人脸识别技术和算法综述.pdfVIP

瞄回囫 匿 圃 LcUb~NfSU．J丽．[ngi…aPmauct 信 息技 术 人脸识别技术和算法综述 庞珊珊 熊建设 (中国海洋大学 信息科学与工程学院，山东 青岛266100) 摘 要：人脸识别是人工智能领域的一个研究热点，是一种基于信息处理的模式识别。这篇论文简要介绍了人脸识别技术的特点、研究背景和识 别系统的构成，重点介绍了几种在人脸识别中常用的算法及其评价。总结了现存的研究困难，对人脸识别技术未来的发展和应用做出了展望。 关键字：人脸识别；特征提取；特征脸；神经网络 1引言 一 组坐标系数，这组系数表明了该图像在子空间中 。 最早由Samaria提 生物特征鉴别技术是利用人体生物特征进行 的位置，从而可以作为人脸识别的依据。任何一幅 出了关于人脸的隐马尔科夫模型。隐马尔科夫过程 身份认证的一种技术，具有安全可靠、特征唯一、不 人脸图像都可以表示为这组特征向量的线性组合， 是—个双重的随机过程：一个潜在的过程称为 状“ 易伪造、不可窃取等优点。在不同的生物识别方法 其加权系数(图像向空间投影得到的系数)称为该 态”过程，另—个可观测过程称为“观测序列”，观测 中，人脸识别有其自身特殊的优势，例如，非侵扰 图像的代数特征。识别的时候，将待识别的图像投 序列是由隐含的状态过程决定的。 性；采集设备简单，使用快捷；通过^、脸识别身份符 影到这个特征子空间，将得到的投影系数与各个已 用HMM进行 ^、睑 4，既考虑了各器官的不 合人类的习惯，正是由于这些 良好的特性，人脸识 知人脸图像的系数进行比较，通过一定的准则，例 同特征，又考虑了相互关联，该模型的参数能较好 们的重视，并取得了很 如k一近邻法，取未知样本的k个近邻，看这k个近 的表征具体的人脸模型。HMM方法的鲁棒性较好， 好的成果。随着人脸识别技术的飞速发展，它被越 邻中多数属于哪—类，就把待识别的图像归人哪一 对表情、姿态变化不太敏感。 来越多的应用于海关监控、企业安全与管理、刑侦 类。特征脸方法比较简单易懂，得到了广泛的使用， 以上介绍了5中人脸识别中的常用算法，除此 等领域。 但单独使用的计算量较大，所以PCA经常与其它 之外，还有其他的—些算法，比如，基于弹I生图匹配 ^睑识别按照信息的来源可以分为两类：基于 方法配合使用，例如小波变换与PCA的结合 ，使 的算法，基于SVM的^睑识别算法，遗传算法等 息识别。对于动态识 PCA的降维效果得到改善。 等。 别研究的相关技术还比较欠缺，本文只对静态人脸 23基于模板匹配的人脸识别算法 3总结与展望 识别的相关算法进行阐述。 ，首先介 以上介绍了几种常用的^睑识别算法，从分析 三个步骤：人脸的检 绍一下静态匹配。静态模板匹配方法：设计—个库， 中可以看出。每种方法都有其优缺点，因此根据这 测和定位、人脸的特征提取和人脸识别，在这些步 其中存储了已知人脸的若干模板，这些模板可以是 些方法的特点，将这些方法结合起来使用，例如 骤之前还应有预处理这一步，即对采集到的图像先 整张人脸的灰度图像，可以是各生理特征区域的灰 Nefian提出了基于2D-DCT的HMM方法。但是由 进行预处理，以达到位置校准和灰度归一的目的， 度图像，还可以是经某种变换的人脸图像。待识别 于^、脸识别是一项跨学科的研究课题，在研究过程 然后寻找人脸，如果有则确定人脸的位置并提取 ^、 的图像经过相同的变换后，还要进行尺度归一化和 中面临着相当程度的难度，由于人脸易受表情、光 脸，然后提取人脸特征，最后根据提取的特征进行 灰度归一化的处理，得到与库中的图像大小、取向 线和附着物等的影响，在研究过程中有一些的困 识别。下面对人脸识别中的常用算法进行介绍。 和光照条