人脸图像识别方法研究.docVIP

人脸图像识别方法研究 　　摘要：现今，人脸图像识别已是一项重要的研究课题，在多个领域中的多个专业当中，都有着极为广泛的运用。文章将针对这一方面的内容展开论述，详细的分析了人脸图像识别的主要技术方法，并且对其中的重点以及设计当中的难点进行了阐述和探讨，力求更好的推动此项技术的进步和发展，为今后的相关应用作出积极的贡献。 　　关键词：人脸识别；图像识别；识别技术；研究 　　中图分类号：TP391.41 文献标识码：A DOI：10.3969/j.issn.1003-6970.2013.03.043 　　0 引言 　　人脸图像识别，主要是利用人脸的分析以及比较，针对其中的相关视觉特征以及相应的信息，进行身份的鉴别，总的来说，人脸图像识别技术和声音识别、指纹识别以及虹膜识别等，都是属于生物特征识别技术的范畴之内。但是，人脸图像识别技术又和其他的生物识别技术有着一定的不同，也有其他的技术所无法比拟的优势，例如，在人脸识别技术当中，不需要干扰人们的正常行为，就可以达到极佳的识别效果，因为人们只需要在摄像机之前以自然的状态停留一段时间，计算机就可以进行快速的身份鉴别，并且准确度较高，这一点优势是其他的生物识别技术所无法比拟的。正因为如此，现今人脸识别技术得到了非常快速的发展，在多个领域当中，都有着广泛的运用，包括安全防护、企业的防护等，下文将针对其中的主要技术，进行深入细致的探究和分析。 　　1 人脸识别的主要方法 　　人脸识别的技术方法，有许多种，包括基于几何特征的识别技术、基于神经网络的识别方法、基于匹配的人脸识别技术等，下文将进行着重的阐述，力求帮助相关技术手段在实践操作当中得到更加广泛的运用。 　　1.1 基于几何特征的人脸识别技术 　　此种类型的人脸识别技术，其起源于上个世纪九十年代。基于几何特征的人脸识别技术，主要是针对人们的眉毛、眼睛、鼻子、脸以及嘴巴等，分析其形状以及它们之间存在的相应的几何关系，同时将其很好的存储为一个具有特征的图形矢量图，所以，总的来讲，基于几何特征的人脸识别技术，可以归纳为矢量图之间的距离。同时，在相关的识别当中，为了有效的提升识别的效率和质量，运用此种方式针对照片进行相应的预处理，其中的项目包括有二值化、图像的灰度变换、图像的归一等。基于几何特征的人脸识别技术，主要的优势是识别的速度较快并且对于内存的要求比较小，但是，其没有有效的形成一套统一式的特征提取标准。 　　1.2 基于相关匹配的人脸识别技术 　　基于相关匹配的人脸识别技术，其主要的识别技术方法包含有等强度的识别线法、各种模板的匹配法等等。在模板的匹配法当中，由于其是一种经典的模式识别就似乎方法，所以，主要是采用归一化互相关的技术，直接的对两个图像之间的匹配程度进行计算，而模板的匹配法当，还需要两个图像之间的相关目标，有着同样的尺度、光照以及取向等，所以需要进行相应的预处理。此种识别技术方法，受到图像的质量以及人脸的遮挡等等相关因素的影响比较小。而等强度线，则主要是利用灰度的图像，进行多级灰度值的相关匹配识别，此种技术，需要在背景以及头发均为黑色的前提之下运用，并且，对于表面的光照等，要求也较高，总的来讲，其限制的因素较多，所以应用的范围也比较小。 　　1.3 特征脸的识别技术 　　特征脸的识别技术方法，起源于上个世纪九十年代末人们提出的人脸识别技术理论，其基本的思想，是将相关图像之中的人脸区域，看成是一种随机的向量，同时，根据相关的操作，将图像的统计特征，进行相应的正变交换，即K-L变换，进而获得相关的正交K-L基底，利用此写基底，针对其中的线性组合，可以对人脸的图像进行表达，对人脸进行描述，进而可以进行人脸的识别，同时准确度也较高，此种方式，由于利用到了相关的技术，所以也可以称为基于K-L的变换识别技术方法。针对此种方法，在进行相关的变换之后，其低维的空间之内有较好的人脸表达能力。但是，特征脸的识别技术方法劣势在于对于外部的因素带来的图像影响，无法进行有效的区分，同时，没有很好的考虑到人脸的信息类别，姿势、光照等因素，都会对其识别的准确度造成一定影响，所以，其技术理论在应用当中还存有缺陷。 　　1.4 基于神经网络的人脸识别技术 　　基于神经网络的识别技术方法，主要是利用神经网络当中较大量的简单的处理单元，即神经元，来构成相应的复杂系统，将其很好的互联起来，进而解决相应的识别问题。常见的神经网络模型，主要有多层的映射网络、感知器以及RBF网络等等，它们都是从不同的角度针对生物的神经吸引当中不同层次进行相关的模拟以及描述，此种技术方法的识别效率较高，准确度也较强。在早期的人脸识别技术当中，神经网络主要是；来自联想的映射网络，使用来进行人脸的回忆功能。在后期的研究当中，发现其可以等价于输入的矢量交叉矩阵，同时，利