【人脸识别发展历程分析的国内外文献综述2900字】

中国农业大学硕士学位论文STYLEREF"标题1"错误！文档中没有指定样式的文字。人脸识别发展历程研究的国内外文献综述人脸识别相关技术发展作为近年来一个大热门的话题,其实己经开始有了挺长的一个学术研究发展时期,人脸识别的技术形成和应用发展整个过程大致情况可以详细划分如下为三个阶段发展早期阶段:1）第一个研究阶段(1964年至1990年),这个研究阶段,人们才刚刚开始深入地研究网络人脸识别,只是将其作为一种一般化的模型问题来进行研究,主要的技术解决方案就是基于网络人脸的几何和结构学的分类,人们针对网络中人脸的面部剪影和形状特征进行提取和分析,做了大量的研究。这一阶段并没有能够获得什么重要的成果,基本上也就是出现过什么与人脸识别相关的实际应用,这就是我们进行人脸识别的最后一个初级阶段。2）第二个早期阶段(1991年-1997年),这个早期阶段的发展时间虽然相对来说比较短,但是却已经完全成为了当前人脸识别相关技术应用研究的一个高潮发展时期,也就是已经出现了很多可喜的研究成果。不但先后产生了若干系列具有国际代表性的新型人脸识别管理算法,还不断涌现了许多由传统商业化人员操作的新型人脸识别管理系统。总体来说,这个阶段时候我们的手机人脸识别成像技术已经开始得到了新的飞速发展,所提出的算法在理想条件下也能实现较好性能。统计图像辨认、统计表观视觉模型、2d级的人脸辨认图像识别线性子图和空间统计辨认图像判别等技术阶段已成为目前主流的识别技术。3）第三个发展阶段（1998年—现在），随着人脸识别技术研究大热，人脸识别技术受光照、姿势等影响过重的问题逐渐被人们发现，渐渐的这些问题也就成为了探讨的焦点。美国军方就在FERET（FaceRecognitionTechnology）人脸数据库的基础上组织过系统测评，出名的算法有：基于光锥模型的多光照、多姿态条件人脸识别方法被基奥盖蒂斯等人提出，这个方法重要的结论就是在不同的环境条件下，同一个角度的同一光锥所投影的图像会在空间中形成一个凸点，简称光照锥；基于3D变形模型的多光照、多姿态条件下人脸图像分析识别方法被布兰兹和维特等人提出；康柏研究院的研究员维奥拉和琼斯在IICV上向大家展示了他们的实时人脸检测系统,这种计算模式的与众不同点在于:1)将人脸图像特征用一个可以迅速计算的简单矩形特点来代表;2)大量的弱分类器数据在AdaBoost算法基础上进行组合，由此衍生出强分类器机械学习的方法;3)系统采用级联式检测技术,大大提高了数据的检测效率;沙苏哈等在2001年研究发展出了一种基于商业图像的人脸影象识别画面绘制技术。该计算技术主要是一项基于随机限定数学训练课程对象的立体光照反射图像模型进行集合式随机学习的图像绘制计算技术,能够直接依靠在限定训练对象集合中对少量不同立体光照下的图像分别进行再组合成任意一个输入的立体人脸光照图像;雅各布和巴斯里两人通过联合使用光在球面上的反射谐波图像来准确表示立体光照,通过卷积的计算方式对光来进行分析和计算描述朗博的线性反射,该计算方法是在进行了大量解析后可以得出一个重要的实验结论:由随机数学光源反射计算方法获得的全部包含朗博线性反射光度函数的训练集合将可能会直接形成一个朗博线性子反射空间。在人工智能、物联网等前沿技术飞速成长带领下，一个新词已经逐渐入侵大众的生活——“刷脸”。公司上班打卡要“刷脸”，手机支付可以选择“刷脸”，进出高铁站验证乘客信息要“刷脸”，我们的脸似乎已经变成一张行走各地的电子通行证。但人脸识别系统的性能对环境变化、人体姿态等因素仍十分敏感，人脸库上样本不足等问题也亟待解决。目前在当今世界广大范围内,研究应用人脸识别系统的技术公司很多,国外著名的技术公司主要包括美国Identix公司、德国CognitecSystems公司、西班牙HertaSecurity公司、日本NEC公司、日本Softwise公司等;国内此时这些年亦已经涌现出许多知名实力派,例如浙大智能互联网新智能科技,云从智能科技,大华智能股份,海康华纳威视和杭州旷视智能科技。