人脸检测及识别技术综述.pdfVIP

2013年第08期 科技 罾向导 ◇职业教育◇ 人脸检测及识别技术综述 王 昊 (辽宁职业学院高尔夫学院 辽宁 铁岭 112001) 【摘 要】人脸检测与识别技术因为其巨大的应用价值以及市场潜力，已经成为图像工程领域研究的热点。目前，国内外的文献中涉及到的 人脸检测和识别算法有很多种，本文对近些年来在期刊和会议上发表的有关人脸检测和识别技术的文章进行了归纳总结．概括介绍了一些人 脸检测和识别的典型方法，分析了这些方法的特点及理论依据。 【关键词】人脸检测；人脸定位；特征提取；人脸识别 O．引言 人脸识别方法称为特征脸方法。PCA是通过K—L变换展开的网络递 在现实生活中．很多情况下都需要进行身份验证 人脸是人体最 推实现，K—L变换是一种常用的特征提取方法．对消除模式特征之间 重要的外貌特征．由于脸部信息可以通过如摄像头等非接触的方式取 的相关性、突出差异性有最显著的效果。特征脸识别方法就是把含有 得，所以非常适合作为身份鉴别的依据。与指纹识别、虹膜识别等诸多 人脸图像的区域作为一种随机向量 ．继而用K—L变换得到其正交基 生物识别技术比较而言．人脸识别技术的独特之处还表现这种识别技 底。这些基底中特征值较大的基底具与人脸的形状相似．所以称之为 术具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户 特征脸。而这些基底的线性组合可以表述和充分接近人脸的图像．就 所接受。该技术被广泛应用于国家安全、军事安全和公安、司法、民政、 可以对人脸进行识别和合成 识别过程是首先得到由特征脸组成的子 金融、民航、海关、边境、13岸、保险及其他民用安全控制系统等领域当 空间．将人脸图像映射到该子空间上 ．进而比较其与标准的人脸图像 中。此外，人脸识别技术的研究还涉及生理学、心理学 、人工智能、模式 在特征脸空间中位置的差异 识别、图像处理等多个学科领域，因此它具有重要的理论研究价值。 2．2奇异值分解方法 1．人脸检测 奇异值特征是一种代数特征．它用于反映图像的本质属性 在某 人脸检测问题起源于人脸识别技术 人脸检测从总体上可分为两 种程度上，奇异值特征除了具有比例不变性、旋转不变性等重要性质． 大类：基于先验知识的人脸检测方法和基于后验学习和训练的人脸检 在某种程度上还具有代数和几何的双重稳定性 利用这一特性．可以 测方法 。 用奇异值分解对人脸图像矩阵提取出图像的代数特征后进行匹配识 1．1基于先验知识的人脸检测方法 别 在奇异值分解的基础上利用奇异值分解方法可以产生多种人脸识 基于先验知识的人脸检测方法 自上而下．依据人脸面部器官的对 别方法 例如基于图像集似然度的人脸识别方法．是用人脸图像集中 称性 、灰度差异等先验知识 ．将人脸面部器官之间的关系编码并制定 每个人脸图像的奇异值向量构造出一个特征矩阵．再用待检测人脸的 出一系列的准则。当待测图像中的某些区域符合该准则，该区域就被 特征矩阵与已知的各类人脸图像的特征矩阵做似然度的对比．判断待 检测为人脸 检测人脸属于人脸图像集中的哪一类 此类方法所使用的特征可以分为灰度特征、形状特征、结构特征、 除了上述几种典型的方法之外 ，灰度模板、可变形模板 、弹性属性 纹理特征和颜色特征 图、频域特征表示法、光流形状模型、光照锥模型等也是较常用的人脸 1．1．1灰度特征 表示方法。 多个人脸图像的平均就是一个简单的人脸模板。同时．人脸的眉、 2_3弹性 图匹配技术 眼、嘴、前额、鼻梁、下颌、脸颊等区域的灰度值较高，因而人脸具有特 弹性图匹配技术是对几何特征进行分析的基础上．结合对灰度 定的灰度分布特征 对人脸区域进行水平和垂直方向的灰度投影．根 分布信息进行小波纹理分析的识别算法 早期 ．Lades等人提出了针 据极小值