人脸认证研究背景意义及现状

人脸认证研究背景意义及现状

ID:1826875

大小:43.50 KB

页数:7页

时间:2017-11-13

人脸认证研究背景意义及现状_第1页
人脸认证研究背景意义及现状_第2页
人脸认证研究背景意义及现状_第3页
人脸认证研究背景意义及现状_第4页
人脸认证研究背景意义及现状_第5页
资源描述:

《人脸认证研究背景意义及现状》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、人脸认证研究背景意义及现状1研究背景及意义1(1)人脸是较直观的,识别方式较符合人们的认知习惯2(2)人脸图像最容易采集的2(3)人脸识别的硬件资源很丰富2(4)样本资源很丰富22国内外发展现状23人脸认证与人脸辨别的比较44人脸认证的难点55人脸库6(1)YaleB库6(2)CMUPIE人脸库6(3)JDL人脸库6(4)AR人脸库6(5)FERET人脸库7(6)CAS-PEAL人脸库71研究背景及意义身份验证和身份识别是人们在日常生活中经常遇见的一个基本问题,同时又是保障许多系统安全运行的重要前提。在国家安全、

2、公安、司法、金融、电子商务、电子政务、保安监控等应用领域中,都需要准确的身份验证和识别。随着网络与通信技术的飞速发展和人类物理与虚拟活动空间的不断扩大,现代社会对于人类自身身份识别的准确性、安全性和实用性提出了更高要求,传统的身份识别方法面临严峻的挑战。人类本身所具有的一些生物特征,如DNA、指纹、虹膜、语音、人脸等,作为人的内在属性,具有很强的自身稳定性和个体差异性,特别是具有不易伪造、不会遗失、终身不变和随身携带的优点。因此利用人体生物特征进行识别是未来身份验证和识别最理想的依据与手段。人脸是人类视觉中最为自

3、然和普遍的身份识别特征,人的面部所体现的视觉信息在社会交流和交往中有着重要的作用和意义。人脸识别是当前生物特征识别领域非常热门研究课题,是近年来计算机视觉与模式识别领域里的研究热点问题之一,人脸识别相对于其他生物特征识别,具有以下的技术优势:(1)人脸是较直观的,识别方式较符合人们的认知习惯以指纹考勤来说,当系统最后在统计数据有出错时,一般人很难从直观上判定两枚指纹是否为同一个人,而必须是受过专业培训的人士才能识别出来,这就给系统的审计、核查带来了难度,对于两张人脸图像,则可以很容易判别两张人脸是否为同一个人。(

4、2)人脸图像最容易采集的人脸识别技术的最大特点是非强迫性,它不需要人们按手印,也不需要人的眼睛注视等配合动作,从某种意义上说,它的识别是在人们不知不觉的行为中完成的,因此,这种识别方法不太令人反感,并且因为不容易引起人的注意而不容易被欺骗。(3)人脸识别的硬件资源很丰富人脸识别不同于指纹识别或者虹膜识别,需要利用电子压力传感器采集指纹,或者利用红外线采集虹膜图像,它可以利用可见光获取人脸图像信息,所以它的采集设备就是摄像头。由于目前大多数安防系统采用的都是可见光范围内的标准摄像头,可以完全满足人脸图像的采集要求,

5、不需要进行任何改造或升级。(4)样本资源很丰富人脸图像样本可以从人物或照片上获取,而个人照片资料是比较容易收集的,如从工作证、身份证、驾驶证上收集等等,所以并不需要专门为人脸库去采集人脸资源。因此,人脸识别比起其他生物识别技术来说有着无法比拟的优势。但是迄今为止,人脸识别技术在理想环境条件下能达到实用程度,在非控制条件和非配合条件下的人脸识别遇到各种瓶颈和挑战,其准确率还很难达到应用到实际中的要求。2国内外发展现状人脸识别的研究己经有很长的历史,最初的人脸识别研究可以追溯到1872年,但从20世纪中期开始,才有了

6、较为系统的研究。人脸识别的输入图像通常有三种情况:正面、倾斜和侧面。由于人脸正面图像包含了人脸更明显的特征,所以对人脸正面模式的研究最多,它的发展可以分为三个阶段:第一阶段是从二十世纪50到60年代,以Bertilofn、Anne和Parke为代表,主要研究人脸识别所需要的面部特征。在Bertinon系统中,提供了一个较强的识别系统,他用一个简单的语句与数据库中某一张脸相联系。为了提高脸部识别率,Anen为待识别脸设计了一种有效逼真的摹写,Parke则用计算机实现了这一思想,并且产生了较高质量的人脸灰度图模型。总

7、的来说,这一阶段的工作主要依赖于人的操作,还不能完成自动人脸识别工作。第二阶段是人机交互识别阶段,时间是二十世纪70年代,代表性工作:Goldstion、Hmaron和Lesk用几何特征。Goldstion等人用几何特征参数来表示人脸正面图像,采用21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。Kara和Kboyaashi使用基于统计的识别方法,用欧氏距离表征人脸。T.Knadae(M.Ngaoa)设计了一个高速而且有一定知识引导的半自动回溯识别系统,创造性地运用积分投影法从单幅图像上计算出

8、一组人脸特征参数,再利用模式分类技术与标准人脸匹配。Knadae的系统实现了快速、实时的处理,个很大的进步。相比之下,Barno所做的工作较少为人所知:他先将图像灰度归一化,再用掩模(眼、鼻、嘴及眉毛以下的整个脸部)表示人脸,然后分别计算4个掩模与数据库中每幅标准图像的相应掩模之间的互相关系数,以此作为判别依据。总的来说,这类方法需要利用操作员的某些先验知识,仍然摆脱不了

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。