人脸识别研究的背景意义现状及特征提取方法研究.docVIP

人脸辨认研究的背景意义现状及特性提取方法研究TOC\o1-3\h\z\u

1研究背景与意义 1

2国内外研究现状 2

2.1人脸辨认的研究现状 2

2.2人脸辨认中稀疏编码的研究现状 3

3人脸的特性提取方法概述 5

3.1基于局部特性的方法 5

3.2基于整体特性的方法 5

基于特性脸方法 6

基于弹性匹配的方法 6

基于神经网络的方法 6

基于不变性的方法 6

基于Fisher线性判别方法 7

1研究背景与意义

人脸辨认技术具有广泛的应用前景，在国家安全、军事安全和公共安全领域，智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等都是典型的应用；在民事和经济领域，各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险人的身份验证等具有重要的应用价值；在家庭娱乐等领域，人脸辨认也具有一些有趣有益的应用，比如可以辨认主人身份的智能玩具、家政机器人，具有真实面像的虚拟游戏玩家等等。

近年来许多神经生理学家在视觉系统上已展开了全面进一步的研究，并且取得了一些有重要意义的研究成果。这就使得在工程上运用计算机来模拟视觉系统成为也许。基于这一结识，运用已有的生物学科研成果，联系信号解决、计算理论以及信息论知识，通过对视觉系统进行计算机建模，使计算机能在一定限度上模拟人的视觉系统，以解决人工智能在图像解决领域中碰到的难题。神经稀疏编码算法正是这样一种建模视觉系统的人工神经网络方法。这种算法编码方式的实现仅依靠自然环境的记录特性，并不依赖于输入数据的性质，因而是一种自适应的图像记录方法。

传统的人脸辨认系统中，不管是基于整体的或者局部特性的人脸辨认方法，都需要建立很好的模型来提取特性，而稀疏编码理论对特性的选取方面规定相对较低，所以结合特性提取方法再对稀疏编码算法进行进一步研究，并应用到人脸辨认中，扩展了人脸辨认的方法理论，将会对该领域的研究起到一定的促进作用，因此具有很重要的学术意义。目前，稀疏编码SC方法在盲源信号分离、语音信号解决、自然图像特性提取、自然图像去噪以及模式辨认等方面已经取得许多研究成果，具有重要的实用价值，是当前学术界的一个研究热点。进一步研究稀疏编码技术，不仅会积极地促进图像信号解决、神经网络等技术的研究，并且也将会对相关领域新技术的发展起到一定的促进作用。

2国内外研究现状

2.1人脸辨认的研究现状

人脸辨认的研究历史比较悠久，Galton早在1888年和192023就分别在《Nature》杂志发表了两篇关于运用人脸进行身份辨认的文章，对人类自身的人脸辨认能力进行了分析，但当时还不也许涉及到人脸的自动辨认问题。最早的关于人脸辨认问题的研究论文见于1964年Bertillon在PanoramicResearchInc.发表的技术报告，和1965年Chan在PanoramicResearchInc.发表的技术报告，到现在已有四十余年的历史。近年来，人脸辨认研究得到了诸多研究人员的青睐，涌现出了诸多技术方法。特别是1990年以来，人脸辨认更得到了长足的发展，每年都有大量的学术论文发表。现在，几乎所有知名的理工科大学和IT产业的重要公司都有研究组在从事人脸辨认的研究。

人脸辨认的研究大体可分为四个阶段。第一个阶段以Bertillon，Allen和Parke为代表，重要研究人脸辨认所需要的面部特性。该阶段是人脸辨认研究的初级阶段，非常重要的成果不是很多，也基本没有获得实际应用。

第二个阶段是人机交互辨认阶段。该阶段代表性工作是Goldstion，Harmon和Lesk等用几何特性参数来表达人脸正面图像。他们用21维特性矢量表达人脸面部特性，并设计了基于这一特性表达的辨认系统。在这个阶段，Kanade博士于1973年在京都大学完毕了第一篇人脸辨认方面的博士论文。该阶段的方法仍摆脱不了操作员的干涉。

第三个阶段是真正的机器自动辨认阶段。这一阶段时间相对短暂，但却是人脸辨认研究的高潮期，不仅诞生了主成分分析、线性判别分析、弹性图匹配、局部特性分析、独立分量分析、支持向量机、神经网络、隐马尔可夫模型、柔性模型(FlexibleModels)(涉及积极形状模型(ASMs)和积极表观模型(AAMs))等若干代表性的人脸辨认算法，美国军方还组织了著名的FERET人脸辨认算法测试，并出现了若干商业化运作的人脸辨认系统，最为著名的是Visionics(现为Idenfx)的Facelt系统。这一阶段的人脸辨认技术发展非常迅速，所提出的算法在较抱负图像采集条件、用户配合、中小规模正面人脸数据库上达成了非常好的性能。从技术方案上看，2D人脸图像线性子空间判别分析、登记表观模型、记录模式辨认方法是这一阶段的主流技术。

第四个阶段