- 1、本文档共9页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
人脸识别技术综述.doc
人脸识别技术综述
摘要:文章首先对人脸识别技术进行了介绍,其次回顾了人脸识别研究的发展历程及识别方法的基本分类,然后对当前主流的人脸识别方法展开了详细的论述,最后提出了人脸识别技术面临的问题及研究方向。
关键词:人脸识别;特征脸;线形判别分析;局部二值模式
中图分类号:TP391
Survey of face recognition technology
He Chun
(Education and Information Technology Center, China West Normal University, Nanchong Sichuan 637002, China)
Abstract: This paper introduces technology of face recognition firstly, and reviews the development process and the basic classification method of face recognition. After that, the paper discusses the current methods of face recognition in detail, therefore proposes the existing problems in the research of recognition faces and future’s research direction.
Key words: face recognition; Eigenface; linear discrimination analysis; LBP
1 人脸识别技术简介
人脸识别,特指利用人脸视觉特征信息的分析比较结果进行身份鉴别的计算机技术[1]。一般人脸识别有广义和狭义之分,广义是指包含人脸图像采集、定位、预处理、身份确认与查找等在内的技术;而狭义仅指身份确认或查找系统。
通俗来讲,人脸识别指运用计算机分析人脸视频或图像之后,提炼可用、有益的识别信息,再对人脸对象的身份构建判断与识别。人脸识别是身份识别研究中最主要的一种方法,重点建立在生物识别技术基础之上,而且其中应用了诸多计算机相关的图形学、人工智能等必威体育精装版技术手段。
人脸与人体的其他生物特征(指纹、虹膜等)一样与生俱来,其生物特征内在的稳定性和唯一性使其自然成为了身份识别的理想依据。学术界对人脸识别相关问题的研究已然趋近成熟,并形成了为数可观的研究成果,到目前为止,仍然在不断的探索与发展中,尤其在人脸身份识别方面的建树颇多。快速、直接、简捷是人脸识别系统的独有优势,并已广泛运用于刑事侦破、信息安全等方面。在此,本次研究将对人脸识别技术给出全面的解析论述。
1 人脸识别发展历程
早在20世纪50年代,心理学家即已着手对人脸识别展开研究,但是直至60年代,对人脸识别真正意义上的研究才正式开启,具体是从工程应用层面出发,研究得到一种半自动的人脸识别系统,这种系统具备的特点可描述如下:
一是该系统是对局部的识别,对人脸的几何特点识别,进而分析人脸器官特征信息及其之间的关系,优势在于识别手段简易、清晰,劣势在于一旦人脸的视角、表情等发生变动和变化,那么很难准确地得到识别效果;二是这种半自动的人脸图像识别需要较为严苛的约束环境和条件,如果图像存在单一或无背景的情况下,那么就将削弱最终的处理效果。
研究递进到20世纪90年代以后,即已朝着整体和局部相结合的态势演变。学者们认为需要将人脸的形状拓扑结构、局部灰度和全局灰度分布等多项人脸特征信息相结合,才能全面、准确地实现人脸图像识别。1991年,Turk和Pentland [2]、首次提出著名的“特征脸”(Eigenface)方法,利用主成分分析(Principal Component Analysis,PCA)取得了不错的识别效果;Belhumer在其论文中,则将Fisher判别准则成功应用到了人脸分类当中,由此而提出Fisherface方法[3]。
此后,这种应用线性子空间和统计特征的技术就已成为当时大众化流行的识别技术,可概括为利用成分分析、线性判别分析的特征识别手段。后期出现了基于机器学习理论的实用技术,学者们相继探索出遗传算法、支持向量机等方法对人脸进行识别。
2 人脸识别方法分类
研究可知从不同的角度,人脸识别可有不同的分类方法,本次研究根据人脸识别发展阶段的特征,把人脸识别技术分为初始以几何特征为基础、中期以代数特点为依据、后期以机器学习理论为原理三种。下面即对这3类研究给出功能实现概述。
2.1 以几何特征为
文档评论(0)