資源描述：
《人臉識(shí)別方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、人臉識(shí)別方法研究 【摘要】隨著生物識(shí)別技術(shù)的不斷發(fā)展，人臉識(shí)別技術(shù)越來(lái)越受到人們的青睞。作為模式識(shí)別領(lǐng)域里最具有挑戰(zhàn)性的課題之一，它有著非常廣泛的應(yīng)用前景。在人臉識(shí)別系統(tǒng)中，比較受關(guān)注的是特征提取和識(shí)別這兩個(gè)環(huán)節(jié)。由于實(shí)際應(yīng)用中，人臉識(shí)別總是受到光照、姿態(tài)、表情等因素的影響，為此，大量解決這些問(wèn)題的方法應(yīng)運(yùn)而生。本文先是對(duì)人臉識(shí)別技術(shù)做了簡(jiǎn)要的概括，接著對(duì)比較流行的人臉識(shí)別方法進(jìn)行了研究，并歸納了常用人臉數(shù)據(jù)庫(kù)，最后對(duì)文獻(xiàn)中識(shí)別方法存在的問(wèn)題進(jìn)行了總結(jié)。 【關(guān)鍵詞】人臉識(shí)別特征提取核方法模型
2、視頻信息三維數(shù)據(jù) 一、引言 社會(huì)的快速發(fā)展以及科學(xué)技術(shù)的飛速進(jìn)步，使得人們對(duì)于安全性的問(wèn)題越來(lái)越重視，尤其是身份驗(yàn)證功能的需求，因而生物識(shí)別技術(shù)作為一項(xiàng)具有挑戰(zhàn)性的問(wèn)題獲得了較多的關(guān)注并有了極大的發(fā)展。其中人臉在區(qū)分人與人之間的差別起著重要的作用，與其他生物特征（如掌紋、虹膜和指紋等）相比，其優(yōu)勢(shì)在于交互性強(qiáng)、采集方便、無(wú)需接觸設(shè)備等，從而適合于刑偵破案、各種證件驗(yàn)證、安檢和考勤等領(lǐng)域的應(yīng)用。通常一個(gè)完整的人臉識(shí)別系統(tǒng)可由以下幾個(gè)模塊構(gòu)成：人臉圖像采集、圖像預(yù)處理、人臉定位檢測(cè)、人臉特征獲取
3、、人臉?lè)诸?lèi)識(shí)別。其處理數(shù)據(jù)的過(guò)程如圖1所示[1]。在本文里，主要研究有關(guān)特征提取模塊和分類(lèi)識(shí)別模塊的方法。 人臉識(shí)別是個(gè)越來(lái)越具有挑戰(zhàn)性的問(wèn)題。迄今為止在所有的情況下和不同應(yīng)用中，沒(méi)有一種方法是非常魯棒的。通常地，人臉識(shí)別系統(tǒng)所使用的訓(xùn)練數(shù)據(jù)都是個(gè)人的正面圖像，在識(shí)別時(shí)，其精度要比其他角度準(zhǔn)的多。當(dāng)系統(tǒng)利用正面圖像訓(xùn)練出的數(shù)據(jù)去識(shí)別一幅旋轉(zhuǎn)的人臉圖像時(shí)就會(huì)出現(xiàn)問(wèn)題。而且，如果照明條件和面部表情發(fā)生變化，人臉的顯示也將徹底的改變。因此，當(dāng)前大多數(shù)的人臉識(shí)別方法主要是針對(duì)這三大挑戰(zhàn)----光照、表
4、情和姿勢(shì)的變化。在人臉識(shí)別系統(tǒng)中這三個(gè)中的任何一個(gè)問(wèn)題的存在都會(huì)導(dǎo)致性能的嚴(yán)重下降。這三者可以徹底改變一個(gè)物體的外觀，因而加大了識(shí)別的難度?！ 《⑷四樧R(shí)別方法 人臉識(shí)別是模式識(shí)別領(lǐng)域里一個(gè)重要的應(yīng)用方向，因此模式識(shí)別領(lǐng)域里所涉及方法的發(fā)展在人臉識(shí)別方向里有著極其重要的地位。在初級(jí)階段里，線性方法是處理分類(lèi)的有力工具。利用線性方法對(duì)一個(gè)樣本抽取特征時(shí)，只需將該樣本投影到訓(xùn)練階段得到的一個(gè)確定的變換矩陣（一組變換向量）上即可。但線性方法有其自身的局限性，無(wú)法解決例如像異或這樣簡(jiǎn)單的問(wèn)題，而且它不