这些应用技术虽然是目前主流的,但人脸识别软件公司,技术以及解决模式方案都应该具备自己的独特性。例如采用海康电子威视的前端人脸识别管理技术,其中前端人脸识别管理系统在海康信息人脸识别的超高准确率上已经表现得非常好,前端管理智能-深邃、中心管理智能-脸和海康深度脸谱、分布式管理智能-超脑的onvr,均已经是充分融合了海康深度机器学习智能算法,前后端的融合深度学习智能为海康信息人脸识别技术人工刷脸智能技术和行业大数据的融合应用以及发展趋势提供出了强力技术支持。总体而言,全球的手机人脸识别信息系统及其产品服务行业目前正处于一个快速蓬勃发展的关键时期。2016年至2021年，中国人脸市场规模大幅度攀升，从市场份额17.25亿元到53.16亿元，仅仅七年时间，就增加了三十多亿。图１－１2016-2021年中国人脸市场规模前瞻通信产业发展研究院早在2016年就分析预计过,在五年内中国移动终端人脸识别应用市场整体规模不会一直保持23%的平均增速，会慢慢恢复稳定增长速度,预计到2024年，市场整体规模将至少有机会首次实现突破100亿元的目标,约合美金15.5亿美金。但是随着依托移动物联网与移动人工智能的迅猛融合推进,未来几年基于人脸识别的实际应用发展场景必然可能会因此变得越来越宽阔。随着来自世界各地相关科研机构的大力开发和研究投入、市场上的宣传、企业对该识别技术的不断深度深入钻研,这些都被普遍认为都将是未来中国人脸识别美好前景的一个重要发展预兆。人脸识别技术系统应用技术已相对成熟,新型制造企业仍然无法在比较短时间内形成突破企业现有的打造知名品牌国际声誉及所需自建设备的技术,并且这一技术行业的市场技术壁垒和企业资本投入壁垒也相对较高。近几年尽管国内的企业在人脸识别相关技术邻域领域已经取得了一些突破和成果,但还是存在许多技术难点亟待我们钻研,例如怎样通过车窗玻璃对人脸、夜间识别、红外线辨认等等相关技术困难点依旧存在,我们正在继续等待我们的企业自己去探索和攻克。随着互联网、共享时代的到来,数据安全的问题日益受到高度重视,以人脸识别技术为主要代表的新一代科学技术革命正式展开。对于技术的重视程度也越来越高,既要求获取和得到数据的精度和准确性,又必须要充分保证数据的信息安全性,人脸识别在这两个领域中的前景很广阔,作为这两个领域的主导者和龙头,企业的科学技术力量和创新能力直接决定了整个行业的发展趋势,任何一点点科学技术的发展和创新都很有可能会给整个行业带来巨大的变革。当前关于人脸识别的主要研究领域是围绕一些化、年级和时间的改变、人脸表皮和身体结构之间的相似性、人脸上的装饰物所受到的遮挡。参考文献唐欢.视频人脸图像超分辨率重建技术研究[D].电子科技大学.ChaoD,ChenCL,HeK,etal.LearningaDeepConvolutionalNetworkforImageSuper-Resolution[C]//ECCV.SpringerInternationalPublishing,2014.HarisM,ShakhnarovichG,UkitaN.DeepBack-ProjectionNetworksForSuper-Resolution[J].arXiv,2018.程建.基于改进正则化超分辨率重建方法的人脸识别研究[D].西安电子科技大学.朱海,王国中,范涛,等.基于深度超分辨率重建的监控图像人脸识别[J].电子测量技术,2018(16).巧克力和江小白./question/323163386/answer/677115422陈梦娴,戴文博.基于视频的人脸识别研究进展概述[J].科学与信息化,2019,000(028):34.林增刚,张艳宁,郭哲.一种有效的三维人脸识别方法[C]//第十二届中国体