人脸识别方法综述
科技信息2010年第17期
SCIENCE&TECHNOLOGY INFORMATION
0引言
现今社会，计算机的应用已得到普及，人们越来越趋向于在网络中来交流。人脸表情是人类在交流时所采用的最有效、最自然和最直接的一种途径，也是人机交互应用中重要的一种信息资源[1]。
然而人脸作为人类自身再熟悉不过的一个组成部分，其检测问题却是一个极富挑战性的课题。首先人脸是一个包含五官、毛发等的极不规则的复杂待测目标，不同的人脸在形状、大小、颜色等方面有很大的变化性；其次为了实现检测方法的鲁棒性，要考虑人脸在各种复杂的背景中，不同的方向、角度、尺度等情况下所展现出来的不同表象；再次，我们所基于的检测对象或环境大多是由图像捕捉设备所采集的数字图像或视频流中的数字图像序列，所以采集条件特别是光照条件包括光源的方向、明暗、色彩等都会对图像效果产生很大的影响，进而影响对人脸的检测；另外，人脸上还可能长有胡须、戴有眼镜或其他装饰品等，这些也同样是我们设计一种有效的人脸检测算法时不可忽视的因素。
可见人脸检测时有一定的难度和复杂性，但对这一问题的深入研究必将推动模式识别、计算机视觉、人工智能等计算机科学分支的发展。人脸检测在近十年中得到了广泛的关注，人脸识别技术的研究出现了新的高潮并取得了突破性进展。
1计算机人脸检测的常用方法
人脸检测是一个开放性的，比较活跃的研究课题。对人脸识别方法进行分类时，根据不同的分类原则可以产生不同的分类结果。大致可分为以下两大类。
1.1从方法论角度进行分类
1.1.1基于知识的自顶向下的方法
这种方法是基于我们在认识人脸过程中所总结出来的一些先验知识，把它们归结成为一些复杂程度由简而繁的规则。例如：“正面人脸都包括两只位置相互对称的眼睛”、“灰度图像中眼睛要比脸上其他部分暗”等。找到一系列规则后，把它们应用到输入图像中，搜索出符合规律的人脸区域。
1.1.2基于人脸特征的自底向上的方法
这种思想首先用各种数字图像处理的方法对输入图像进行处理，根据处理结果提取出来的某些特征与人脸的某些共性特征进行比较，借此来判断某一区域是否为人脸。举例来说，我们可以用数字图像处理中常用的提取边界的方法在输入图像中寻找边界，然后试探哪些边界能像正面人脸的左边线、右边线和发髻线那样构成人脸轮廓；还可以利用从图像中提取出来的色彩和纹理信息与人脸的色彩和纹理模型进行比较，得出可能的人脸区域。当然各种人脸特征的综合运用对于提高检测算法的性能会有很大帮助。
1.1.3模板匹配的方法
模板匹配[2][3][4]是一种有效地模式识别技术，它能利用图像信息和有关识别模式的先验知识，更加直接地反映图像之间的相似度。首先，建立并存储一些人脸模板作为标准，可以包括正面人脸或是单独的眼睛、鼻子、嘴等。利用一些算法来计算各待测区域与标准模板的相似程度或相关性，利用这一相似程度来判决某一区域是否为人脸。传统的模板匹配方法首先要分别得到左眼和右眼模板，然后分别用左右眼模板在图像中进行匹配，得到两个相似度最大的点作为定位的眼睛，这种方法比较简单，但计算量较大，定位准确率较低。
1.1.4基于人脸外观的方法
这种思想是指通过搜集大量的人脸和非人脸样本作为训练集，用人工神经元网络、支持向量机等方法训练出一个分类器来检测人脸。这种思想与其他思想的不同之处在于，它并不首先人工的对人脸进行分析或是抽取模板，也不对输入图像进行复杂的处理，而是利用大量的人脸整体外观用结构化的方法来训练出人脸检测的分类器。在这一类方法中，特征向量、统计学、信息学等思想也得到了运用。
1.2根据检测过程中是否用到色彩信息分类
1.2.1基于彩色信息的人脸检测算法
针对彩色信息的人脸检测,人脸肤色检测非常重要且简单有效。在人脸区域，肤色是占主导地位的色彩，基于肤色的人脸检测方法利用图像的彩色信息，在一定的色彩空间中构造肤色模型，该方法可以在不同的视角中均能检测到人脸，具备稳定性，不受尺寸、表情、人脸姿态变化的影响。但在复杂背景下的检测效果也不是很理想，一般情况下误检率比较高，检测精度也有限。Freund和Schapire于1995年提出的AdaBoost算法，其基本思想是当分类器对某些样本正确分类时，则减少这些样本的权值；当错误分类时，则增加这些样本的权值，让学习算法在后续的学习中集中对比较困难的训练样本进行学习，最终得到一个准确率理想的分类器。这种方法大大提高了人脸检测速度，可以实现实时检测。但是基于AdaBoost算法的人脸检测同样也有一定的局限性，即对于侧面及多姿态的人脸图像检测正确率不高。1.2.2基于灰度信息的人脸检测算法
人脸检测可以分为两项内容，一项是人脸位置、大小和方向的确定；另一项是面部主要器官的定位。人眼作为人脸最显著的特征，比嘴、鼻能够提供更可靠、更重要的信息。常用的人眼定位方法有阈值分割法[5]、灰度投影法[6]和模板匹配法。阈值分割法首先对人脸的二值图像进行区域分割，然后设定一系列经验值和支持函数粗定位眼睛。该方法对于如人眼闭合、戴眼镜等一些情况定位效果较差。灰度投影法对人脸图像进行水平和垂直方向的投影，根据波峰波谷的分布信息来定位眼睛。这种方法定位速度较快，但波峰、波谷的分布对不同的人脸和姿态的变化非常敏感，因此定位精度较差，并且容易陷入局部最小而导致定位失败。
