人脸识别的方法综述.docVIP

人脸识别的方法综述 　　摘 要:对一系列人脸识别方法进行了综合性描述。首先介绍了人脸识别的概念及其发展历史,指出了人脸识别所面临的主要困难;随后对人脸识别技术方法发展过程中一些经典的流行的方法进行了比较详细的阐述。最后介绍了人脸识别技术在国内外的应用状况。 　　关键词:人脸识别; 主分量分析; 奇异值分解; 弹性图匹配; 非线性建模; 隐马尔可夫模型; 图像重建与图像融合 　　中图分类号:TP301文献标志码:A 　　文章编号:1001-3695(2009)09-3205-05 　　doi:10.3969/j.issn.1001-3695.2009.09.002 　　 　　Survey of face recognition 　　WU Jin-yi, ZHOU De-long 　　(College of Computer Science Technology, Zhejiang University of Technology, Hangzhou 310023, China) 　　Abstract:This paper gave researchers about an overview of face recognition??s methods. Firstly, it introduced the concept and deve-lopment?? of face recognition, and also talked about its main difficulties. Then studied a number of classic and popular methods appeared in the course of face recognition development process. Lastly, discussed the situations of applications of face recognition home and abroad. 　　Key words:face recognition; principle component analysis; singular value decomposition(SVD); elastic graph matching; non-linear modal; hidden Markov model(HMM); image rebuilt and image fusion 　　 　　人脸识别是将静态图像或视频图像中检测出的人脸图像与数据库中的人脸图像进行对比,从中找出与之匹配的人脸的过程,以达到身份识别与鉴定的目的,它是同属于生物特征识别领域和人工智能领域的一个课题。人脸识别是图像分析与理解的一种最成功的应用,因其在商业、安全、身份认证、法律执行等众多方面的广泛应用,以及对人脸识别可行性技术的三十多年研究,使其越来越得到重视,并逐渐成为一个充满活力的研究领域[1]。 　　人脸感知对于人类来说是一项常规任务,但是建立一种相似的计算机系统是一项一直在进行中的研究。人们关于人脸识别的研究至少可以追溯至20世纪50年代[1];到现在,人们对于基于计算机的人脸识别方法的研究已经取得了丰硕的成果,但这些方法仍然受到实际应用环境的限制。这些限制一方面主要来自于人脸面部表情、姿态、位置、头部尺寸的变化和遮盖物的影响,另一方面来自于人脸图像的光照、背景等大幅度的变化。总的来说,要找到一种真正高识别率、高鲁棒性、低复杂性的人脸识别方法非常困难,需经过长时间的研究和实践。 　　 　　1 人脸识别方法的研究与分析 　　 　　1.1 人脸识别方法的分类 　　人脸识别技术基本上可以归结为以下三类[2]: 　　a)基于几何特征的方法。该方法是最早、传统的人脸检测和识别的方法。在基于该方法的人脸识别系统中,通常需要检测出重要面部特征的形状、相对位置以及这些特征之间的距离等相关参数,以构成一个可以代表人脸的特征向量,其特征分量通常包括两点间的欧式距离、曲率和角度等。在使用几何特征时最重要的一件事就是对图像进行适当的标准化[3]。 　　b)基于模板的方法。这类技术的核心在于利用整幅图像的灰度级模板。与基于几何特征的方法一样,图像首先需要进行标准化。最简单的模板匹配就是把一幅图像看做是强度值的二维排列,然后利用合适的尺度(典型的如欧几里德距离)与单独的代表整脸的模板进行对比匹配[3]。基于模板的方法可以分为基于相关的方法、特征脸方法、线性判别分析方法、神经网络方法、动态连接匹配方法等。 　　c)基于模型的方法。该方法[2]利用数学模型将具有不同人脸尺度和人脸方向的不同人脸实例的信息合并,故相对基于模板的方法来说,该方法对于自