人脸识别调研报告(共20篇)

人脸识别调研报告（共20篇）人脸识别调研报告（共 20篇）第 1 篇人脸识别小结人脸识别总结一. 概述生物特征识别技术包括人脸识别.指纹识别.语音识别 表情分析及理解.虹膜识别等 人脸识别的实质就是借助计算机工 具来分析人脸面部图像，采用不同的特征表示方法提取有效地人 脸特征，是可用来辨识身份的一门自动处理技术，常见重要应用 案例包括银行和军事重地的自动门禁系统.智能人脸监控系统.用 于公共交通体系中安检系统的嫌疑人自动识别系统.网络服务中的 在线验证系统等。产生不同个体较大差异性的内在因素主要有种族.性别.年龄. 心理等。外在因素主要有光照变化.角度偏转.姿态.噪声千扰.遮 挡.以及化妆遮挡物等。18 世纪,就有一篇依据人脸特征信息进行身份鉴别的文章发表 在 Nature 上,开启了近代最早的人脸识别研宄，最早的自动人脸 识别系统是由Chan和Bledsoe创于1965年 人脸识别包括四个主 要步骤图像预处理.人脸检测.面部特征提取和分类识别。二. 研究领域1. 身份验证领域通过人脸识别技术来判断和鉴别当前用户是 否合法或者具备相应的功能权限，例如年_奥运所采用的人脸识 别系统。2. 智能视频监控领域，例如车站安装智能监控系统,该系统中 加入了人脸识别技术以捕捉人群中的可疑罪犯。3. 人机交互领，例如人脸面部为视觉系统提供了最为主要的 特征信息。三. 人脸识别方法及其算法（一）方法分类可以分为基于几何特征的人脸识别.基于弹性 图匹配的人脸识别.基于子空间分析的人脸识别.基于神经网络的 人脸识别.基于隐马尔可夫模型等。经典的特征脸“Eigenface”就是该时期由麻省理工学院的 M.Turk 和A.Pentlaiid提出的，采用PCA变换对原始图像进行降维处理, 然后再进行分类识别。P . Belhumeur等提出的Fisherfaces人脸 也被广泛应用在人脸识别中。90年代中后期,出现了一种基于动态 连接结构Dynamic Link Architecture的弹性图匹配Elastic GraphMatching 识别方法。90年代末支持向量机被应用到人脸识别技术中。（二）流行算法主要分为等距离映射_Isome trical Mapping, 简称 ISOMAP.局部线性嵌入 Locally LinearEmbedding,简称 LLE. 拉普拉斯算子特征映射Laplacian Eigenmaps.拉普拉斯脸 Laplacianface方法。基于拉普拉斯Belkin M等提出局部投影 LPP方法。近期算法包括 基于稀疏表示的人脸识别方法 Sparserepresentation recognition, SRC 针对此识别方法还出 现了较多的改进模型，典型的有l基于Gabor的稀疏表示l基于 Metaface的稀疏表示等（三）难点1. 人脸图像的成像条件包括较大的随机性光照变化.姿态变换 表情变化.发型改变.化妆.以及遮挡等复杂条件2. 人脸面部图像的复杂的三维结构属性包括线性结构和非线 性结构3. 人脸图像数据的维数问题4. 不同个体间的面部特征的差异性四. 人脸特征提取研究（一）人脸特征提取和识别算法分类 基于统计方法 基于几何方法（二）具体实现主成分分析principal ponent analysis, PCA是一种典型的数据处理和数据降维方法l Sirovich和Kirby 首先研究人脸降维过程，采用基于镜像脸的技术l M.Turk提出 了基于PCA表示的特征脸的概念Fisher线性判别方法也是人工智 能和模式识别领域中的重要方法之一 l Foley和Sammon提出了基 于Sammon最佳鉴别平面的技术l Duchene和Leclercq提 出了针 对多类问题的Foley-Sammon最佳鉴别矢量集的求解公式l Turk 和Pentland提出了基于特征脸的特征提取方法l Kittler又提出 了基于Fisher鉴别准则的提取面部特征方法l Hong和Yang提出 了采用SVD进行特征提取方法l Cheng等改进并提出了一种新的 相似性鉴别准则l Liu等提出了基于最佳鉴别广义平面和最佳鉴 别广义矢量集的一系列特征提取方法 l 郭等在此基础上提出了改 进的最佳鉴别矢量方法l吴等又改进了广义最佳鉴别矢量方法 基于模型的特征提取方法l Ka等首次提出了主动轮廊线模型 Active Con tour Model,ACM, ACM 也被称为 Snake 模型 l Lee 等提 出了一种改进Snake模型的方法，改进方法是由正面和侧面结构化 特征来对面部进行特征点定位 基于统计参数化模型的主动形状模 型Active Shape Model, ASM l优势在于它不仅能有效地定位和 提取目标物体的外部轮廓信息,而且能提取目标物体的内部轮廓和 形状特征l Cootes等在ASM基础上提出了主动表观模型Active AppearanceModel,AAM（三）需要解决的问题1. 