2人脸识别的发展方向
近几年，人脸识别技术逐渐走出了实验室阶段，由原型系统朝着商业化应用的方向发展。人脸图像作为一种较为复杂的模式，很容易受到光照、姿态、表情、年龄、尺寸、外表附属物以及图像采集设备等的影响。对实验室采集的人脸图像的测试结果表明对于限定在一定条件下的人脸图像，例如,正面人脸、光照良好、表情中性、给定尺寸的人脸图像，识别率可以达到90%以上。对来自现实生活的人脸图像进行大规模测试的结果表明，随着人脸数据规模的增大,识别率随之下降。另外,识别率还受到测试对象的年龄、性别、图像的采集地点和图像的采集时间间隔等的影响。由此可见,当人脸图像的约束条件放宽时，现有技术的识别率水平与实际应用需求之间还有一定的距离。当前的商业化人脸识别系统是在一定的图像约束条件下对人脸识别技术的应用，往往需要人的主动配合，这在很大程度上限制了其应用范围。潜在的巨大市场需求和高可靠性的使用要求驱使研究人员从更加广阔的层面来考虑提高现有人脸识别的技术水平。另外，计算机视觉、图像处理、模式识别以及硬件技术等的发展为新的人脸识别方法出现创造了有利的条件。
3总结与思考
人脸识别技术在国内有着巨大的发展潜力，行业内的领先者正在逐步提供、完善产品解决方案，力求倡导与普及一种全新的工作生活习惯与方式，使得人脸识别应用市场的前景一片光明。（下转第572页）
人脸识别方法综述
邢嘉李磊
（青岛酒店管理职业技术学院山东青岛266100）
【摘要】近几年来，人脸识别技术得到了迅猛发展，本文对各种人脸识别技术进行了综合性研究。在对所有方法进行分析比较的基础上，论述了人脸识别技术的研究现状、存在的问题并对未来进行了展望。
【关键词】人脸识别；生物特征识别；研究进展
○科教前沿○
573
科技信息
SCIENCE&TECHNOLOGY INFORMATION
2010年第17期
●科
（上接第587页）4.3加载宏
加载宏是一种特殊的应用程序，通常用来给Excel增加功能。这里面要特别指出的是，通过加载宏给Excel增加功能特指与应用程序无关的一般目的功能，例如，增加一个计算房屋贷款月还款额的函数。可以为Excel增加一个在加载宏中的工作簿，对用户而言它是不可见的，但是用户可以通过"宏"对话框来访问这些加载宏。
4.4企业信息系统
企业信息系统是通过大量的基础代码来实现的。通过配Excel设计单独的用户界面，并配合使用前面提到一些技术，就得到了企业信息系统。企业信息系统对Excel的控制是前面几种应用程序所无法达到的，所以企业信息系统需要相对丰富的VBA知识。
企业信息系统的用途也十分广泛。通过设计企业信息系统不仅可以最大限度地控制用户对数据和程序的访问，而且可以利用Excel的内置功能，如公式、函数、图表、数据验证等。
5小结
文章首先分析了Excel在实际工程中应用的价值，让我们能够全面地衡量在工程中使用Excel作为开发工具是否恰当。Excel在整个开发产品的光谱中，占有比较独特的地位，但是总地说Excel适合于开发单机版、访问量与开发维护量都不是很大、对数据有分析建模功能的应用程序。当然，使用Excel作为开发工具还有一个巨大的优势就在于Excel的用户群巨大，可以使应用程序。
【参考文献】
［1］刘丹,陶泽西.Excel2007实战应用大全[TP].上海科学普及出版社,2008,5.［2］张翼,李辉.案例学EXCEL2003中文版[TP].北京:人民邮电出版社,2004,5.
[责任编辑：曹明明]
（上接第573页）在2010年上海世博会的安检和监控方面，人脸识别、客流分析、视频监控等智能视频处理技术已经成为本届世博会的一大亮点。
综上所述，经过这两年的市场启动，尤其是嵌入式人脸识别技术的成熟，人脸识别技术将应用到公安、安全、海关、金融、军队、机场、边防口岸、安防等多个重要行业及领域，以及智能门禁、考勤等民用市场。有关专家预言，2010至2012年，全球人脸识别市场将进入一个快速成长期，人脸识别时代已经到来！
【参考文献】
［1］Chellappa R,Wilson C L,Sirohey S.Human and machine recognition of faces a survey[J].Proceedings of the IEEE,1995,83(5):705-740.
［2］AL.Yuille.J.Cognitive Neuroscience,1989,3:59－70.
［3］https://www.360docs.net/doc/b710677509.html,m,H.Yan.Pattern Recogition,1995,29:771－779.
［4］J.Ydeng,https://www.360docs.net/doc/b710677509.html,i.Pattern recognition,1997,30:403－419.
