内容发布更新时间 : 2024/6/26 14:29:07星期一 下面是文章的全部内容请认真阅读。

人脸识别过程一般要经过图像预处理、特征提取、匹配识别三个步骤,

其中特征提取和匹配识别尤为重要。特征提取的主要工作是从人脸图像中提取一组

反应人脸特征的向量表征人脸样本,这个过程常与特征降维重合;匹配识别则是对

待识别的图像进行识别分类,这一过程通过选择适当的匹配策略将输入到分类器的

图像数据与数据库中的数据进行匹配,进而判断个体身份

人脸携带了许多信息,是由眼睛、鼻子、嘴、和下巴等部

位组成的,但因个体差异使这些器官的形状和大小及分布因人而异;在人脸图像中,

再加上光照、姿态、表情等因素的变化,使得人脸图像的识别过程变得异常复杂

人脸识别的优点

——无直接接触性、自然容易接受及非侵犯性等

(1)有很好的隐蔽性,不一定需要用户的配合就能釆集到所需画面,在安全

监控、疑犯追踪和监控等领域展现了很好的适用性,这是其它的生物特征识别所不

能取代的。

(2)它的采集方式友好,是一种非接触式采集,容易被用户接受,不会造成

反感及抵触。

(3)它操作起来比较简单,不需要高深的专业知识,便于人们使用,是一种

快捷的识别方式。

(4)它具有强大的事后追踪能力,相对于指纹、虹膜等识别能力,普通用户

就可以做出判断;

(5)识别结果显而易见,更符合人类的认知习惯,具备指纹识别等不具备可

交互性,适合于改善人机界面;

(6)需要的设备简单、成本低、通用,普通的摄像头就可以达到识别要求

强调了其局限性,正是这

些局限性给研究人员提供了研究思路。这些局限性一般包括人脸图像的内在因素和

外在因素造成的障碍,内在因素如年龄、表情、面部装饰和种族、性别的不同,外

在因素有光照、姿态、摄像机的成像参数及釆集数据的规模等

叙述了人脸识别的原理及发展历程,详细介绍了各历程中涌现出的

代表性的人脸识别方法,从早期的面部剪影曲线的结构特征提取与分析到特征脸方

法的提出,从线性子空间判别分析、统计表观模型、统计模式识别方法到非线性建

模方法、统计学习理论、基于Boosting的学习技术、基于三维模型的人脸建模与识

别方法。与此同时,许多人脸识别商业系统也付诸实施,并体现了良好的识别性能。

这一章还介绍了常用人脸图像库的特性,如ORL人脸库、YALE人脸库、MIT人脸

库、FERET人脸库等,图像的采集对象和条件都有所不同。

人脸识别是生物识别技术的一种,生物识别技术(Biometric Recognition),简

单地讲,就是利用生物个体的生理/行为特征来进行自动识别个体的生物技术。生物

特征识别系统本质上是一个模式识别系统,该系统通过从生物个体获得的各种数据

提取特征,然后对比数据库里模板中的特征集,完成对个体的辨识。生物识别技术

利用了图像处理、模式识别和计算机视觉等技术来处理生物的生理和行为特征。个

体生理特征是个体自身固有的一些特征,它们是客观存在的并且不会随主观意愿主

动地去进行改变,比如个体自身的基因、耳廓、脸部特征、指纹、掌纹、虹膜、视

网膜、手部和面部静脉血管、体味以及面部热谱等;个体行为特征是与个体的行为

习惯有关的,在多数情况下是因人而异的,比如击键动力、签名、声音和步态等特

征。因此我们常将生物识别划分为基于生理特征和基于行为特征的生物识别两类

比如一个办公室白领一天的工作生活中可能遇到的人脸识别应用有:上班打卡

用到的人脸识别考勤机,取代了传统的指纹考勤或刷卡考勤;打开计算机办公时,

通过连接到计算机的摄像头来解锁计算机;处理邮箱邮件时,通过人脸识别取代传

统的密码服务;幵车在路上,路边的监控摄像头可以拍摄到驾驶员的面部进行分析,

提醒是否疲劳驾驶

目前市场上涌现了多种人脸识别考勤产品,比如汉王的人脸通

第二章人脸识别技术和相关研究

自动人脸识别研究始于二十世纪60年代,至今己有四十年的发

展历程,大致可以分为三个阶段:

第一阶段是人脸识别的初级阶段。从上个世纪60年代起,一些学者从工程研

究的角度进行了人脸识别的研究,这一阶段的人脸识别工作主要是在单调背景下进

行的,主要研究的是面部剪影曲线的结构特征提取与分析,所产生的重要成果和实

际应用不是很多。