根据奇异值分解原理可以得到人脸图像的奇异值向量所在的 基空间矩阵是由 人脸图像本身决定的。2. 当光照.姿态.表情变化以及遮挡等复杂条件下,人脸的表象 会产生较大变化,从而造成人脸识别系统的性能下降。3. 需要构造一种能有效描述目标纹理特性的局部纹理轮廓模 型,进一步提高模型的 特征点定位精度。第2篇银行用人脸识别 银行人脸识别运用银行是国家货币流通的主要场所，业务中涉及 大量现金.有价证券及贵重物品，因而银行的安全一直以来都是国 家安全防范的重点。近年来，金融行业市场发展迅猛，随着营业 网点.ATM机.银行资金流动等的增多，银行安防系统所面临的挑战 越来越大。为加强对银行.储蓄所.金库.贵重物品集中场所的安全防范， 银行越来越重视技防的作用，作为防止犯罪发生的有效途径，双 门互锁门禁系统也应运而生。目前市场上的双门互锁门禁系统大 都采用读卡或者指纹的身份验证方式，由于这两种方式都存在一 定的安全隐患或不足，因而人脸识别技术的应用受到用户关注。 双门互锁系统是指两道门具有互锁联动的功能，即当一道门被打 开时，另一道门则打不开，只有当两道门都关上时，才能打开其 中的任一道门。根据银行营业场所风险等级和防护级别的规定等相关银行安 全管理规范，储蓄网点等现金柜台的进出口必需设置两道门，而 且员工在进入第一道门后必需要按照规范锁好第一道门才能进入 第二道门，如进入第一道门后没有按要求关好此道门，员工将不 能进入第二道门，从而更好地防止犯罪分子尾随作案。目前，市场上的双门互锁门禁系统大都采用读卡或者指纹的 身份验证方式，但是这两种身份验证方式均存在一定的安全隐 患。例如磁卡和智能IC卡均容易被复制，窃取，丢失，它们作为 验证模式已经不能满足日益增长的安全需要。而指纹门禁虽然成 本低，但是对某类人群的适应性很差，例如指纹不清晰，有磨损 等，同时在指纹上有油渍，水渍，蜕皮等情况下，指纹识别的误 差也是很大的。另外，由于多年来指纹一直被当成辨识犯罪的工具，部分人 会因为指纹被采集而在心理上产生抵触情绪。而人脸识别利用人 的面部特征进行身份辨识，友好，直观，不需要人的刻意配合， 是目前所有生物识别技术中对使用者影响最小的，准确性也高。 更为可贵的是，有人脸识别门禁摄像头采集的人脸图像，也可为 事后调查提供最直观的证据，因此，用人脸识别技术取代双门互 锁系统中的读卡或者指纹的验证方式，是实现银行营业厅出入控 制的一种最佳的选择。人脸识别安全性更高人脸识别技术上划分 为 11 比对和 1N 比对，对于银行可采用智能卡与人脸识别 11 比对 方式相结合，其优势是双重的验证机制。首先需要智能IC卡或者 ID 卡验证，验证通过之后，进行人脸识别验证，人脸识别验证通 过之后，才能开门。与单纯的采用智能卡的门禁系统相比，安全 性更高，适合银行这样的高安全性场所使用。根据目前银行营业厅等重要场所的实际情况，可以设计安全 通道门，由两道带人脸识别装备的防盗门.一台两门联动控制器等 组成。其工作原理是首先在管理系统中注册人员，注册时每人分 配一张IC卡或者ID卡，将人员的注册信息和人员图像注册到联 动控制器中。以从公共区进入安全区为例，正常使用时，当人脸 在门 1的人脸识别上验证时，首先联动控制器查询门 2是否闭 合，如果门 2处于开启状态，则拒绝在门 1处进行验证，只有当 门 2 闭合，才允许启动验证。验证时，先刷卡，同时人脸识别摄 像头会捕获一张图像，将卡号信息和图像传输至联动控制器中， 控制器根据卡号信息找到注册时的图像，与捕获的图像进行比对识 别，比对通过则控制器控制电锁开启，关上门 1，在门 2 处重复上 述的验证步骤。在一些特殊情况下，比如卡丢失，员工需要进行 挂失，重新补卡才能使用该系统；如果是有入侵者胁迫开门的情 况，员工会使用胁迫开门功能，同时向后台管理系统报警，监控 中心的人员在管理系统的实时监控中获取警情，可以采取相关报 警动作;如果是多人脸识别，系统允许一定时间内，多人相继验证 通过，系统才会开门。智能化管理通过管理电脑对进出人员的权限，进出时间以及 进入方式进行管理。并同时存储相应数据，以备事后查询。多人脸识别开门功能在重要的区域，系统可以设置同时多个 人脸识别（两人以上）才能开门的方式，即打开一道门要有多人 同时在规定时间内通过人脸识别验证后，门才能打开。