人臉識別調研報告

時間：2023-03-14 19:00:41 報告我要投稿

相關推薦

人臉識別調研報告

　　在人們越來越注重自身素養的今天，報告的用途越來越大，我們在寫報告的時候要注意涵蓋報告的基本要素。那么你真正懂得怎么寫好報告嗎？下面是小編精心整理的人臉識別調研報告，歡迎大家分享。

人臉識別調研報告

　　一、概述

　　生物特征識別技術包括人臉識別、指紋識別、語音識別、表情分析及理解、虹膜識別等人臉識別的實質就是借助計算機工具來分析人臉面部圖像，采用不同的特征表示方法提取有效地人臉特征，是可用來辨識身份的一門自動處理技術，常見重要應用案例包括銀行和軍事重地的自動門禁系統、智能人臉監控系統、用于公共交通體系中安檢系統的嫌疑人自動識別系統、網絡服務中的在線驗證系統等。產生不同個體較大差異性的內在因素主要有種族、性別、年齡、心理等。外在因素主要有光照變化、角度偏轉、姿態、噪聲千擾、遮擋、以及化妝遮擋物等。 18世紀,就有一篇依據人臉特征信息進行身份鑒別的文章發表在《Nature》上,開啟了近代最早的人臉識別研宄，最早的自動人臉識別系統是由Chan和Bledsoe創于1965年人臉識別包括四個主要步驟：圖像預處理、人臉檢測、面部特征提取和分類識別。

　　二、研究領域

　　1、身份驗證領域：通過人臉識別技術來判斷和鑒別當前用戶是否合法或者具備相應的功能權限，例如2021年北京奧運所采用的人臉識別系統。

　　2、智能視頻監控領域，例如車站安裝智能監控系統,該系統中加入了人臉識別技術以捕捉人群中的可疑罪犯。

　　3、人機交互領，例如人臉面部為視覺系統提供了最為主要的特征信息。

　　三、人臉識別方法及其算法

　　（一）方法分類

　　可以分為：基于幾何特征的人臉識別、基于彈性圖匹配的人臉識別、基于子空間分析的人臉識別、基于神經網絡的人臉識別、基于隱馬爾可夫模型等。

　　經典的特征臉“Eigenface”就是該時期由麻省理工學院的M.Turk和A.Pentlaiid提出的，采用PCA變換對原始圖像進行降維處理,然后再進行分類識別。

　　P.Belhumeur等提出的Fisherfaces人臉也被廣泛應用在人臉識別中。

　　90年代中后期,出現了一種基于動態連接結構(Dynamic Link Architecture)的彈性圖匹配(Elastic GraphMatching)識別方法。 90年代末支持向量機被

　　應用到人臉識別技術中。

　　（二）流行算法

　　主要分為：等距離映射_(Isometrical Mapping,簡稱 ISOMAP)、局部線性嵌入(Locally LinearEmbedding,簡稱LLE、拉普拉斯算子特征映射(Laplacian Eigenmaps)、拉普拉斯臉(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：

　　基于稀疏表示的人臉識別方法

　　(Sparserepresentation recognition, SRC) 針對此識別方法還出現了較多的改進模型,典型的有

　　基于Gabor的稀疏表示基于Metaface的稀疏表示等

　　（三）難點

　　1、人臉圖像的成像條件包括較大的隨機性：光照變化、姿態變換、表情變化、發型改變、化妝、以及遮擋等復雜條件

　　2、人臉面部圖像的復雜的三維結構屬性：包括線性結構和非線性結構

　　3、人臉圖像數據的維數問題

　　4、不同個體間的面部特征的差異性

　　四、人臉特征提取研究

　　（一）人臉特征提取和識別算法分類

　　基于統計方法基于幾何方法

　　（二）具體實現