人臉識(shí)別方法的研究與實(shí)現(xiàn)文獻(xiàn)綜述

1、蘇州大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）附件：文獻(xiàn)綜述文獻(xiàn)綜述11電子 (1116405021) 靳冉（蘇州大學(xué)應(yīng)用技術(shù)學(xué)院）1. 課題背景隨著社會(huì)的不斷進(jìn)步與發(fā)展，智能系統(tǒng)在生活中的應(yīng)用也愈加廣泛。由此產(chǎn)生的一系列問題，需要更加快速可靠的身份識(shí)別方法。目前主要的幾種生物特征識(shí)別技術(shù)有臉像識(shí)別，皮膚芯片，步態(tài)識(shí)別，虹膜識(shí)別，靜脈識(shí)別，視網(wǎng)膜識(shí)別，dna識(shí)別等?？偟膩碚f，人臉識(shí)別使用較為靈活方便，通用性較強(qiáng)易于接受，能夠較快的完成身份驗(yàn)證。因此，人們對人臉識(shí)別技術(shù)的研究與應(yīng)用也更加深入廣泛。通過人臉識(shí)別技術(shù)，可以較直觀的獲取信息，如性別，年齡，面部特征的等。在住宅區(qū)的門禁系統(tǒng)，證件檢測，交通監(jiān)測和視頻監(jiān)控

2、等方面得到了廣泛的應(yīng)用。同時(shí)，在各領(lǐng)域的使用也使得人臉識(shí)別技術(shù)日趨完善。2. 研究目的與現(xiàn)狀2.1. 研究目的和意義目前，隨著人口的增加，社會(huì)防患意識(shí)也在不斷地加強(qiáng)。因此人臉識(shí)別技術(shù)在各個(gè)領(lǐng)域得到了廣泛的應(yīng)用。對人臉識(shí)別技術(shù)的深度研究，使其性能更好，精度和穩(wěn)定性更高。人臉識(shí)別首先要攝取圖像，對圖像進(jìn)行預(yù)處理，然后對人臉檢測與定位，最后進(jìn)行特征提取輸出結(jié)果判定。在此過程中需要用到不同的算法與圖像處理技術(shù),如基于人臉檢測的人臉跟蹤算法1 梁路宏,艾海舟.基于人臉檢測的人臉跟蹤算法j.計(jì)算機(jī)工程與應(yīng)用,2001,(17):42-45.，它通過比較選擇較理想的算法，完成人臉識(shí)別。2.2. 研究現(xiàn)狀與存

3、在的問題目前，很多國家對人臉識(shí)別進(jìn)行了深入研究，主要有歐美國家和日本等。美國mit的media lab,ai lab,英國的department of engineering in university of cambridge都是比較有名的研究機(jī)構(gòu)2 百度. 2013人臉識(shí)別技術(shù)的應(yīng)用背景及研究現(xiàn)狀eb/ol. 。基于對人臉識(shí)別技術(shù)的廣泛應(yīng)用，如刑偵破案對現(xiàn)場視頻圖像的提取，機(jī)場，海口對身份驗(yàn)證時(shí)的人臉識(shí)別等。但是人臉圖像識(shí)別存在特異性，如臉上的墨鏡等遮擋物，需要新的算法來處理。2.2.1研究現(xiàn)狀國內(nèi)主要于二十世紀(jì)八十年代開始對人臉自動(dòng)識(shí)別的研究，研究的大學(xué)有清華大學(xué)，哈爾濱工學(xué)院，中科院計(jì)

4、算所，中科院自動(dòng)化所，復(fù)旦大學(xué)，北京科技大學(xué)等，并在這一領(lǐng)域取得了一定的成果。人臉識(shí)別技術(shù)作為圖像分析中最成功的應(yīng)用近幾年得到了高度重視，而我國關(guān)于這項(xiàng)技術(shù)的應(yīng)用研究還處于起步階段。通過介紹介紹國內(nèi)外人臉識(shí)別技術(shù)發(fā)展現(xiàn)狀以及目前取得的成果，對該項(xiàng)技術(shù)的發(fā)展趨勢進(jìn)行判斷，這位人臉識(shí)別技術(shù)的發(fā)展提供了良好的依據(jù)3 候鯤,賈隆嘉,王赫寧.人臉識(shí)別技術(shù)的現(xiàn)狀與發(fā)展趨勢j.科協(xié)論壇,2010,(11):1007-3973.。2.2.2 存在的主要問題人臉識(shí)別的前景廣闊，但與指紋識(shí)別相比還存在很大的距離，需要進(jìn)一步的發(fā)展。但是人臉識(shí)別存在許多不確定性，如光線，臉部遮蓋物，表情等。因此選擇一個(gè)通用性強(qiáng)的人臉

5、圖像庫顯得比較重要。需要對人臉識(shí)別不斷的完善。3. 課題途徑及步驟本課題主要利用人臉圖像庫，通過對圖像的獲取進(jìn)行人臉檢測提取特征，與獲取的圖像比對輸出結(jié)果。主成分分析(pca)4 turk m, pentland a. eigenfaces for recognition. journal of cognitive neuroscience, 1991,3(1):7186. doi: 10.1162/jocn.1991.3.1.71.、子空間分析法、基于奇異值特征方法、特征臉法 、支持向量機(jī)法、局部二值模式(lbp)、基于概率模型法等。通過比較本次主要使用主成分分析法,將多個(gè)變量通過線性。變換以選出較少個(gè)數(shù)重要變量的一種多元量統(tǒng)計(jì)分析方法4。 課題實(shí)施主要分為：收集資料并研究人臉識(shí)別技術(shù)現(xiàn)狀、分析需要使用的算法、設(shè)計(jì)人臉圖像庫、實(shí)驗(yàn)與仿真等幾個(gè)階段。 4. 可能遇到的問題及應(yīng)變措施（1） 問題：對圖像處理相關(guān)算法不熟悉，缺乏對matlab相關(guān)圖像處理經(jīng)驗(yàn)。 擬采取措施：多查閱相關(guān)書籍并向?qū)熣埥?，熟悉并掌握matlab等專業(yè)軟件