人脸识别综述与展望.docVIP

人脸识别综述与展望 摘　要　本文综述了人脸识别理论的研究现状，根据人脸自动识别技术发展的时间进行了分类，分析和比较各种识别方法优缺点，讨论了其中的关键技术及发展前景。 nbsp;nbsp;nbsp; 关键词　人脸识别；特征提取 nbsp; 1　人脸识别技术概述 nbsp;nbsp;nbsp; 近年来，随着计算机技术的迅速发展，人脸自动识别技术得到广泛研究与开发，人脸识别成为近30年里模式识别和图像处理中最热门的研究主题之一。人脸识别的目的是从人脸图像中抽取人的个性化特征，并以此来识别人的身份。一个简单的自动人脸识别系统，包括以下4个方面的内容： nbsp;nbsp;nbsp; (1)人脸检测(Detection)：即从各种不同的场景中检测出人脸的存在并确定其位置。 nbsp;nbsp;nbsp; (2)人脸的规范化(Normalization)：校正人脸在尺度、光照和旋转等方面的变化。 nbsp;nbsp;nbsp; (3)人脸表征(Face Representation)：采取某种方式表示检测出人脸和数据库中的已知人脸。 nbsp;nbsp;nbsp; (4)人脸识别(Recognition)：将待识别的人脸与数据库中的已知人脸比较，得出相关信息。 2　人脸识别算法的框架 nbsp;nbsp;nbsp; 人脸识别算法描述属于典型的模式识别问题，主要有在线匹配和离线学习两个过程组成，如图1所示。 图1 nbsp;一般人脸识别算法框架 nbsp;nbsp;nbsp; 在人脸识别中，特征的分类能力、算法复杂度和可实现性是确定特征提取法需要考虑的因素。所提取特征对最终分类结果有着决定性的影响。分类器所能实现的分辨率上限就是各类特征间最大可区分度。因此，人脸识别的实现需要综合考虑特征选择、特征提取和分类器设计。 3　人脸识别的发展历史及分类 nbsp;nbsp;nbsp; 人脸识别的研究已经有相当长的历史，它的发展大致可以分为四个阶段： 第一阶段：人类最早的研究工作至少可追朔到二十世纪五十年代在心理学方面的研究和六十年代在工程学方面的研究。 nbsp;nbsp;nbsp; J. S. Bruner于1954年写下了关于心理学的The perception of people，Bledsoe在1964年就工程学写了Facial Recognition Project Report，国外有许多学校在研究人脸识别技术[1]，其中有从感知和心理学角度探索人类识别人脸机理的，如美国Texas at Dallas大学的Abdi和Tool小组[2、3]，由Stirling大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组等[3]；也有从视觉机理角度进行研究的，如英国的Graw小组[4、5]和荷兰Groningen大学的Petkov小组[6]等。 nbsp;nbsp;nbsp; 第二阶段：关于人脸的机器识别研究开始于二十世纪七十年代。 Allen 和Parke 为代表，主要研究人脸识别所需要的面部特征。研究者用计算机实现了较高质量的人脸灰度图模型。这一阶段工作的特点是识别过程全部依赖于操作人员，不是一种可以完成自动识别的系统。 nbsp;nbsp;nbsp; 第三阶段：人机交互式识别阶段。 nbsp;nbsp;nbsp; Harmon 和Lesk 用几何特征参数来表示人脸正面图像。他们采用多维特征矢量表示人脸面部特征，并设计了基于这一特征表示法的识别系统。Kaya和Kobayashi 则采用了统计识别方法，用欧氏距离来表征人脸特征。但这类方法需要利用操作员的某些先验知识，仍然摆脱不了人的干预。 第四阶段：20世纪90年代以来，随着高性能计算机的出现，人脸识别方法有了重大突破，才进入了真正的机器自动识别阶段。在用静态图像或视频图像做人脸识别的领域中，国际上形成了以下几类主要的人脸识别方法： nbsp;nbsp;nbsp; 1）基于几何特征的人脸识别方法 nbsp;nbsp;nbsp; 基于几何特征的方法是早期的人脸识别方法之一[7]。常采用的几何特征有人脸的五官如眼睛、鼻子、嘴巴等的局部形状特征。脸型特征以及五官在脸上分布的几何特征。提取特征时往往要用到人脸结构的一些先验知识。识别所采用的几何特征是以人脸器官的形状和几何关系为基础的特征矢量，本质上是特征矢量之间的匹配，其分量通常包括人脸指定两点间的欧式距离、曲率、角度等。 基于几何特征的识别方法比较简单、容易理解，但没有形成统一的特征提取标准；从图像中抽取稳定的特征较困难，特别是特征受到遮挡时； 对较大的表情变化或姿态变化的鲁棒性较差。 nbsp;nbsp;nbsp; 2）基于相关匹配的方法 nbsp;nbsp;nbsp;