文献综述-基于人脸局部特征的识别—人脸Gabor特征的提取.docVIP

的研究背景及意义 现代社会中，身份鉴定技术具有非常重要的应用价值。随着网络技术的发展，信息安全显示出前所未有的重要性，在金融、保安、司法、网络传输等各个应用领域都需要精确的身份鉴定。 传统的身份鉴定手段主要是依靠ID卡（如身份证、工作证、智能卡、存储卡等）和密码，但ID卡携带不方便、容易遗失、或者是由于使用过多、使用不当造成不可用或密码被破解等。特别是近年来电子商务的发展，伪造制假的手段越来越高明，传统的身份鉴定方法面临挑战。为此，各国都投入大量人力物力研究发展各类识别技术，使得生物特征识别技术得到了极大的发展。 生物特征识别技术是指利用人体生物特征进行身份认证的一种技术。生物特征识别技术具体来说就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。生物特征识别技术主要包括：人脸识别、虹膜识别、步态识别、语音识别、笔迹识别、掌纹识别以及多生物特征融合识别等。由于生物特征是人的内在属性，具有很强的稳定性和个体差异性，因此是身份验证最理想的依据。 在客观世界中，人类通过视觉感知外界信息，约有75%的信息都来自视觉。因此让计算机获机器人具有视觉，是人工智能的重要环节。而在生物特征识别技术当中，人脸识别是利用计算机分析人脸图像，从中提取有效的识别信息，进而用来辨认身份的一门技术。由于人脸识别是非接触的，用户不需要和设备直接接触，因此人脸识别技术同其他人体生物特征识别技术相比，它的隐性最好，人脸识别系统更加直接、方便、友好，易于为用户所接受，并且通过人脸的表情、姿态分析，还能获得其它识别系统难以得到的一些信息。 人脸识别技术在国家重要机关及社会安防领域具有广泛用途。如：公安系统的罪犯识别、信用卡验证、医学、档案管理、视频会议、人机交互系统等身份识别和各类卡持有人的身份验证。因此人脸识别技术是当今国际反恐和安防最重视的科技手段和攻关标志之一。虽然人类能毫不费力的识别出人脸及表情，但对人脸的机器自动识别却是一个难度极大的课题，它涉及到模式识别、图像处理及生理、心里学等诸多方面的只是。人脸识别技术的研究已经取得了一定的可喜成果，但在实际应用中仍存在许多严峻的问题。人脸的非刚体性、姿态、表情、发型以及化妆的多样性都给正确识别带来困难，要计算机像人一样方便地识别出大量的人脸，尚需不同科学领域的科学家共同不懈的努力。 因此，对人脸识别技术研究不就能满足社会安防各领域对身份鉴定的需求，也推进了对人类视觉系统本身的认识，进一步发展计算机视觉人工智能技术。 国外研究与发展现状 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-ComputerInterface Institute，Microsoft ResearchDepartment of Engineering in University of Cambridge等。 20世纪90年代以来，随着高速高性能计算机的出现，人脸识别方法有了重 大突破，进入了真正的机器自动识别阶段。国外有许多大学在此方面取得了很大进展，他们研究涉及的领域很广，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Toole小组，主要研究人类感知人脸的规律；由Stirling大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组，主要是研究人类大脑在人脸认知中的作用，并在此基础上建立了人脸认知的两大功能模型，他们对熟悉和陌生人脸的识别规律以及图像序列的人脸识别规律也进行了研究；也有从视觉机理角度进行研究的，英国Aberdeen大学的Craw小组，主要研究人脸视觉表征方法，他们对空间频率在人脸识别中的作用也进行了分析；荷兰Groningen大学的Petkov小组，主要研究人类视觉系统的神经生理学机理并在此基础上发展了并行模式识别方法。更多的学者则从事利用输入图像进行计算机人脸识别的研究工作。 在人脸识别的领域中，国际上逐步形成了以下几个研究方向： ①基于几何特征的人脸识别方法，主要代表是MIT的Brunelli和Poggio小组，他们采用改进的积分投影法提取出用欧氏距离表征的35维人脸特征矢量用于模式分类； ②基于模板匹配的人脸识别方法，主要代表是Harvard大学Smith-Kettlewell眼睛研究中心的Yuille，他采用弹性模板来提取眼睛和嘴巴的轮廓，Chen和Huang则进一步提出用活动轮廓模板提取眉毛、下巴和鼻孔等不确定形状； 基于K-L变换的特征脸的方法，主要研究者是MIT媒体实验室的Pentland ④基于隐马尔可夫模型的方法，主要代表有Cambridge大学的Sama