奇异值分解 ()定理计算图像的特征值和特征向量设是一个秩 为的行维矩阵，则存在两个正交矩阵和对角阵： 其中凡 !其中为矩阵的 非零特征值，把训练图像和测试图像投影到特征空间每一副人脸图像 向特征脸子空间投影，得到一组坐标系数，就对应于子空间中的一个 点。同样，子空间中的任一点也对应于副图像。 这组系数便可作为人脸识别的依据，也就是这张人脸图像的特征 脸特征。也就是说任何一幅人脸图像都可以表示为这组特征脸的线性组合， 各个加权系数就是变换的展开系数，可以作为图像的识别特征，表 明了该图像在子空间的位置，也就是向量则这两个正交

8、矩阵和对角矩 阵满足下式：可用于人脸检测，如果它大于某个阈值，可以认为是人 脸图像，否则就认为不是。这样原来的人脸图象识别问题就转化为依据子空间的训练样本点 进行分类的问题。、基于连接机制的人脸识别方法基于连接机制的识别方法的代表 性有神经网络和弹性匹配法。神经网络 ()在人工智能领域近年来是一个研究热门， 范文基于神经 网络技术来进行人脸特征提取和特征识别是一个积极的研究方向。神经网络通过大量简单神经元互联来构成复杂系统，在人脸识别 中取得了较好的效果，特别是正面人脸图像。常用的神经网络有：网络、卷积网络、径向基函数网络、自组织 网络以及模糊神经网络等 。网络的运算量较小耗时也短，它的自适应

9、功能使系统的鲁棒性增 强。神经网络用于人脸识别，相比较其他方法，其可以获得识别规则 的隐性表达，缺点是训练时间长、运算量大、收敛速度慢且容易陷入 局部极小点等。等人结合与树型分类器的混合分类器模型来进行人脸识别乜螂。等人采用虚拟样本进行强化和反强化学习，采用模块化的网络结 构网络的学习加快，实现了基于概率决策的神经网络方法获得了较理 想结果，。此种方法能较好的应用于人脸检测和识别的各步骤中。 弹性匹配法采用属性拓扑图代表人脸，拓扑图的每个顶点包含一 个特征向量，以此来记录人脸在该顶点位置周围的特征信息 引。拓扑图的顶点是采用小波变换特征，对光线、角度和尺寸都具有 一定的适应性，最全面的范文写作

10、网站且能适应表情和视角的变化， 其在理论上改进了特征脸算法的一些缺点。、基于三维数据的人脸识别方法一个完整的人脸识别系统包括人 脸面部数据的获取、数据分析处理和最终结果输出三个部分。图-显示了三维人脸识别的基本步骤： 、通过三维数据采集设备获得 人脸面部的三维形状信息； 、对获取的三维数据进行平滑去噪和提取面 部区域等预处理；、从三维数据中提取人脸面部特征，通过与人脸库中 的数据进行比对；、用分类器做分类判别，输出最后决策结果。基于三维数据的方法的代表性是基于模型合成的方法和基于曲率 的方法。基于模型合成的方法， 它的基本思想为： 输入人脸图像的二维的， 用某种技术恢复 （或部分恢复 ）人脸的

11、三维信息， 再重新合成指定条件下 的人脸图像。典型代表是可变形模型和基于形状恢复的增强人脸识别算法。 可变形模型首先通过个高精度的人脸模型构建一个可变形的人脸 模型，用这个模型来对给定的人脸图像拟合，获得一组特定的参数， 再合成任何姿态和光照的人脸图像卜捌。基于形状恢复的增强人脸识别算法是利用通用的人脸模型合成新 的人脸图像，合成过程改变了一定的姿态与光源情况。曲率是最基本的表达曲面信息的局部特征，因而最早用来处理人 脸识别问题的是人脸曲面的曲率。禾用平均曲率和高斯曲率值， 将人脸深度图中凸的区域分割出来。、本章小结上面研究的各种识别方法都获得了一定的成功，但各 有优缺点： ()基于几何特征的

