人脸识别综述与展望论文

《人脸识别综述与展望论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人脸识别综述与展望论文.freelalization)：校正人脸在尺度、光照和旋转等方面的变化。(3)人脸表征(FaceRepresentation)：采取某种方式表示检测出人脸和数据库中的已知人脸。(4)人脸识别(Recognition)：将待识别的人脸与数据库中的已知人脸比较，得出相关信息。2人脸识别算法的框架人脸识别算法描述属于典型的模式识别问题，主要有在线匹配和离线学习两个过程组成，如图1所示。图1一般人脸识别算法框架在人脸识别中，特征的分类能力、算法复杂度和可实现性是确定特征提取法需要考虑的因素。所提取特征对最终分类结果有着决定性的影响。分类器所能实现的分辨率上限就是各类特征间最

2、大可区分度。因此，人脸识别的实现需要综合考虑特征选择、特征提取和分类器设计。3人脸识别的发展历史及分类人脸识别的研究已经有相当长的历史，它的发展大致可以分为四个阶段：第一阶段：人类最早的研究工作至少可追朔到二十世纪五十年代在心理学方面的研究和六十年代在工程学方面的研究。J.S.Bruner于1954年写下了关于心理学的Theperceptionofpeople，Bledsoe在1964年就工程学写了FacialRecognitionProjectReport，国外有许多学校在研究人脸识别技术1，其中有从感知和心理学角度探索人类识别人脸机理的，如美国TexasatDallas大学的Abdi和

3、Tool小组2、3，由Stirling大学的Bruce教授和Glasgoon和Lesk用几何特征参数来表示人脸正面图像。他们采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。Kaya和Kobayashi则采用了统计识别方法，用欧氏距离来表征人脸特征。但这类方法需要利用操作员的某些先验知识，仍然摆脱不了人的干预。第四阶段：20世纪90年代以来，随着高性能计算机的出现，人脸识别方法有了重大突破，才进入了真正的机器自动识别阶段。在用静态图像或视频图像做人脸识别的领域中，国际上形成了以下几类主要的人脸识别方法：1）基于几何特征的人脸识别方法基于几何特征的方法是早期的人脸识别方

4、法之一7。常采用的几何特征有人脸的五官如眼睛、鼻子、嘴巴等的局部形状特征。脸型特征以及五官在脸上分布的几何特征。提取特征时往往要用到人脸结构的一些先验知识。识别所采用的几何特征是以人脸器官的形状和几何关系为基础的特征矢量，本质上是特征矢量之间的匹配，其分量通常包括人脸指定两点间的欧式距离、曲率、角度等。基于几何特征的识别方法比较简单、容易理解，但没有形成统一的特征提取标准；从图像中抽取稳定的特征较困难，特别是特征受到遮挡时；对较大的表情变化或姿态变化的鲁棒性较差。2）基于相关匹配的方法基于相关匹配的方法包括模板匹配法和等强度线方法。①模板匹配法：Poggio和Brunelli10专门比较了

5、基于几何特征的人脸识别方法和基于模板匹配的人脸识别方法，并得出结论：基于几何特征的人脸识别方法具有识别速度快和内存要求小的优点，但在识别率上模板匹配要优于基于几何特征的识别方法。②等强度线法：等强度线利用灰度图像的多级灰度值的等强度线作为特征进行两幅人脸图像的匹配识别。等强度曲线反映了人脸的凸凹信息。这些等强度线法必须在背景与头发均为黑色，表面光照均匀的前提下才能求出符合人脸真实形状的等强度线。3）基于子空间方法常用的线性子空间方法有：本征子空间、区别子空间、独立分量子空间等。此外，还有局部特征分析法、因子分析法等。这些方法也分别被扩展到混合线性子空间和非线性子空间。Turk等11采用本征

6、脸(Eigenfaces)方法实现人脸识别。由于每个本征矢量的图像形式类似于人脸，所以称本征脸。对原始图像和重构图像的差分图像再次进行K-L变换，得到二阶本征空间，又称二阶本征脸12。Pentland等13提出对于眼、鼻和嘴等特征分别建立一个本征子空间，并联合本征脸子空间的方法获得了好的识别结果。Shan等14采用特定人的本征空间法获得了好于本征脸方法的识别结果。Albert等15提出了TPCA(TopologicalPCA)方法，识别率有所提高。Penev等16提出的局部特征分析(LFALocalFeatureAnalysis)法的识别效果好于本征脸方法。当每个人有多个样本图像时，本征空

7、间法没有考虑样本类别间的信息，因此，基于线性区别分析(LDALinearDiscriminantAnalysis)，Belhumeur等17提出了Fisherfaces方法，获得了较好的识别结果。Bartlett等18采用独立分量分析(ICA，IndependentponentAnalysis)的方法识别人脸，获得了比PCA方法更好的识别效果。4）基于统计的识别方法该类方法包括有：KL算法、奇异值分解(SVD)、隐马尔可