人脸识别技术.doc

人脸识别技术
(东南大学成贤学院)
人脸的自动识别是生物测定学研究的内容之一,是模式识别领域中的一个前沿课题。该课题的研究已有?30多年的历史。人脸识别正越来越成为当前模式识别和人工智能领域的一个研究热点。目前,人脸识别现已成功应用到机场口岸检查、刑侦办案系统、门禁系统等许多领域。
与指纹识别技术相比,因为不需要直接的肢体接触,在应用中更加受到人们的欢迎,很大的便利了人们的使用。人脸识别技术的研究虽然已有多年的历史,但因在实际应用中,容易受到光照、姿态、年龄、表情、尺寸、背景等诸多外界因素的影响,所以对其研究及改善仍然是个热门话题。
人脸识别过程:
:可以先用相机或摄像头拍取头像或照片文件,生成头像编码。
,可以通过相机摄像头现拍,或者通过图像输入,生成其编码。
,并进行检索,看是否符合。

图片录入编码方法是通过当事人脸部的特征和开头工作的,它可以不受光线、表情、发型、姿态以及眼镜位置等其他外部因素变换的影响,从而可以从众多不同的人中辨别出来。
在进行识别的过程中,这一系列的过程都是自动的、连续的、即时的进行的,并且不需要太复杂的设备,所以实际应用时还是很便利易懂的。与指纹识别技术相比,进行指纹识别时,是需要当事人肢体即手指与设备进行直接接触的,这无疑有一定的不方便之处,也会带来不必要的时间浪费。而人脸识别技术则不需要进行直接的肢体接触,仅仅需要将面部对准摄像头即可,大大的便利了使用。
在摄像头接收到当事人的脸部图像时,系统将会实时的对接收到的头像进行一系列的图像处理,一系列的处理后,再与之前录入的图库进行匹配。
人脸识别的发展可以追溯到20世纪60年代,通过了几十年的探索及研究,大体可以将其分为三个阶段:
第一阶段是主要解决了人脸识别过程中需要的面部的种种特征。在这一阶段中,Bertillon、Allen和Parke等人做出了主要的贡献。在Bertillon的系统中,用一个基本的语句和图库中的某一张图片相结合,提供了一个较强的识别系统。而
Allen?则设计了一种有效的摹写手段,在这之后再交给Parke用计算机进行实现。然而无论是用哪种方式,这个阶段的识别过程仍然全部依赖于操作人员,还是需要很多人员的干预,并不能实现人脸的自动识别。
第二阶段是人机交互式识别阶段。研究人员用数学模型描述人脸图像的五官特征,并通过欧式距离来进行相似性度量。Harmon和Lesk利用多维特征矢量表示人脸面部特征,并设计了基于这一特征表示法的识别系统。在这之后,又陆续有人也采取了不同的方式,对几何特征计算进行了研究。但是,该方法仍然依赖于操作人员的知识,仍然没有摆脱人为的干预。
第三阶段才是真正的机器自动识别阶段。在这个阶段人脸识别技术有了重大的突破,很多经典算法陆续出现,如特征法,子空间方法,弹性图匹配法,基于统计外观模型和神经网络的人脸识别等。同时也出现很多用于算法性能测试的公开人脸库,比如ORL人脸库,YaleB人脸库,FERET人脸库等。在这个阶段,人们发现主要的人脸识别技术对于一些外部因素比如光照强度、姿势形态等由于收集数据的时候不是在理想情况下进行的,或者是因为当事人在被收集图像数据的时候不配合造成