人脸识别的技术分析与实现

《人脸识别的技术分析与实现》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、广东工业大学工学硕士学位论文研究的总体趋势是利用多线索(头发、肤色、器官、轮廓等)，综合各类方法(混合高斯模型、概率模型、人工神经网络与支持向量机等)、启发信息与统计学习方法相结合。1．1．2研究和应用现状分析一个完整的人脸识别系统通常包括两个基本环节：人脸的检测定位和人脸的识别。目前，国内外对这些问题开展研究的机构很多，比较著名的有MIT，CMU等；国内的清华大学、北京工业大学、中科院计算所和自动化所等都有人员从事人脸检测与识别相关的研究。就人脸检测而言，最新的进展是Viola等人提出的基于局部Haar特征的检测方法‘1舶，由于采用AdaBoost的机器学习算法【1

2、31，将若干弱分类器组合成为强分类器，然后串联形成层叠分类器(cascade)，该方法在人脸检测方面速度快，而且性能与Rowley的ANN方法‘1川基本相同。随后Jones、Viola[1卅以及微软研究院Li的研究组【15】近一步发展了这一方法，并用于多视角、多姿态的人脸检测。这些研究代表了目前人脸检测研究的最高水平。目前，国内应用中较为成熟的产品有，成都银晨网迅科技有限公司的“基于面像识别的数字化安全与认证产品”，该成果于2001年1月10日通过了四川省科技厅组织的成果鉴定，并同时通过了国家科技部863计划课题验收。他们与中科院计算所成立了人脸识别联合实验室，共同建

3、设中国面像识别技术的基础研究基地，研究人脸识别的关键技术与核心算法，并开发相应的原型系统。近年来，随着网络和数据库的迅速发展，人脸识别技术也从数字化安全领域扩展到了图像的检索和查询领域。这种技术可以帮助人们在大量视频和图片资源中，有效的定位和提取感兴趣的信息。随着各行业不断涌现对人脸识别技术的应用需求，我们可以预见人脸识别技术的前景会越来越开阔。1．1．3系统的测试与评价评价一个人脸识别系统主要有以下标准：1．识别率。通常用置信度对识别结果进行评价，相关的参数有错误接受率(FAR)、错误拒绝率(FRR)、相等错误率(EER)。2．实时性和硬件平台。人脸识别涉及大量的图

4、像处理和数据计算，早期的识别算法为了提高响2第一章绪论应速度，常常运行于工作站或并行计算机上。这对人脸识别技术的普及造成了很高的门槛，所以一个实用的人脸识别系统必须在保证识别率的前提下，尽可能地降低对硬件地依赖，同时尽可能地提高响应速度。3．自动化程度。人脸识别系统通常包括两个部分：人脸的检测定位和人脸的识别，在算法研究过程中，我们可以应用手工标识的方法来代替人脸的自动检测，但是在实践应用中，作为一个成熟的应用系统，应该尽量提高这两个部分的自动化程度。在人脸识别研究的早期，由于没有一个通用的测试平台，识别算法的测试图库各不相同。由于每个图库的规模以及针对性的不同，导致

5、了算法的识别结果没有可比性。为了统一人脸的测试环境，提高算法的可比性，促进人脸识别算法的深入研究和实用化，美国国防部发起了人脸识别工程(FaceRecognitionTechnology，简称FERET)‘161，它包括一个通用人脸库和一套通用的测试标准，适于各种人脸识别算法之间的测试比较。FERET97人脸库总共包含了1199个人的14126幅图像，其中每个一人的图像集包括了不同表情、不同光照、不同姿态以及不同时期拍摄的差异。2000年，美国国防部组织了各个公司及研究机构的不同人脸识别系统的性能测试一一FRVT2000(FacialRecognitionVendor

6、Test2000)。它包括了基于LFA算法的Identix公司的FaceIt人脸识别系统、采用MIT技术的LauTech．公司面像识别／确认系统、CVIS公司的面像识别／确认系统等等。尽管这些测试只对美国研究机构开放，但它还是在事实上成为了人脸识别研究领域的公认测试标准，其测试结果已经在事实上被认为反映了人脸识别研究的最高学术水平。由于FERET库中包括了美国军人的图片，所以不能在美国以外获得，因此其他国家的研究只能采用本地的人脸库，其中部分人脸库也成为公共进行测试比较的平台，如；●CMUTestSet：130幅灰度图像，包括多人脸图片。●MITDatabase：16

7、人，每人27张图片。●OLRDatabase：40人，每人10张。●YaleDatabase：15人，每人11张正面人脸图片。●HarvardDatabase：各种光照条件下的人脸图像。广东工业大学工学硕士学位论文1．2人脸识别的技术挑战人脸识别对于正常的人来说，是一件轻而易举的事，但是由于当前对人脸的感知过程仍未被彻底了解，所以对于计算机而言，人脸识别仍然是件很困难的任务，这主要是因为人脸图像受到很多因素的影响，比如：●人脸的遮挡，如胡须、头发、眼镜、饰物等。·人脸的表情，如喜怒哀乐等直接影响面部特征。●图像质量，尤其是光照条件对全局的影响。·人脸