5、能很好的描述例如人臉圖像等數(shù)據(jù)的分布。為此，非線性方法的出現(xiàn)是勢(shì)在必得的。在識(shí)別領(lǐng)域的應(yīng)用里，神經(jīng)網(wǎng)絡(luò)研究的發(fā)展成就了非線性方法在該領(lǐng)域的地位，因?yàn)樵诂F(xiàn)實(shí)世界里存在著大量的如人臉圖像數(shù)據(jù)分布這樣的非線性可分問(wèn)題，所以利用非線性技術(shù)就可以將這些問(wèn)題轉(zhuǎn)化為線性可分問(wèn)題，從而令這些問(wèn)題的分類(lèi)變得容易?！ ≡谌四樧R(shí)別研究里，影響人臉識(shí)別的因素可以劃分為內(nèi)因子（影響識(shí)別的本質(zhì)性的因素）和外因子（影響識(shí)別的外部因素，包括表情、姿勢(shì)、光照等）[2]。在對(duì)人臉圖像進(jìn)行歸類(lèi)的前期，研究者們主要是考慮解決內(nèi)因子即理
6、想狀態(tài)下的方法。然而，在現(xiàn)實(shí)生活里，人臉的外因子對(duì)特征提取和識(shí)別這兩個(gè)過(guò)程的影響來(lái)說(shuō)是比較大的。為了解決這些問(wèn)題，相繼出現(xiàn)了不同類(lèi)型的方法，如基于核技術(shù)、模型、視頻信息和3D數(shù)據(jù)相關(guān)的方法，它們的引入使得人臉識(shí)別算法日益趨向成熟。 （一）基于核方法的人臉識(shí)別 20世紀(jì)90年代，核方法的興起是模式識(shí)別的一場(chǎng)技術(shù)革命[3]。核方法繼承了非線性方法優(yōu)點(diǎn)，其優(yōu)勢(shì)在于能夠?qū)⒃紨?shù)據(jù)映射到高維空間里，并允許使用線性方法來(lái)分析和解決問(wèn)題，同時(shí)也有效地避免了"維數(shù)災(zāi)難"?！ 『朔椒ㄓ袃蓚€(gè)優(yōu)勢(shì)：一是它在線性與
7、非線性間架起了一座橋梁，即通過(guò)核空間的線性模型來(lái)解決非線性問(wèn)題；二是引入核函數(shù)后借助于核技巧，可以省去復(fù)雜的高維非線性映射。其中在使用核方法降低復(fù)雜度方面，因基于線性方法的使用不能很好地提取有效的非線性人臉特征，不能準(zhǔn)確的描述人臉的非線性信息，文獻(xiàn)[4]給出了一種基于核空間鑒別矢量集的人臉識(shí)別方法。該方法算法簡(jiǎn)單，實(shí)現(xiàn)起來(lái)比較容易，其不僅減少了計(jì)算量，也能使數(shù)值的表現(xiàn)比較穩(wěn)定。在識(shí)別人臉的過(guò)程中，當(dāng)數(shù)據(jù)庫(kù)添加新的樣本時(shí)，系統(tǒng)能夠更新NKDA鑒別矢量集。然而盡管核技術(shù)的使用可以挖掘圖像中高階的非線
8、性特征，但是在人臉姿態(tài)方面，算法所能識(shí)別的旋轉(zhuǎn)角度卻是有限的?！ ∵\(yùn)用核方法在人臉識(shí)別上也可以解決外在因素給人臉帶來(lái)的影響。文獻(xiàn)[5]在核方法和正交基向量的引入后，使得新的UDP算法在人臉識(shí)別中，有了很好的改善，尤其是在光照、姿態(tài)和表情方面，對(duì)比原始的UDP算法有了較好的識(shí)別效果。在使用核方法的基礎(chǔ)上，引進(jìn)核正交基向量是為了能更好地提取人臉?lè)蔷€性結(jié)構(gòu)特征，因?yàn)樗梢愿玫乇Ａ舳攘拷Y(jié)構(gòu)與非線性子流形空間這二者的相關(guān)信息，從而在能達(dá)到降維效果和保持拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上提高識(shí)別率。然而該文獻(xiàn)面臨的問(wèn)題是如