［5］钟威，刘智明，周激流.人脸检测中眼睛精确定位的研究[J].计算机工程与应用,2004，36：73-76．
［6］冯建强，刘文波，于盛林．基于灰度积分投影的人眼定位[J].计算机仿真，2005，22(4)：75-77．
［责任编辑：张慧］
科●
因的位置也是随机确定的。在此问题中，为了满足约束条件，突变点的位置限制在第1位到第n-1位之间，并且基因的突变是在该数允许的范围内变动，其突变量的选取采用了一定的模拟退火的思想。假设第t 代的个体为x'（x1，x2，…，x i，…x n-1，x n），若x i被选为突变点，则新个体为x'+1（x1，x2，…，x'i，…，x n-1，x n），其中
x'i=x i+ε（l，y）
式中y=x max-x min，x max，x min，为x i允许的最大值和最小值，故y=m；ε（t，y）=[y·（1-a（1-t
T
）b]，a为[0，1]区间内的随机数，T为最大允许迭代次数，t为当前的迭代次数，b为系数。ε（t，y）的目的是使迭代后期当t→T时突变愈来愈小，x'i仅在原地附近变动；而在初期ε（t，y）较大，x'i在大范围内搜索。b选取的不同，搜索速度也不一样。同理，为了满足约束条件可取
xn=m-（x1+x2+…x'i+…x n-1）
若x n＜0，则须重新执行突变操作直到x n≥0为止。
2.7终止
对于此问题，终止的方法是规定最大迭代次数T。一旦遗传算法的迭代次数达到T，则停止操作，输出结果。通常T取200～500次。由于遗传算法中有许多随机因素影响，最后一代的结果不一定含有最优个体。为此，要经常记录每代的最优个体以便于查询比较。
3计算步骤及流程
改进遗传算法的工作步骤是：
第一步：确定个体的基因组成及长度。
第二步：随机建立初始群体。
第三步：计算各个体的适应度。
第四步：根据遗传概率，用下述操作产生新群体。
复制：将已有的优良个体复制后添入新群体中，删除劣质个体；
交换：将选出的两个个体进行交换，所产生的新个体进入新群体；
突变：随机地改变某个体的某一基因后，将新个体添入新群体。
第五步：反复执行步骤三和步骤四，直到终止条件，选择最佳个体作为遗传算法的结果。其计算流程如下图所示。
4示例
设有12套某型地空导弹武器系统保卫某防空区域中的5个要地，各个要地的重要度分别为0.85,0.5,0.7,0.4,0.3,p=0.7。在计算机上仿真计算的简要结果见下表。
由于本例计算规模较小，故确定初始群体规模M=10，每次迭代随机选择6个个体交换，1个个体突变，从计算结果看出，此算法收敛较快，当迭代13次后已得出最优解，继续进行迭代，其最优解保持不变。
5结束语
兵力配置是现代防空作战部署中极为重要的一环，科学的兵力配置是达到合理的使用兵力，充分发挥武器系统的作战效能，取得防空作战胜利的基础和前提。对于多种型号武器系统的混合配置问题，其目标函数、约束条件和解集合都比较复杂，目前正处于研究中，初步想法是通过对各型武器系统作战能力等性能的分析比较，转化为同型号的兵力配置优化问题。通过对遗传算法的改进，模型寻优速度明显加快，收敛性能也有了明显提高，为解决防空作战运筹领域类似问题提供了一种思路。
作者简介：付欣文，王兆雷，防空兵指挥学院在读硕士研究生。
王文发，防空兵指挥学院作战指挥系教授，博士研究生导师。
[责任编辑：曹明明]
●
科
○科教前沿○
●
●
572
人脸识别技术综述
人脸识别研究综述 摘要：论文首先介绍了人脸识别技术概念与发展历史，解释人脸识别技术的过程与优缺点；随后对近几年人脸识别技术的研究情况与一些经典的方法进行详细的阐述，最后提出人脸识别技术在生活中的应用与展望。 关键词：人脸识别研究现状应用与展望 一、概念 人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流。首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 二、发展历史 人脸识别的研究历史比较悠久。高尔顿(Galton)早在1888 年和1910 年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章，对人类自身的人脸识别能力进行了分析。但当时还不可能涉及到人脸的自动识别问题。最早的AFR1的研究论文见于1965 年陈（Chan）和布莱索（Bledsoe）在Panoramic Research Inc.发表的技术报告，至今已有四十年的历史。近年来，人脸识别研究得到了诸多研究人员的青睐，涌现出了诸多技术方法。 三、过程与优缺点 人脸的识别过程： (1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。 (2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。 (3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库
人脸识别技术的应用背景及研究现状
1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面： （1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较
人脸识别技术概述
计算机光盘软件与应用 2012年第5期 Computer CD Software and Applications 工程技术 — 49 — 人脸识别技术概述 杨万振 （东北大学，沈阳 110819） 摘要：作为多学科领域的具有挑战性的难题，人脸识别技术覆盖了模式识别、神经网络、生理学、计算机视觉、 心理学、数字图像处理、数学等诸多学科的内容。 关键词：人脸识别；算法 中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599(2012)05-0049-01 一、引言 人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。国内外的人脸识别的方法多种多样，并且不断有新的研究成果出现。但是，由于人脸识别问题巨大的复杂性，要建立一个能够完全自动完成人脸识别任务的计算机系统难度是相当大的，这不仅涉及到数字图像处理，而且还涉及到计算机视觉，人工智能和计算机网络及通讯等的多个学科领域的广泛知识。目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域等[1,2]。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域：1.公安、司法和刑侦。2.自助服务。3、.