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别，这也是人们最熟悉的识别方式，已有多年的研发历史。 但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。 解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。 但目前这两种技术还远不成熟，识别效果不尽人意。 最近迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。 它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。 这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。
本文来源：https://www.2haoxitong.net/k/doc/0fb624b1bbd528ea81c758f5f61fb7360a4c2b62.html
文档为doc格式