人脸识别论文.docxVIP

对人脸识别的整体理解 ××× (单位地点邮编) 摘 要：人脸识别市场尚处于市场培育阶段，其发展空间非常广阔，近几年受到非常大的关注。作为一种 新兴的生物识别技术，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到 的优势。可以被广泛地应用于生活美化、安全保障、身份辨识、侦破案件等生活的各个方面。 关键词：人脸识别 人脸识别方法 引言 ： 全球范围内，人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和 光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、 德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使 识别结果具有实用化的识别率和识别速度； “人脸识别系统”集成了人工智能、机器识别、 机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的 理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工 智能的转化。本文结合人脸识别技术的方法、算法以及在实际生活当中的应用和其发展前景 系统介绍了人脸识别这一概念。 一、 简介 人脸识别的英文名称是Face Recognition. 人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别 是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体(一般特指人) 本身的生物特征来区分生物体个体。 人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流.首先判断其是否 存在人脸,如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位 置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸 进行对比，从而识别每个人脸的身份。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人 脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行 身份确认或者身份查找的技术或系统。 生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语 音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸 识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份 识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲 击识别、签字识别等。 人脸识别技术中被广泛采用的区域特征分析算法，它融合了计算机图 人脸识别像处理 技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生 物统计学的原理进行分析建立数学模型，即人脸特征模板。利用已建成的人脸特征模板与被 测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是 否为同一人。 人脸捕获与跟踪功能 人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并 自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移 动时自动地对其进行跟踪。 人脸识别比对 人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的 人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从 数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索 可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征 文件)保存到数据库中。在进行人脸搜索时(搜索式),将指定的人像进行建模，再将其与 数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。 真人鉴别功能 系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片 作假。此项技术需要使用者作脸部表情的配合动作。 图像质量检测 图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片 进行图像质量评估，并给出相应的建议值来辅助识别。 二、 人脸识别方法 (1) 几何特征的人脸识别方法： 几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系(如相互之间的距离)。这 些算法识别速度快，需要的内存小，但识别率较低。 (2) 基于特征脸 (PCA) 的人脸识别方法： 特征脸方法是基于KL 变换的人脸识别方法， KL 变换是图像压缩的一种最优正交变换。 高维的图像空间经过KL 变换后得到一组新的正交基，保留其中重要的正交基，由这些基可 以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些 投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本， 而且完全是基于图像灰度的统计特性的。目前