优势综上所述，使用本方案有以下几个方面的优点。第一，使安全防范级别得到有效提升。在原有智能卡门禁系 统上融入人脸识别技术，可有效防止盗取他人智能卡或者监守自 盗现象的发生，是原有出入控制系统安全防范级别的有效提升。第二，能与 CCTV 系统无缝结合。随着人们安防要求的逐渐提髙，CCTV系统早已成为银行安防 系统中的重要环节。本系统无须另添加任何其它设备即可与银行 原有的 CCTV 系统无缝结合。本方案所述的人脸识别门禁系统还设 计有一些通讯接口，可以和视频监控系统进行通讯。比如，在发 生胁迫报警时，可以通知视频监控系统，使其调整监控画面，更 方便观看现场的情况等。第三，灵活的事件处理和报警联动。本系统可以与其它报警 系统联动，对各种异常事件，如非法读卡，开门超时，门锁损 坏，强行进入等，可根据用户实际需求设定相应的报警处理和提示，以确保安全 防范区域的安全可靠，并对犯罪分子具有极大的威慑作用。结语近些年来，人脸识别技术虽然取得了很大的发展，但是 用户担心识别精度还是会受到光照.姿态.表情.伪装等因素的影 响，正缘于此，他们在选用人脸识别产品上会有一些担心与顾 虑，可喜的是，人脸识别技术的算法已越来越具鲁棒性（鲁棒 性，在此指人脸识别算法的健壮性，减弱外界的光照，姿态，表 情等因素对人脸识别的影响），再采用红外成像等手段，可以提 升识别精度，使得人脸识别产品真正应用起来。出入口控制作为 安全防范系统中的重要环节，直接影响着整个系统内部的安全。 目前，较为成熟的门禁解决方案是卡片或者卡片加密码的模式， 但一旦卡片丢失或者密码遗失，对整个系统的安全就构成很大威 胁或者对用户的使用造成不便。而人脸识别门禁系统用人脸作为 “钥匙”来开门明显安全性更高，并且具有受场地环境影响小.识 别准确率高.识别速度快.结果直观等优点，已经越来越受到广大 客户的重视。第3篇人脸识别技术解读人脸识别，特指利用分析 比较的计算机技术。人脸识别是一项热门的计算机技术研究领 域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调 整曝光强度；它属于生物特征识别技术，是对生物体（一般特指 人）本身的生物特征来区分生物体个体。中文名 人脸识别技术 实 质输入的人脸图象或者视频流 研究领域热门的计算机技术研 究领域 技术生物特征识别技术目录1基本介绍2技术原理 人脸 识别内容 人脸的识别过程3分析算法4功能模块 人脸捕获与跟 踪功能 人脸识别比对 人脸的建模与检索 真人鉴别功能 图像质 量检测5基本方法6技术细节7优缺点 人脸识别优点 人脸识别 的弱点8技术应用9应用前景1基本介绍编辑人脸识别技术是基 于人的脸部特征，对输入的人脸图象或者视频流 .首先判断其是 否存在人脸 ,如果存在人脸，则进一步的给出每个脸的位置.大 小和各个主要面部器官的位置信息。并依据这些信息，进一步提 取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对 比，从而识别每个人脸的身份。广义的人脸识别实际包括构建人 脸识别系统的一系列相关技术，包括人脸图像采集.人脸定位.人 脸识别预处理.身份确认以及身份查找等；而狭义的人脸识别特指 通过人脸进行身份确认或者身份查找的技术或系统。生物特征识 别技术所研究的生物特征包括脸.指纹.手掌纹.虹膜.视网膜.声音 （语音）.体形.个人_惯（例如敲击键盘的力度和频率.签字） 等，相应的识别技术就有人脸识别.指纹识别.掌纹识别.虹膜识别 视网膜识别.语音识别（用语音识别可以进行身份识别，也可以进 行语音内容的识别，只有前者属于生物特征识别技术） .体形识别. 键盘敲击识别.签字识别等。2 技术原理编辑人脸识别内容人脸识别技术包含三个部分 1 人 脸检测 面貌检测是指在动态的场景与复杂的背景中判断是否存在 面像，并分离出这种面像。一般有下列几种方法 参考模板法首先 设计一个或数个标准人脸的模板，然后计算测试采集的样品与标 准模板之间的匹配程度，并通过阈值来判断是否存在人脸；人脸 规则法由于人脸具有一定的结构分布特征，所谓人脸规则的方法 即提取这些特征生成相应的规则以判断测试样品是否包含人脸； 样品学_法这种方法即采用模式识别中人工神经网络的方法，即通 过对面像样品集和非面像样品集的学_产生分类器；肤色模型法这 种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行 检测。特征子脸法这种方法是将所有面像集合视为一个面像子空 间，并基于检测样品与其在子空间的投影之间的距离判断是否存 在面像。