人脸识别的研究综述.docVIP

人脸识别的研究综述 　　摘要：本文简单介绍了人脸识别研究的发展历史，阐述了人脸识别研究方法的分类以及常用的人脸识别方法，并且提出人脸识别所面临的技术挑战以及研究趋势。 　　关键词：人脸识别；特征脸；弹性图匹配；隐马尔可夫模型；人工神经网络 　　中图分类号：TP311文献标识码：A 文章编号： 　　Survey of Human Face Recognition 　　Abstract:This paper will introduce briefly the develop history of Human Face Recognition Research and also present classified and commonly method. 　　Key words:face recognition; eigenface; elastic graph matching; HMM; ANN 　　 　　1 引言 　　 　　所谓人脸识别，是指对输入的人脸图像或者视频，判断其中是否存在人脸，如果存在人脸，则进一步给出每张人脸的位置、大小和各个主要面部器官的位置信息，并且依据这些信息，进一步提取每张人脸蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每张人脸的身份。 　　人脸识别过程可分为人脸检测（判断输入图像中是否存在人脸）、人脸特征提取（检测每个人脸的主要器官位置和形状）和人脸识别（将人脸特征提取结果与库中人脸对比）三个阶段。 　　人脸识别研究，起源于19世纪末法国人Sir Franis Galton的工作，到20世纪90年代，开始作为一个独立学科快速发展起来。人脸识别研究的发展大致分成三个阶段：第一阶段以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，这阶段的工作特点是识别过程全部依赖于操作人员。第二阶段是人机交互式识别阶段，其中用几何特征参数来表示人脸正面图像是以Harmon和Lesk为代表，将人脸面部特征用多维特征矢量表示出来，并设计了基于这一特征表示法的识别系统。而以Kaya和Kobayashi为代表，则采用了统计识别的方法，用欧氏距离来表示人脸特征。这两类方法都摆脱不了人的干预。第三阶段是真正的机器自动识别阶段，近十余年来，随着高速度高性能计算机的发展，人脸模式识别方法有了较大的突破，提出了多种机器全自动识别系统，人脸识别技术进入了实用化阶段，如Eyematic公司研发的人脸识别系统，我国清华大学的“十五”攻关项目《人脸识别系统》也通过了由公安部主持的专家鉴定。 　　人脸识别研究涉及的范围广泛，内容涉及模式识别、计算机视觉、图像处理、人工智能等方面。目前国内外机构形成了人脸识别研究热，国外以美欧为主，比较著名的有：CMU、MIT、Michigan Stat University、UCLA、University of Manchester、UMD、USC、University of surrey……国内研究此项工作的大学有：清华大学、吉林大学、哈尔滨工业大学、中山大学、南京理工大学、南京大学、上海交大、浙江大学、北京交通大学……MPEG7标准组织已经建立了人脸识别草案小组，人脸检测算法也是一项征集内容。 　　 　　2 人脸识别方法的研究 　　 　　2.1 人脸识别研究方法的分类 　　早期的人脸识别研究主要有两大方向：一是基于人脸几何特征的方法，此方法的思想是首先检测出眼、鼻、嘴等脸部主要部件的位置和大小，然后利用这些部件的总体几何分布关系以及相互之间的参数比例来识别人脸，忽略了局部细微特征，更适合于粗分类。主要代表是MIT的Brunelli 和Poggio小组；二是基于模板匹配的方法，主要是利用计算机模板和图像灰度的自相关性来实现识别功能，主要代表是Harvard和Smith Kettlewell眼睛研究中心的Yuille。Berto在1993年对这两类方法作了较全面的比较后认为：模板匹配的方法优于几何特征的方法。 　　目前的研究也主要有两个方向：一是基于特征分析的研究方法，就是将人脸基准点的相对比率和其它描述人脸脸部特征的形状参数或类别参数等一起构成识别特征向量。二是基于整体的研究方法，它考虑了模式的整体属性，包括特征脸方法（Eigenface）以及改进的Fisher脸方法、弹性图匹配的方法、隐马尔可夫模型方法、神经网络方法等。近年来研究的趋势是将人脸的整体识别和特征分析结合起来。 　　2.2 常用的人脸识别方法 　　2.2.1 特征脸方法和Fisher脸方法 　　主成分分析方法(Principal Component Analysis,PCA),是Turk和Pentland在1991年提出来的