人脸识别技术综述1.docx

??

?

??

人脸识别技术综述

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要：常见的人脸检测的4个方法：参考模板法、人脸规则法、样品学习法、肤色模型法，神经网络具有强大的自学习能力，使得样品学习法被广泛采用。按照时间顺序，将人脸识别算法进行了分类：几何特征方法、PCA算法、LBP算法、深度学习算法，比较了几个算法之间的优劣势，并给出了算法适用的场景，其中CNN算法具有强大的自学能力和运算能力，确保算法实时有效。

关键词：人脸检测、人脸识别

?

引言

现如今技术发展日新月异，人脸识别技术则是其中较为重要的一种。该类技术伊始于上世纪六十年代，在当时由于诸多技术、设备的限制，并未投入大规模的使用，更多是在理论层次上进行探究。二十一世纪以降，随着人脸识别算法的进一步改进和硬件设备的进一步提高，人脸识别技术重新进入了大众的视野之中。尤其是在深度学习算法被应用于人脸识别技术之后，人脸识别的准确性大大提高。不久前苹果公司所推出的iPhonex及其之后的系列手机采用了人脸识别技术解锁手机的方式，标志着该技术在实现更广泛的应用上成为一种可能。

?

人脸识别系统

总的来说，人脸识别系统分为最初的人脸检测、随后的人脸图像预处理、然后特征提取以及最后的匹配识别这4个具体操作步骤。其中第2步人脸图像预处理和第4步的匹配识别流程较为固定，所以人脸检测技术和人脸特征提取显得尤为重要。人脸检测技术主要负责在图像中将所有人脸检测定位出来，进行模式化的预处理，并将该数据传输至下一步的特征提取。人脸识别则负责将检测出的人脸进行特征提取之后，再与已有的人脸库进行匹配，看是否能够成功识别该个体。现人脸检测技术臻于完善，众多学者的工作重点主要放在了人脸识别的算法革新上。

?

人脸检测采用的方法分类

?

参考模板法

首先设计一个或多个的标准人脸，建立模型，与待识别图像进行匹配，若其中有一部分处在已设定的范围内，即可被视为人脸。

?

人脸规则法

根据众多人脸提取出共有的脸部结构，再将这一结构用于具体的人脸检测，若图像中存在既定区域处于既定的范围内，即可被视为人脸。

?

样品学习法

采用新型的人工神经网络技术，对大量广泛的人脸图像和非人脸图像进行学习，并进行分类，之后将该神经网络应用于具体的人脸检测中。

?

肤色模型法[1]

肤色是人类个体与生俱来的重要信息，且具有较高的稳定性，即肤色不会随着人脸面部装扮、表情的变化而发生变化；同时肤色大多情况下能够和周围环境色彩相区别。由此对于肤色的检测是人脸检测中不可或缺的一部分。

?

人脸识别采用的算法分类

?

原始的几何特征方法

该方法诞生于上世纪五十年代，采用了提取人脸抽象特征的技术（对人的五官等特征进行抽象提取），该方法的运算量较小，适用于静态的、光照充足下的人脸识别；缺点是整体的识别结果差强人意：因光照条件、个体姿势等影响,该算法识别的结果往往是不同人的同一姿态的匹配度较之同一人的不同姿态的匹配度更高。

?

早期的PCA算法

为了解决基于几何特征的人脸识别准确率较低的问题，特征脸[2]方法应时而生，是20世纪90年代左右Turk和Pentland用于人脸分类的算法，简单有效易操作,也被称为基于主成分分析(principalcomponentanalysis,简称PCA)的人脸识别方法。该方法采用先降低原始高维向量之维度，后大致还原该向量的技术，有效的规避了一些不甚重要的边角数据，大大降低了运算量。

?

随后的LBP算法

随着时代的发展，人们对于识别准确率有了更高的要求。局部特征分析方法较之诸多PCA算法有着更为广阔的前景。LBP（LocalBinaryPattern，局部二值模式）[3]则是其中一种用来描述图像局部纹理特征的算子，具有旋转不变性和灰度不变性等显著优点，由T.Ojala,M.Pietik?inen,和D.Harwood于1994年提出，最初被应用于一般图像的纹理描述中。随后由于其计算量较小、纹理特征分类能力较强等优点而被应用于人脸识别的技术中。

?

近来的深度学习算法

3.4.1DBN算法

DBN[4]是Hinton于2006年提出的一种概率生成模型,其基本模型是受限玻尔兹曼机(RBM,restrictedboltzmanmachines)。

DBN是典型的深度学习网络。它的原型类似于人类大脑的组织结构。它具有从简单到复杂，从低到高提取输入数据的特点，并能够汇总数据。

在DBN算法的辅助下，计算机能大大降低对手动选择的依赖性，并且可以自动学习输入数据的抽象结构。该功能无疑可以节省大量的人力，而且经常发现手动选择所疏忽的有用信息。

3.4.2CNN算法

卷积神经网络(ConvolutionalNeuralNetworks,CNN)[5]是