值得提出的是，上述 5 种方法在实际检测系统中也可综 合采用。2 人脸跟踪面貌跟踪是指对被检测到的面貌进行动态目标跟 踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。3 人脸 比对面貌比对是对被检测到的面貌像进行身份确认或在面像库中 进行目标搜索。这实际上就是说，将采样到的面像与库存的面像 依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定 了面像识别的具体方法与性能。主要采用特征向量与面纹模板两 种描述方法特征向量法该方法是先确定眼虹膜.鼻翼.嘴角等面像 五官轮廓的大小.位置.距离等属性，然后再计算出它们的几何特 征量，而这些特征量形成一描述该面像的特征向量。面纹模板法 该方法是在库中存贮若干标准面像模板或面像器官模板，在进行 比对时，将采样面像所有象素与库中所有模板采用归一化相关量 度量进行匹配。此外，还有采用模式识别的自相关网络或特征与 模板相结合的方法。人脸识别技术的核心实际为“局部人体特征 分析”和“图形/神经识别算法。”这种算法是利用人体面部各器 官及特征部位的方法。如对应几何关系多数据形成识别参数与数 据库中所有的原始参数进行比较.判断与确认。一般要求判断时间 低于 1 秒。人脸的识别过程一般分三步 1首先建立人脸的面像档案。即 用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面 像文件，并将这些面像文件生成面纹 Faceprint 编码贮存起来。2 获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像， 或取照片输入，并将当前的面像文件生成面纹编码。3 用当前的面 纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库 存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可 以抵抗光线.皮肤色调.面部毛发.发型.眼镜.表情和姿态的变化， 具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个 人。人脸的识别过程，利用普通的图像处理设备就能自动.连续. 实时地完成。3 分析算法编辑人脸识别技术中被广泛采用的区域特征分析算 法，它融合了计算机图人脸识别像处理技术与生物统计学原理于 一体，利用计算机图像处理技术从视频中提取人像特征点，利用 生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用 已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是 否为同一人。4 功能模块编辑人脸捕获与跟踪功能人脸捕获是指在一幅图像 或视频流的一帧中检测出人像并将人像从背景中分离出来，并自 动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像 在摄像头拍摄的范围内移动时自动地对其进行跟踪。人脸识别比对人脸识别分核实式和搜索式二种比对模式。核 实式是对指将捕获得到的人像或是指定的人像与数据库中已登记 的某一对像作比对核实确定其是否为同一人。搜索式的比对是 指，从数据库中已登记的所有人像中搜索查找是否有指定的人像 存在。人脸的建模与检索可以将登记入库的人像数据进行建模提 取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数 据库中。在进行人脸搜索时（搜索式），将指定的人像进行建 模，再将其与数据库中的所有人的模板相比对识别，最终将 根据所比对的相似值列出最相似的人员列表。真人鉴别功能 系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。 以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的 配合动作。图像质量检测图像质量的好坏直接影响到识别的效 果，图像质量的检测功能能对即将进行比对的照片进行图像质量 评估，并给出相应的建议值来辅助识别。5 基本方法编辑人脸识别的方法很多，主要的人脸识别方法有 （1）几何特征的人脸识别方法几何特征可以是眼.慧眼人脸识别 考勤机 鼻.嘴等的形状和它们之间的几何关系（如相互之间的距 离）。这些算法识别速度快，需要的内存小，但识别率较低。