企业、住宅安全和管理。4.电子护照及身份证。5.信息安全。综上所述，人脸识别技术对于打击各类犯罪活动、维护国家安全和社会稳定等具有十分重大的意义。随着各种技术手段的综合应用和科学技术的发展， 相信人脸识别技术会不断向前发展，应用更加广泛。 二、人脸识别系统的基本框架 人脸识别过程包括两个主要环节：一是人脸的检测和定位，即从输入图像中找到人脸及其位置，并将人脸从中分割出来；二是对标准化的人脸图像进行特征提取与识别。 人脸识别系统基本框架图 如图所示，人脸识别系统各部分的功能和作用： （一）图像获取：用图像获取设备（数码相机、扫描仪、摄像机）获取图像，也可以在人脸图像库中获取图像，然后使用相应程序将图像转换成可处理的格式。 （二）检测定位：人脸检测是指在输入图像中确定所有人脸的大小、姿态和位置的过程。近年来，由于生物特征识别的发展和人际交互方式的发展，人脸检测定位的发展很迅速，但是其难点是容易受到亮度变化、人的头部姿势及图像背景等因素的影响。 （三）人脸图像预处理：对获取的图像进行适当的处理，使其具有的特征能在图像中表现的明显。该模块主要由灰度变化、光线补偿、对比度增强、高斯平滑处理、直方图均衡和图像二值化处理等子模块构成。 （四）特征提取部分：将预处理后得到的正规人脸图像按照相应的算法提取出用来识别的特征向量，将原始的人脸空间中的数据映射到特征空间中去。通常把原始人脸空间叫测量空间，把用以进行分类识别的空间叫特征空间，较高维数的测量空间的模 式表示可以经过变换变为在较低维数的特征空间中模式的表示。 （五）分类器设计：部分分类器的设计是在后台完成的，就是所谓训练过程，该过程结束后可生成分类器用于分类识别。模式识别问题事实上可以看做是一个分类问题，即把待识别的对象归于某一类之中。在人脸识别问题上就是把不同输入的人脸图像归于某个人这一类。其基本的做法就是在样本训练集的基础上确定某种判决规则，然后使按这种判决规则对待识别的对象进行分 类所引起的损失最小或造成的错误识别率最小。 （六）分类决策：就是运用已经设计好的分类器进行分类识别，得出最后的识别结果，并给出相应的判断。 三、人脸识别的常用方法 1.主分量分析法 2.线性判别分析法 3.独立分量分析法 4.隐马尔可夫模型法 5.弹性束图匹配法 四、人脸识别的技术优势 虽然目前人脸识别系统不是很成熟，但与虹膜识别、指纹 识别等其它生物特征识别技术相比，人脸识别的技术优势主要有以下几点： （一）非接触式操作，适用于隐蔽监控。由于人脸识别系统不需要接触，可以秘密开展，因此特别适用于网上抓逃、隐蔽监控等应用。这是虹膜、指纹等其他生物特征识别技术所不具备。 （二）无侵犯性，容易被接受。人脸识别系统一般为远距离 采集数据，减小了对用户造成生理上伤害几率，用户容易接受。 （三）图像采集设备成本低。目前，USBCCD/CMOS 摄像头非常低廉的价格，已成为计算机的标准配置，极大地扩展了人脸识别实用范围；此外，数码摄像机、数码相机和照片扫描仪等图像 采集设备在普通家庭的日益普及进一步增加了其可用性。 （四）更符合人类的识别习惯，可交互性强。人脸识别更 符合人识别人的习惯，故若与用户交互配合可以大大提高系统 的可靠性和可用性；但是指纹、虹膜识别却不具备如此优点。 （五）识别精确度较高、速度快。与其它生物识别技术相比，人脸识别的精度处于较高的水平，拒识率、误识率较低。 五、人脸识别研究的难点 人脸识别通常是通过对采集得到的人脸图像的分析计算来确定其身份的。人脸是具有复杂结构的三位可变形生物体，影响人脸识别效果的因素主要有以下几个： 姿态：人脸图像的变化，例如在三维人脸到二维人脸的成像过程中，由于相关的照相机-脸姿（正面的、45度、侧面、颠倒的）导致的不同，而一些脸部特征如眼睛或鼻子可能部分地或全部被遮挡。 组件的影响：面部的特征如胡须和眼镜等可能存在也可能不存在，这些组件包括形状、颜色和大小。 面部表情：人脸为可变形物体，人脸表情的变化直接影响人脸图像的模式。 图像的方向：照相机光轴的旋转不同可直接引起人脸图像的变化。 图像的条件：当图像产生时，一些因素如光(光谱、光源分布和强度)和照相机的特性(传感器的响应、透镜)影响人脸的外观。 参考文献： [1]Yin L.Basu A.Generating realistic facial expressions with wrinkles for model-based coding [J]．Computer Vision and Image Understanding,2001,84(2):201-240 [2]李云峰,杨益,田俊香.人脸识别的研究进展与发展方向[J].科技资讯,2008(5):23-32
人脸识别文献综述
文献综述 1 引言 在计算机视觉和模式识别领域，人脸识别技术（Face Recognition Technology，简称FRT）是极具挑战性的课题之一。近年来，随着相关技术的飞速发展和实际需求的日益增长，它已逐渐引起越来越多研究人员的关注。人脸识别在许多领域有实际的和潜在的应用，在诸如证件检验、银行系统、军队安全、安全检查等方面都有相当广阔的应用前景。人脸识别技术用于司法领域，作为辅助手段，进行身份验证，罪犯识别等;用于商业领域，如银行信用卡的身份识别、安全识别系统等等。正是由于人脸识别有着广阔的应用前景，它才越来越成为当前模式识别和人工智能领域的一个研究热点。 虽然人类能够毫不费力的识别出人脸及其表情，但是人脸的机器自动识别仍然是一个高难度的课题。它牵涉到模式识别、图像处理及生理、心理等方面的诸多知识。与指纹、视网膜、虹膜、基因、声音等其他人体生物特征识别系统相比，人脸识别系统更加友好、直接，使用者也没有心理障碍。并且通过人脸的表情/姿态分析，还能获得其他识别系统难以获得的一些信息。 自动人脸识别可以表述为：对给定场景的静态或视频序列图像，利用人脸数据库验证、比对或指认校验场景中存在的人像，同时可以利用其他的间接信息，比如人种、年龄、性别、面部表情、语音等，以减小搜索范围提高识别效率。自上世纪90年代以来，人脸识别研究得到了长足发展，国内外许多知名的理工大学及TT公司都成立了专门的人脸识别研究组，相关的研究综述见文献[1-3]。 本文对近年来自动人脸识别研究进行了综述，分别从人脸识别涉及的理论，人脸检测与定位相关算法及人脸识别核心算法等方面进行了分类整理，并对具有典型意义的方法进行了较为详尽的分析对比。此外，本文还分析介绍了当前人脸识别的优势与困难。 2 人脸识别相关理论 图像是人们出生以来体验最丰富最重要的部分，图像可以以各种各样的形式出现，我们只有意识到不同种类图像的区别，才能更好的理解图像。要建立一套完整的人脸识别系统(Face Recognetion System，简称FRS)，必然要综合运用以下几大学科领域的知识： 2.1 数字图像处理技术 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机