12、识别方法很简单，但目前还没有形成特征 提取的统一标准，较难从图像中抽取稳定的特征，尤其是特征受到遮 挡或有较大表情变化时，其对姿态变化的鲁棒性也较差。()基于代数特征的识别方法通过各种变换方法来提取主分量， 代数 特征向量是具有一定稳定性的，基于该方法的识别系统对不同的角度 和表情都有一定的鲁棒性。()基于连接机制的识别方法其优点是保存了图像中的材质信息， 且 特征提取不复杂。但受到原始图像数据量庞大的影响，识别时间长，特别是当样本 数量大大增加时，会严重影响其性能。()基于三维数据的人脸识别方法使用三维数据， 是人脸识别的新思 路，目前提取但信息还有一定困难，且需要很大数据存储和计算量。本章

13、介绍了目前常用的一些人脸检测与识别方法，从识别率来看 各种方法在指定数据库上的识别性能高低不同，总体来说很难总结哪 种方法更为优越。各种识别方法都有各自的特点，不同的场合识别效果不同。 文献:、卓永亮基于的人脸检测与人脸识别、李寅基于代数特征的 人脸识别研究及其实现、王红基于肤色的人脸检测及识别研究、赵明 华人脸检测和识别技术的研究、 王跃明表情不变的三维人脸识别研究、 蒋成成三维人脸识别方法研究、李进基于代数特征的人脸识别研究篇 二：人脸识别技术发展及应用分析人脸识别技术发展及应用分析人脸 识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机采集人脸图像，并自动在图像中检测和跟

14、踪人脸，进而 对检测到的人脸进行脸部的一系列相关技术处理， 包括人脸图像采集、 人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人 身份的目的。市场现状人脸识别技术的研究始于世纪年代末期。 世纪年代后期以来，一些商业性的人脸识别系统逐渐进入市场， 但是，这些技术和系统离实用化都有一定距离，性能和准确率也有待 提高。美国遭遇恐怖袭击后，这一技术引起了广泛关注。 作为非常容易隐蔽使用的识别技术，人脸识别逐渐成为国际反恐 和安全防范重要的手段之一。近年来，人脸识别在中国市场，也经历着迅速的发展，而且发展 的脚步也越来越快。主要原因有以下两方面。科技的进步国际上，美国标准与技术研究院（）举办

15、的，通过大 规模的人脸数据测试表明，当今世界上人脸识别方法的识别精度比年 的至少提高了一个数量级 （倍），而对于高清晰， 高质量人脸图像识别， 机器的识别精度几乎达到 %。在我国，近年来科技界和社会各个方面都认识到人脸识别技术的 重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人 脸识别技术也得到了迅速的发展。应用需求的增加越来越趋向于高科技的犯罪手段使得人们对各种 场合的安全机制要求也近乎苛刻，各种应用需求不断涌现。人脸识别市场的快速发展一方面归功于生物识别需求的多元化， 另一方面则是由于人脸识别技术的进步。从需求上来说，除了传统的考勤、门禁等应用外，视频监控环境 下的身份识别正成为一种迫切的需求，即在一个较复杂的场景中，在 较远的距离就识别出特定的人， 这显然是其它生物识别方法所欠缺的， 而人脸识别却是一个极佳的选择。技术历程国家十一五科技发展规划将人脸识别技术的研究与发展 列入其中，明确指出：要在生物特征识别技术领域缩小与世界先进水 平的差距，开展生物特征识别应用技术研究，开发具有高安全性、低 误报率的出入口控制新产品。在这种环境下，国内一些科研院所和院校在人脸识别技术方面取 得了很大进展。如中科院自动化所，清华大学，中科院计算所自主开发的人脸识 别技术已经达到了国际先进的水平。传统的人脸识别技术主要是基于可见光图像的人脸识