（2）基于特征脸（PCA）的人脸识别方法特征脸方法是基于KL变 换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。髙 维的图像空间经过KL变换后得到一组新的正交基，保留其中重要 的正交基，由这些基可以张成低维线性空间。如果假设人脸在这 些低维线性空间的投影具有可分性，就可以将这些投影用作识别 的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多 的训练样本，而且完全是基于图像灰度的统计特性的。目前有一 些改进型的特征脸方法。（3）神经网络的人脸识别方法神经网络 的输入可以是降低分辨率的人脸图像.局部区域的自相关函数.局 部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而 在许多应用中，样本数量是很有限的。（4）弹性图匹配的人脸识 别方法弹性图匹配法在二维的空间中定义了一种对于通常的人脸 变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸， 拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位 置附近的信息。该方法结合了灰度特性和几何因素，在比对时可 以允许图像存在弹性形变，在克服表情变化对识别的影响方面收 到了较好的效果，同时对于单个人也不再需要多个样本进行训 练。（5）线段 Hausdorff 距离 LHD 的人脸识别方法心理学的研 究表明，人类在识别轮廓图（比如漫画）的速度和准确度上丝毫 不比识别灰度图差。LHD是基于从人脸灰度图像中提取出来的线段 图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并 不建立不同线段集之间线段的一一对应关系，因此它更能适应线 段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不 同姿态情况下都有非常出色的表现，但是它在大表情的情况下识 别效果不好。慧眼人脸识别考勤机（6）支持向量机 SVM 的人脸识 别方法支持向量机是统计模式识别领域的一个新的热点，它试图 使得学_机在经验风险和泛化能力上达到一种妥协，从而提高学_ 机的性能。支持向量机主要解决的是一个 2 分类问题，它的基本 思想是试图把一个低维的线性不可分的问题转化成一个高维的线 性可分的问题。通常的实验结果表明 SVM 有较好的识别率，但是 它需要大量的训练样本(每类300个)，这在实际应用中往往是 不现实的。而且支持向量机训练时间长，方法实现复杂，该函数 的取法没有统一的理论。6技术细节编辑一般来说，人脸识别系统包括图像摄取.人脸 定位.图像预处理.以及人脸识别(身份确认或者身份查找)。系 统输入一般是一张或者一系列含有未确定身份的人脸图像，以及 人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其 输出则是一系列相似度得分，表明待识别的人脸的身份。人脸识 别的算法可以分类为基于人脸特征点的识别算法(Feature-based recognition algorithms)。基于整幅人脸图像的识别算法(Appearance-basedrecognition algorithms)。基于模板的识别算法(Template- based recognition algorithms)。利用神经网络进行识别的算法(Recogni tion algori thms using neural work)。7优缺点编辑人脸识别优点相比较其他生物识别技术而言非接 触的，用户不需要和设备直接接触；非强制性，被识别的人脸图 像信息可以主动获取；并发性，即实际应用场景下可以进行多个 人脸的分拣.判断及识别。人脸识别的弱点对周围的光线环境敏 感，可能影响识别的准确性； 人体面部的头发.饰物等遮挡物， 人脸变老等因素，需要进行人工智能补偿；(如可通过识别人脸 的部分关键特性做修正)。8技术应用编辑1企业.住宅安全和管理。如人脸识别门禁考 勤系统，人脸识别防盗门等。2电子护照及身份证。这或许是未来规模最大的应用。在国际 民航组织(ICAO)已确定，从年4月1日起，其118个成员国 家和地区，人脸识别技术是首推识别模式，该规定已经成为国际 标准。美国已经要求和它有出入免签证协议的国家在年1 0月26 日之前必须使用结合了人脸指纹等生物特征的电子护照系统，到 年底已经有50多个国家实现了这样的系统。