人脸识别技术发展及应用分析解读
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20世纪60年代末期。 20世纪90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（NIST）举办的Face Recognition Vendor Test 2006，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2002年的FRVT2002至少提高了一个数量级（10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100%。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，
单样本人脸识别综述
单样本人脸识别综述 南京杭空航天大学 ELSEVIER 摘要 当前人脸识别技术主要挑战之一在于样本收集的困难性。很少的样本意味着在收集样本时付出更少的劳动，在存储和处理它们是付出更少的代价。不幸的是，许多现有的人脸识别技术很大程度上依赖于训练样本集的规模和代表性，如果系统中仅有一个训练样本，则将会导致严重的性能下降甚至无法工作。这种情况称之为“单样本”问题，即给出每人一幅人脸的存储数据库，目标是仅根据单幅人脸图像在不同的姿态、光照等条件下从数据库中识别人脸图像的身份。由于训练集非常有限，这样的任务队当前大多数算法而言都是非常具有挑战性的。现有许多技术正试图解决该问题，本文的目的是对这些算法进行分类和评估，对较为突出的算法进行了描述和批判的分析。并讨论了诸如数据采集、小样本规模的影响、系统评估等一些相关问题，同时提出了一些未来研究中具有前景的方向。 关键词：人脸识别；单训练样本 1 引言 作为少数几个同时具有高精度和低干涉的生物特征方法，人脸识别技术在信息安全、法律事实和监控、智能车、访问控制等方面具有大量的潜在应用。因此，在过去20年中人脸识别技术已经受到了来自学术和工业方面的极大关注。近来，一些作者已经从不同方面调查和评估了现有的人脸识别技术。例如，Samal et al. [4] and Valentin et al. [5]分别对基于特征和基于神经网络的技术进行了调研。Yang等[6]评述了人脸识别技术，Pantic and Rothkrantz[7]对自动面部表达分析进行了调研，Daugman [3]指出了涉及人脸识别系统有效性的几个关键问题，而最近的综述应该是Zhao et al. [1],他对许多最新的技术进行了评论。 人脸识别的目的是从人脸图像的数据库中的静态图像或视频图像中识别或验证一个或多个人。许多研究工作集中在怎样提高识别系统的精度，然而，大部分研究工作似乎忽视了一个可能来源于人脸数据库的潜在问题，即可能由于样本采集的困难或由于系统存储空间的限制，数据库中可能对每一个人只存储了一副样本图像。在这种条件下，诸如特征脸（Eigenface）和Fisher人脸识别技术等传统方法将导致严重的性能下降甚至无法工作（详见第2节）。这个问题称之为单样本问题，即即给出每人一幅人脸的存储数据库，目标是仅根据单幅人脸图像在不同的姿态、光照等条件下从数据库中识别人脸图像的身份。由于其挑战性和现实应用的重要性，这个问题很快成为了人脸识别技术近年来的一个研究热点，许多专用技术被开发来解决该问题，例如合成虚拟样本，局部化单一训练图像，概率匹配和神经网络方法。 本文最主要的贡献是给出这些从单一人脸图像进行人脸识别的特定方法一个综合的、评论性的综述。我们相信这些工作是对参考文献[1–7]的一个有用的补充，这些文献中所考察的大多数技术没有考虑单样本问题。实际上，通过对这个问题更多的关注和技术的详细研究，我们希望这篇综述能够对这些技术的基本原则、相互联系、优缺点以及设计优化提供更多深刻的理解。对一些相关问题，如数据收集、小样本空间的影响以及系统评估等也进行了讨论。 接下来我们首先试图建立有关什么是单样本问题以及为什么、何时应道考虑这个问题的一个公共背景。特别的，我们也讨论了该问题所不需要考虑的方面。在第三节我们继续回顾有关该问题的前沿技术。借此，我们希望能够借鉴一些有用的经验来帮助我们更有效地解决这个问题。在第四节中，我们讨论了有关性能评估的几个问题。最后，在第五节中我们通过讨论几个具有前景的研究方向对单样本问题进行了总结。
人脸识别技术的应用背景及研究现状
人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：
人脸识别技术综述 论文
本科生毕业论文（设计） 题目人脸识别技术综述 学院计算机学院 专业计算机科学与技术 学生姓名陶健 学号 0643041077 年级 2006 指导教师周欣 教务处制表 二Ο年月日
人脸识别技术综述 计算机科学与技术 学生陶健老师周欣 [摘要]随着社会信息化，网络化得不断发展，个人身份趋于数字化，隐性化，如何准确的鉴定，确保信息安全得到越来越多的重视。人脸识别，一种应用比较广泛的生物识别方法，在基于人脸固有的生物特征信息，利用模式识别和图行图像处理技术来对个人身份进行鉴定，在国家安全，计算机交互，家庭娱乐等其他很多领域发挥着举足轻重的作用，能提高办事效率，防止社会犯罪等，有着重大的经济和社会意义。 本文主要研究了人脸识别在图像检测识别方面的一些常用的方法。由于图像处理的好坏直接影响着定位和识别的准确率，因此本文对图像的一些识别算法做了着重的介绍，例如基于二维Gabor小波矩阵表征人脸的识别算法，基于模型匹配人脸识别算法等。此外，本文还提及了一般人脸识别系统的设计，并着重介绍了图像预处理环节的光线补偿，图像灰度化等技术，使图像预处理模块在图像处理过程中能取到良好的作用，提高图像识别和定位的准确率。 [主题词]：人脸识别；特征提取；图像预处理；光线补偿
