人脸识别基础知识.doc

人脸识别

发展历史

人脸识别系统得研究始于20世纪６0年代,８０年代后随着计算机技术与光学成像技术得发展得到提高，而真正进入初级得应用阶段则在90年后期,并且以美国、德国与日本得技术实现为主;人脸识别系统成功得关键在于就是否拥有尖端得核心算法,并使识别结果具有实用化得识别率与识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,同时需结合中间值处理得理论与实现，就是生物特征识别得必威体育精装版应用,其核心技术得实现,展现了弱人工智能向强人工智能得转化。［１］

技术特点

传统得人脸识别技术主要就是基于可见光图像得人脸识别，这也就是人们熟悉得识别方式，已有3０多年得研发历史。但这种方式有着难以克服得缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统得需要。解决光照问题得方案有三维图像人脸识别与热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。

迅速发展起来得一种解决方案就是基于主动近红外图像得多光源人脸识别技术.它可以克服光线变化得影响,已经取得了卓越得识别性能，在精度、稳定性与速度方面得整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。

人脸与人体得其它生物特征（指纹、虹膜等)一样与生俱来，它得唯一性与不易被复制得良好特性为身份鉴别提供了必要得前提,与其它类型得生物识别比较人脸识别具有如下特点：

非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识得状态下就可获取人脸图像，这样得取样方式没有“强制性；

非接触性：用户不需要与设备直接接触就能获取人脸图像;

并发性:在实际应用场景下可以进行多个人脸得分拣、判断及识别;

除此之外,还符合视觉特性:“以貌识人”得特性,以及操作简单、结果直观、隐蔽性好等特点。

技术流程

人脸识别系统主要包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

人脸图像采集及检测

人脸图像采集：不同得人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同得位置、不同表情等方面都可以得到很好得采集。当用户在采集设备得拍摄范围内时，采集设备会自动有哪些信誉好的足球投注网站并拍摄用户得人脸图像。

人脸检测：人脸检测在实际中主要用于人脸识别得预处理,即在图像中准确标定出人脸得位置与大小.人脸图像中包含得模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haａｒ特征等。人脸检测就就是把这其中有用得信息挑出来,并利用这些特征实现人脸检测。

主流得人脸检测方法基于以上特征采用Aｄaboｏst学习算法,Ａdaｂoosｔ算法就是一种用来分类得方法,它把一些比较弱得分类方法合在一起，组合出新得很强得分类方法.

人脸检测过程中使用Adaboｏsｔ算法挑选出一些最能代表人脸得矩形特征（弱分类器），按照加权投票得方式将弱分类器构造为一个强分类器,再将训练得到得若干强分类器串联组成一个级联结构得层叠分类器，有效地提高分类器得检测速度.

人脸图像预处理

人脸图像预处理：对于人脸得图像预处理就是基于人脸检测结果,对图像进行处理并最终服务于特征提取得过程。系统获取得原始图像由于受到各种条件得限制与随机干扰，往往不能直接使用，必须在图像处理得早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像得光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等.

人脸图像特征提取

人脸图像特征提取：人脸识别系统可使用得特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就就是针对人脸得某些特征进行得。人脸特征提取,也称人脸表征，它就是对人脸进行特征建模得过程。人脸特征提取得方法归纳起来分为两大类:一种就是基于知识得表征方法；另外一种就是基于代数特征或统计学习得表征方法。

基于知识得表征方法主要就是根据人脸器官得形状描述以及她们之间得距离特性来获得有助于人脸分类得特征数据,其特征分量通常包括特征点间得欧氏距离、曲率与角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部与它们之间结构关系得几何描述,可作为识别人脸得重要特征,这些特征被称为几何特征.基于知识得人脸表征主要包括基于几何特征得方法与模板匹配法。

人脸图像匹配与识别

人脸图像匹配与识别:提取得人脸图像得特征数据与数据库中存储得特征模板进行有哪些信誉好的足球投注网站匹配，通过设定一个阈值,当相似度超过这一阈值，则把匹配得到得结果输出。人脸识别就就是将待识别得人脸特征与已得到得人脸特征模板进行比较，根据相似程度对人脸得身份信息进行判断。这一过程又分为两类:一类就是确认，就是一对一进行图像比较