美国运输安全署(Transpor tation Secur ity Adminis tration) 计划在全美推广 一项基于生物特征的国内通旅行证件。欧洲很多国家也在计划或 者正在实施类似的计划，用包含生物特征的证件对旅客进行识别 和管理7。中国的电子护照计划公安部一所正在加紧规划和实施。 3公安.司法和刑侦。如利用人脸识别系统和网络，在全国范围内 搜捕逃犯。4自助服务。如银行的自动提款机，如果同时应用人脸 识别就会避免被他人盗取现金现象的发生。5信息安全。如计算机 登录.电子政务和电子商务。在电子商务中交易全部在网上完成， 电子政务中的很多审批流程也都搬到了网上。而当前，交易或者 审批的授权都是靠密码来实现。如果密码被盗，就无法保证安 全。如果使用生物特征，就可以做到当事人在网上的数字身份和 真实身份统一。从而大大增加电子商务和电子政务系统的可靠 性。9 应用前景编辑生物识别技术被广泛用于政府.军队.银行.社 会福利保障.电子商务.安全防务等领域。例如，一位储户走进了 银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提 款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准 确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联 合银行的一个营业部中发生的一个真实的镜头。而该营业部所使 用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国 “9.11”事件后，反活动已成为各国政府的共识，加强机场的安 全防务分重要。美国维萨格公司的脸像识别技术在美国的两家机 场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不 是通缉犯。随着技术的进一步成熟和社会认同度的提高，人脸识 别技术将应用在更多的领域。1. 企业.住宅安全和管理。如人脸识别门禁考勤系统，人脸识 别防盗门等。2. 电子护照及身份证。这或许是未来规模最大的应用，国际 民航组织ICAO已确定，从年起，其118个成员国家和地区，必须 使用机读护照，人脸识别技术是首推识别模式，该规定已经成为 国际标准。中国的电子护照计划公安部一所正在加紧规划和实 施。3. 公安.司法和刑侦。如利用人脸识别系统和网络，在全国范 围内搜捕逃犯。4. 自助服务。如银行的自动提款机，如果用户卡片和密码被 盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种 情况的发生。5. 信息安全。如计算机登录.电子政务和电子商务。在电子商 务中交易全部在网上完成，电子政务中的很多审批流程也都搬到 了网上。而当前，交易或者审批的授权都是靠密码来实现，如果 密码被盗，就无法保证安全。但是使用生物特征，就可以做到当 事人在网上的数字身份和真实身份统一，从而大大增加电子商务 和电子政务系统的可靠性。1 年无锡采用物联网人脸识别技术规范建筑市场。无锡的建筑 工地将从 6月 1日起每天通过物联网技术进行人脸识别，通过考 勤管理，确保项目负责人到位，挂靠.层层转包等现象将有望受到 限制。京沪高铁三站将建人脸识别系统，整容也能被识别。铁路 部门发布计划表示，将在京沪高铁段的上海虹桥站.天津西站.济 南西站这三个站点，建设人脸识别系统工程，以协助公安部门抓 捕在逃罪犯。利用这个系统，作案后的犯罪分子，即使整容，也 将能够被识别。2 读书的好处1. 行万里路，读万卷书。2. 书山有路勤为径，学海无涯苦作舟。3. 读书破万卷，下笔如有神。4. 我所学到的任何有价值的知识都是由自学中得来的。达尔5. 少壮不努力，老大徒悲伤。6. 黑发不知勤学早，白首方悔读书迟。颜真卿7. 宝剑锋从磨砺出，梅花香自苦寒来。8. 读书要三到心到.眼到.口到9. 玉不琢.不成器，人不学.不知义。10. 一日无书，百事荒废。陈寿11. 书是人类进步的阶梯。12. 一日不读口生，一日不写手生。13. 我扑在书上，就像饥饿的人扑在面包上。高尔基14. 书到用时方恨少.事非经过不知难。陆游15. 读一本好书，就如同和一个高尚的人在交谈歌德16. 读一切好书，就是和许多高尚的人谈话。笛卡儿17. 学_永远不晚。高尔基18. 少而好学，如日出之阳；壮而好学，如日中之光；志而好 学，如炳烛之光。刘向19. 学而不思则惘，思而不学则殆。孔子20. 读书给人以快乐.给人以光彩.给人以才干。培根第 4 篇前 沿人脸识别综述解读人脸识别综述王军军（西安交通大学，西 安，710086）摘要人脸识别已成为多个学科领域的研究热点之 一，本文对人脸识别的发展历史.