Face Recognition Overview Computer Science Student：TAO Jian Adviser: ZHOU Xin [Abstract] With the information society, network was growing, personal identity tends to digital, hidden, how to accurately identify, to ensure that information security is more and more attention. Face recognition, an application of biometric identification methods more widely, based on biometric facial information inherent in the use of pattern recognition and image processing techniques to map line of personal identity ,play a great role in the national security, computer interaction, family entertainment and many other areas. Face recognition can improve efficiency, prevent social crime, of course it has significant economic and social significance. This paper studies aspects of face recognition in image detection and some common methods of identification. As the image processing directly impact on the accuracy of location and identification, so some of image recognition algorithm will be focused presentation, such as Gabor wavelet-based two-dimensional matrix representation of face recognition algorithms, model-based matching face recognition algorithm. In addition, the article also mentioned a general recognition system design, and highlights the image preprocessing part of the light compensation, gray image techniques, the image preprocessing module in the image processing to get to the good , and improve image recognition and positioning accuracy. [Key Words] Face recognition; feature extraction; image preprocessing; light compensation
人脸检测和识别技术的文献综述
人脸识别技术综述 摘要：在阅读关于人脸检测识别技术方面文献后，本文主要讨论了人脸识别技术的基本介绍、研究历史,人脸检测和人脸识别的主要研究方法，人脸识别技术的应用前景，并且总结了人脸识别技术的优越性和当下研究存在的困难。 关键词：人脸识别;人脸检测；几何特征方法;模板匹配方法;神经网络方法;统计方法;模板匹配;基于外观方法; 随着社会的发展，信息化程度的不断提高，人们对身份鉴别的准确性和实用性提出了更高的要求，传统的身份识别方式已经不能满足这些要求。人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向.虽然人脸识别的研究已有很长的历史,各种人脸识别的技术也很多,但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响,目前还没有一种人脸识别技术是公认快速有效的[1]基于生物特征的身份认证技术是一项新兴的安全技术，也是本世纪最有发展潜力的技术之一[2]。 1. 人脸识别技术基本介绍 人脸识别技术是基于人的脸部特征，一个完整的人脸识别过程一般包括人脸检测和人脸识别两大部分，人脸检测是指计算机在包含有人脸的图像中检测出人脸，并给出人脸所在区域的位置和大小等信息的过程[3]，人脸识别就是将待识别的人脸与已知人脸进行比较，得
出相似程度的相关信息。 计算机人脸识别技术也就是利用计算机分析人脸图象, 进而从中出有效的识别信息, 用来“辨认”身份的一门技术.人脸自动识别系统包括三个主要技术环节[4]。首先是图像预处理，由于实际成像系统多少存在不完善的地方以及外界光照条件等因素的影响，在一定程度上增加了图像的噪声，使图像变得模糊、对比度低、区域灰度不平衡等。为了提高图像的质量，保证提取特征的有有效性，进而提高识别系统的识别率，在提取特征之前，有必要对图像进行预处理操作；人脸的检测和定位，即从输入图像中找出人脸及人脸所在的位置，并将人脸从背景中分割出来，对库中所有的人脸图像大小和各器官的位置归一化；最后是对归一化的人脸图像应用人脸识别技术进行特征提取与识别。 2. 人脸识别技术的研究历史 国内关于人脸自动识别的研究始于二十世纪80年代，由于人脸识别系统和视频解码的大量运用，人脸检测的研究才得到了新的发展利用运动、颜色和综合信息等更具有鲁棒性的方法被提出来变形模板，弹性曲线等在特征提取方面的许多进展使得人脸特征的定位变得更为准确。 人脸识别的研究大致可分为四个阶段。第一个阶段以Bertillon，Allen和Parke为代表，主要研究人脸识别所需要的面部特征；第二个阶段是人机交互识别阶段；第三个阶段是真正的机器自动识别阶段；第四个阶段是鲁棒的人脸识别技术的研究阶段。目前，国外多所
基于matlab人脸识别技术 开题报告