研究现状进行了综述，系统地对 目前主流人脸识别方法进行了分类针对人脸识别面临的挑战，着 重对近几年来在光照和姿态变化处理方面的研究进展进行了详细 沦述，并对未来人脸识别的发展方向进行了展望。关键词人脸识 别，人脸检测，模式识别一.引言人脸识别是近年来模式识别.图像处理.机器视觉.神 经网络以及认知科学等领域研究的热点课题之一。所谓人脸识 别，是指给定一个场景的静态图像或动态视频，利用存储有若干 已知身份的人脸图像的数据库验证和鉴别场景中单个或者多个人 的身份 1。人脸识别按照人脸信息的来源可以分为两类基于静态人 脸图像的识别和基于包含人脸的动态视频信息的识别。因为动态 视频信息并不能明显提高人脸识别的性能，因此本文只研究基于 静态人脸图像的识别 2。作为生物特征识别的一个重要方面，人脸 识别在档案管理系统.安全验证系统.信用卡验证.公安系统的罪犯 身份识别.银行和海关的监控.人机交互等领域具有广阔的应用前 景。与指纹识别.视网膜识别.虹膜识别等 3技术相比，人脸识别 技术在数据采集方面手续比较简单，使用者更容易接受。人脸作 为生物特征，虽然唯一性比指纹和虹膜要差 4，在高安全性要求的 系统中只能作为辅助手段。然而，对于一般安全性要求的身份验 证和鉴别系统 5，人脸识别技术已经足够应用了。人脸识别研究在 二世纪六七年代引起了诸多学科领域研究者的浓厚兴趣。进人九 年代后，随着各行业对人脸识别系统的迫切需求，人脸识别研究 再次成为热门课题。当前世界各国有许多研究机构在从事这方面 的研究，这些研究受到军方.警方以及大公司的高度重视和资助6。美国军方还专门组织了人脸识别竞赛以促进人脸识别研究的发 展。经过三多年的研究，人脸识别已经成为图像分析与图像理解 领域最成功的应用之一研究人员提出了很多识别方法，建成了一 些实验系统，也有一些成功的人脸识别商业软件投人市场。人脸 识别作为模式识别的一种，一般可以分为三个组成部分从场景中 检测并分割人脸;抽取人脸特征;匹配和识别人脸 7。由于人脸检测 已经发展成为一个独立的课题，具有特定的思想和方法，所以本 文假定人脸已经被正确检测并从场景中分割出来。二.人脸识别的方法目前，人脸识别的方法大致可以分为以下 几类基于几何特征的方法.基于模型的方法.基于统计的方法.基于 神经网络的方法和多分类器集成的方法 8。目前主流的方法有基于 几何特征的方法和基于模型的方法。2.1 基于几何特征的方法文献中记载最早的人脸识别方法就是 Bledsoe9 提出的基于几何特征的方法。该方法以面部特征点之间 的距离和比率作为特征，通过最近邻方法来识别人脸，以该方法 建立的人脸识别系统是一个半自动系统，面部特征点必须由人手 工定位。也正是由于人工的参与，该系统对光照变化和姿态变化 不敏感 10。侧影 11Profile 识别也是早期基于几何特征人脸识别 的一个重要方法，其基本原理是从人脸的侧影轮廓线上提取特征 点，将侧影转化为轮廓曲线，从中提取基准点，根据这些点之间的几何特征来进行识别，由于侧影识别相对 较简单且应用面小，对侧影识别的研究较少。基于几何特征的方 法非常直观，识别速度快，内存要求较少，提取的特征在一定程 度上对光照变化不太敏感12。但是，当人脸具有一定的表情或者 姿态变化时，特征提取不精确，而且由于忽略了整个图像的很多 细节信息，识别率较低，所以近年来已经很少有新的发展。2.2基于模型的方法隐马尔可夫模型13 Hidden MarkovModel,HMM是一种常用的模型，基于HMM的方法首先被用于声音识 别等身份识别上，之后被Nefian和Hayes引人到人脸识别领域。 它是用于描述信号统计特性的一组统计模型。HMM用马尔可夫链来 模拟信号统计特性的变化，而这种变化又是间接通过观察序列来 描述的，因此马尔可夫过程是一个双重的随机过程。在HMM中结 点表示状态，有向边表示状态之间的转移，一个状态可以具有特 征空间中的任意特征，对同一特征，不同形态表现出这一特征的 概率不同14。在人脸识别过程中，Nefian首先采用两维离散余弦 变换Discrete Cosine Trans,DCT抽取人脸特征，得到观察向 量，构建HMM人脸模型，然后用EM Expec tat ion Maximiza tion 算法训练，利用该模型就可以算出每个待识别人脸。观察向量的 概率，从而完成识别。HMM方法的鲁棒性较好，对表情.姿态变化 不太敏感，识别率高1 5 。主动形状模型1 6Ac t i ve Shape Model, ASM方法由Cootes等人提出，Cootes对形状和局部灰度表象建 模，用建立的ASM在新的图像中定位易变的物体。后来，Lanitis 等将其应用于解释人脸图像，在使用ASM找出人脸的形状后，将 人脸切割并归一到统一的框架，对这个与形状无关的人脸采用亮 度模型来进行解释和识别，其鲁棒性和识别效率均较高，但需要 手动标会人脸的特征点，算法的自动化程度有待加强。主动表象 模型17 Active Appearance Model, AAM可以看成是对ASM的进 一步扩展，是一种通用的非线性图像编码模式，通过变形处理将 通用人脸模型与输人图像进行匹配，并将控制参数作为分类的特 征向量。2.3 基于统计的方法基于统计的方法将人脸图像视为随机向 量，从而用一些统计方法来分析人脸模式，这类方法有着完备的 统计学理论支持;得到了较好地发展，出现了一些较成功的算法。 特征脸18Eigenface方法由Turk和Pentland提出。对于每一幅 人脸图像，按照从上到下.从左到右的顺序将所有像素的灰度值串 成一个髙维向量，然后通过主成分分析Principal ponent Analysis, PCA将髙维向量降低维数。用PCA19降维主要基于以下 三点1压缩功能，在低维空间内比较图像将提髙计算效率;2人脸 样本的分布近似正态分布，方差大的维可能与有用信号相关，而 方差小的维可能对应噪声，因此去掉小方差对应的维将有利于提 髙识别精确率;3因为每幅图像都被减去均值，且被放缩成单位向 量，两幅图像之间的相关性与特征空间中投影之间的距离成反 比，因此特征空间中的最近邻匹配是图像相关性的有效近似。PCA 技术首先由Kirby20和Sirovich引人到人脸识别领域，并且证明 了 PCA是使原始图像与重构图像之间的均方误差极小化的最佳压 缩方式。一幅图像在各个特征脸上的投影组成了该图像的权值向 量，将待识别图像的权值向量与人脸数据库中各图像的权值向量 相比较，确定哪一幅图像与待识别图像的权值向量最接近。后来 Pentland 等人进一步扩展了特征脸方法，将类似的思想运用到面 部特征上，分别得到了本征眼.本征鼻.本征嘴，并且将它们结合 起来进行人脸识别。实验结果表明，这样比单独使用特征脸效果 更好。特征脸方法计算量低，使用方便，并且效果良好，目前已 经成为人脸识别的基准程序 Benchmark 和事实上的工业标准。但 是它对于外界因素所带来的图像差异和人脸自身所造成的差异是 不加区分的，因此外界因素例如光照.姿态变化会引起识别率的降 低。特征脸方法使用由各个特征脸扩展的空间来表示人脸，虽然 可以有效地表示人脸信息，但是并不能有效鉴别和区分人脸。很 多研究者提出了使用其他线性空间来代替特征脸空间以取得更好 的识别效果。此中线性判别分析方法 21 也叫 Fisher 脸方法，利 用了类别归属信息，它选择类内散布正交的矢量作为特征脸空 间，从而压制了图像之间与识别信息无关的差异，强调了不同人 脸之间的差别，同时弱化了同一人脸由于光照.视角和表情而引起 的变化，获得了比特征脸更好的识别效果。LDA22是一种监督学 方法，而PCA是非监督学方法。Belhumeur对16个人的各10幅 图像进行识别实验，PCA方法的识别率为81，而Fisher脸方法的 识别率为99.4。Moghaddam23等人提出了贝叶斯人脸识别方法。他们提 出了一种基于概率的图像相似度度量方法，将人脸图像之间的差 异分为类间差异和类内差异。其中类间差异表示不同对象之间的 本质差异。类内差异为同一对象的不同图像之间的差异。而实际 人脸图像之间的差异为两者之和。如果类内差异大于类间差异， 则认为两人脸图像属于同一对象的可能性大，他们提出了类间差 异和类内差异度量的概率模型和计算方法。由于贝叶斯相似度的 计算涉及复杂的非线性计算。Moghaddam等人提出了 一种线性的快 速计算方法。这种人脸识别方法在年美国DAPAR组织的FERET人 脸测试中是效果最好的方法之一特别是在克服光照和表情变化对 识别的影响方面性能较好。奇异值分解24Singular ValorDeposition。SVD是一种有效的代数特征提取方一法。奇异值特征 具有良好的稳定性.转置不变性.旋转不变性.位移不变性以及镜像 变换不变性等重要性质。因此奇异值分解技术也被应用到人脸识 别领域。独立成分分析25 Independent ponent Anal-ysis,ICA， 可以看成是对PCA的推广，PCA利用二阶矩去掉输人数据的相关 性。使得数据的协方差为零。而ICA使得输人数据的二阶和髙阶 矩依赖性最小，ICA首先被用于盲源分离Blind SourceSeparation。B SS问题，用来将观察