毕业设计（论文）开题报告 毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2500字以上的文献综述，文后应列出所查阅的文献资料。 基于matlab人脸识别技术的实现 文献综述 一、MATLAB概述 MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。而在本文中主要用到的功能是图像处理功能。 二、BP神经网络概述 人工神经网络（Artificial Neural Net works，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connectionist Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 人工神经网络发展的主要历程有:20世纪50年代末,Rosenblatt提出的感知器模型和Widrow提出的自适应线性元件,出现了简单的线性分类器;1986年,Rumelhart和Mcllelland 提出了层网络“误差反向传播算法(BP)”,使有导师学习多层感知器网络(ML PN)模式分类器走向实用化,在此基础上又派生出若干前向网络,如径向基函数网络( RBFN)和函数链网络等;1982年,美国加州工学院的物理学家Hopfield提出的一种用于联想记忆和优化计算的反馈网络模型,由于引进了“能量函数” 的概念,使网络走向具体电路有了保证;20世纪70年代,Watanabe 提出了使用模式子空间的概念来设计不同类别对应的子空间,由不同类别聚类的子空间实现模式识别; Kohonen提出的自组织特征映射网络模型等都为神经网络模式识别理论提供了进一步的根据。 构成人工神经网络的三个基本要素是:神经元、络拓扑结构和网络的训练(学习)方法。神经元(节点)的作用是把若干输入加权求和,并对这种加权和进行非线性处理后输出。神经元的选择一般有以下特点:每个神经元都具有多个输入、个输出,具有闭值,采用非线性函数。 1、神经元
人脸识别技术综述解读
人脸识别研究 代上 （河南大学环境与规划学院河南开封 475004） 摘要：现今世界经济发展迅速，而面对繁杂的社会安全问题却显得有些捉襟见肘，人脸识别技术能够因通过面部特征信息识别身份而受到广泛关注。人脸识别通常使用采集含有人脸图像或视频流的设备，将收集到的人脸信息进行脸部检测,进而与数据库中已有信息进行对比确定被识别对象的身份,已经广泛的应用于公共安全、教育等多个方面，且在以后的社会发展中具有很大的应用前景。本文主要对人脸识别的发展历程、主要识别方法予以总结概括，并对其应用范围与发展趋势进行分析。 关键词：人脸识别；方法；应用；发展 1引言 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。该项技术目前应用到社会的各个领域，例如个人家庭自动门的安全系统、犯罪人的身份识别系统、银行自动取款的服务系统等。 人脸识别系统给人带了很多方便，应用能力很强，但是人脸识别仍然有很多阻碍其发展的困难之处。主要表现在：在收集图像中目标自身的影响；在系统收集图像的过程中容易受到各种外界因素以及系统收集图像之后由于其它因素造成的面部损伤所带来的影响；随着时间的变迁，人的面部逐步发生变化的影响。这些都对人脸识别技术的发展造成了一定的困难，也使得该项技术面临着多种挑战性。 2 人脸识别研究的发展历史与研究现状 2.1发展历史 很早在19世纪80年代就有关于通过人脸对人类的身份进行辨别的论文发表，但是由于技术水平与设备的限制，人脸识别技术并没有受到重视。直到20世纪60年代末，Blcdsoc[1]提出了人脸识别研究的雏形，人脸识别技术才被人们接受。 在人脸识别研究的早期阶段，人们主要研究的是人脸识别的各种方法，但是在实际应用方面却没有得到实质性的进展。 进入20世纪90年代末的时候，人脸识别技术进入了一个快速发展阶段，在这个时期各种新的人脸识别方法相继出现，并创建了人脸图像数据库，对人脸识别的发展起到了巨大的促进作用。在实际应用方面也取得了很大的进展，运用人脸识别技术的产品逐渐进入了社会市场。 进入21世纪以后，人脸识别技术已经逐步发展成熟，但是由于非理想条件如（光照、天气、姿态）的影响，对人脸识别技术的要求也更高。为了解决这些不利因素所造成的影响，研究者们一直努力寻找更加趋于完美的方法，从而减少这些因素所带来的不利影响。 2.2研究现状 近几年来，人脸识别技术已经从以前的认知阶段发展到了实际应用阶段。但是由于每个人的面部都会因为各种不同的原因发生改变，这给人脸识别带来了不小的影响。如光照不同
人脸表情识别
图像处理与模式识别 ------人脸表情识别介绍摘要：人脸表情是我们进行交往和表达情绪的一种重要手段，不经过特殊训练，人类对其面部表情往往很难掩饰，所以，通过对人脸表情进行分析，可以获得重要的信息。人脸表情识别是人机交互的智能化实现的一个重要组成部分，也是模式识别、图像处理领域的一个重要研究课题，近几年来，受到了越来越多的科研人员的关注。 本文综述了国内外近年来人脸表情识别技术的最新发展状况，对人脸表情识别系统所涉及到的关键技术: 人脸表情特征提取，做了详细分析和归纳。 关键词：人脸定位；积分投影；人脸表情识别；流形学习；局部切空间排列Abstract:Facial expression is a kind of important means that we communicate and express the special training, People often difficult to conceal their facial , by the analyzing facial expression, we can obtain important information. Facial expression recognition is an important component that the implementation of human-computer interaction, and an important research topic in the field of pattern recognition, image processing, in recent years, more and more researchers focus on this topic. In this paper,we present the latest development of this area,and give a detailed analysisand summary for facial
人脸自动识别方法综述_周杰
人脸自动识别方法综述 周 杰,卢春雨,张长水,李衍达 (清华大学自动化系,北京100084) 摘 要: 人脸自动识别是模式识别、图像处理等学科的一大研究热点,近几年来关于人脸识别的研究取得了很大进展.本文重点对近三、四年来人脸识别的研究进行综述并对各种方法加以评论. 关键词: 人脸自动识别;人脸检测;人脸定位 中图分类号: TP39114 文献标识码: A 文章编号: 0372-2112(2000)04-0102-05 A Su rvey of Automa tic Human Face Recognition ZHOU Jie,LU Chun -yu,ZHANG Chang -shui,LI Yan -da (De partment o f Automation ,Tsinghua Unive rsit y ,Be ijing 100084,China) Abstract: Automatic human face recogni tion is attractive in pattern recogniti on and i mage processing.In this paper we gave a survey of automatic human face recogni tion,mainly ai ming at the latest progress. Key words: automatic hu man face recognition;face detection;face localization 1 引言 随着社会的发展,各个方面对快速有效的自动身份验证的要求日益迫切.由于生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,因此是身份验证的最理想依据.这其中,利用人脸特征进行身份验证又是最自然直接的手段,相比其它人体生物特征它具有直接、友好、方便的特点,易于为用户所接受[1]. 人脸识别是人类视觉最杰出的能力之一,它的研究涉及模式识别、图像处理、生理学、心理学、认知科学,与基于其它生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系,因此早在六七十年代即引起了研究者的强烈兴趣.进入九十年代,由于各方面对人脸识别系统的迫切需求,人脸识别的研究重新变得非常热门.目前美国等国有许多研究组在从事人脸识别的研究,这些研究受到军方、警方及大公司的高度重视和资助,美国军方每年还专门组织人脸识别比赛以促进这一领域的发展.在国内,也开始有一些学校从事人脸识别相关的研究.近几年来关于人脸识别的研究取得了很大进步,国际上发表有关论文的数量大幅增长,IEEE 的PAM I 汇刊还于1997年7月出版了人脸识别专辑,每年的国际会议上关于人脸识别的专题也屡屡可见.而目前人脸识别综述的文章还是截止到1994年,因此我们认为非常有必要对近几年的研究工作进行一下总结.在本文中我们将对人脸识别方法进行综述,其中主要介绍近三、四年的研究工作,之前的研究工作请参看文[2,3]. 2 人脸自动识别系统 人脸自动识别系统包括两个主要技术环节(如图1所 示):首先是人脸检测和定位,即从输入图像中找到人脸及人脸存在的位置,并将人脸从背景中分割出来,然后才是对归一化的人脸图像进行特征提取与识别 . 图1 人脸自动识别系统构成 这两个环节的研究独立性很强.由于在很多特定情况下人脸检测与定位的工作比较简单,因此/特征提取与识别0环节得到了更为广泛和深入的研究;而近几年来随着人们越来越关心各种复杂情形下的人脸自动识别系统,人脸检测与定位才得到了较多的重视. 评价一个人脸自动识别系统的标准,一个是误识率即将某人错识别为其他人,另一个是虚警率即将其他人识别为这个人.这二者之间是存在矛盾的,所以在实际问题中往往需要进行某种折衷.如,在安全性要求较高的计算机登录系统中,必须要求虚警率要尽可能低,而误识率则可以高一些,这样只是增加合法用户的等录时间,并不会降低计算机系统的安全性.这一点同样适用于特征提取与识别环节,但是对于人脸检测与定位,我们一般则要求误识率要尽可能低,因为这样才可以保证所要识别的人不会在这一步就丢失. 收稿日期:1999-03-15;修订日期:1999-07-06基金项目:自然科学基金(No.69775009)资助课题 第4期2000年4月电 子 学 报ACTA ELECTRONICA SINICA Vol.28 No.4 April 2000
人脸识别实验报告解读
人脸识别——特征脸方法 贾东亚12346046 一、实验目的 1、学会使用PCA主成分分析法。 2、初步了解人脸识别的特征法。 3、更熟练地掌握matlab的使用。 二、原理介绍 1、PCA（主成分分析法介绍） 引用一个网上的例子。假设有一份对遥控直升机操作员的调查，用表示飞行员i的 飞行技能，表示飞行员i喜欢飞行的程度。通常遥控直升飞机是很难操作的，只有那些 非常坚持而且真正喜欢驾驶的人才能熟练操作。所以这两个属性和相关性是非常强的。我们可以假设两者的关系是按正比关系变化的。如下图里的任意找的向量u1所示，数据散布在u1两侧，有少许噪声。 现在我们有两项数据，是二维的。那么如何将这两项变量转变为一个来描述飞行员呢？由图中的点的分布可知，如果我们找到一个方向的U，所有的数据点在U的方向上的投影之和最大，那么该U就能表示数据的大致走向。而在垂直于U的方向，各个数据点在该方向 的投影相对于在U上的投影如果足够小，那么我们可以忽略掉各数据在该方向的投影，这 样我们就把二维的数据转化成了在U方向上的一维数据。 为了将u选出来，我们先对数据进行预处理。先求出所有数据的平均值，然后用数据与平均值的偏差代替数据本身。然后对数据归一化以后，再代替数据本身。 而我们求最大的投影和，其实就是求各个数据点在U上的投影距离的方差最大。而X T u 就是投影的距离。故我们要求下式的最大值： 按照u是单位向量来最大化上式，就是求的特征向量。而此式是数据集的协方差矩阵。
在实际应用中，我们不止面临二维的数据。因此不能使用几何的形式呈现，但原理也是一样。就是找到一组相互正交的单位向量，然后根据贡献率考虑选择其中的部分作为考量的维数，这也就实现了数据的降维。 三、实验步骤 1、将库里的400张照片分成两组。一组作为训练，一组作为库。每个人的前五张照片作为 训练，后五张作为库。训练的照片按照顺序的数字重命名。库的照片名字不变。 2、库照片处理。 ①将每一张库的照片转化成N维的向量。（库里的照片是112*92，故将转化成的矩阵按列或行展开，就是个10304维的向量）我们稍后要对如此多维的向量用PCA进行降维。然后把这些向量存入一个矩阵里。而我是将这200个向量以列的形式存在了矩阵里。 即 ，，， ②将这200个向量的每个元素相加起来求出平均值。再用Z里的每一个向量减去这个平均值得到每个的偏差。 平均值，每个向量的偏差 即最后 ，，， ③接下来我们就要针对这些预处理后的数据进行降维。我们要求的N个相互正交的向量就是协方差矩阵的特征向量，而对应的特征值就是各个向量所占的比重。但是Z是个10304*200的矩阵，那么就是个10304*10304的矩阵。使用matlab直接求其特征值与特征向量不太实际。 所以我们考虑一个简单的运算方法： 协方差矩阵的秩受到训练图像的限制：如果有N个训练样本，则最多有N? 1 个对应非零特征值的特征向量，其他的特征向量对应的特征值都是0。如果训练样本的数目比图像的维数低，则可以通过如下方法简化主成份的计算。 设 Z是预处理图像的矩阵，每一列对应一个减去均值图像之后的图像。则，协方差矩阵为，并且对S的特征值分解为