自动人脸识别基本原理
人脸识别经过近40 年的发展，取得了很大的发展，涌现出了大量的识别算法。这些算法的涉及面非常广泛，包括模式识别、图像处理、计算机视觉、人工智能、统计学习、神经网络、小波分析、子空间理论和流形学习等众多学科。所以很难用一个统一的标准对这些算法进行分类。根据输入数据形式的不同可分为基于静态图像的人脸识别和基于视频图像的人脸识别。因为基于静态图像的人脸识别算法同样适用于基于视频图像的人脸识别，所以只有那些使用了时间信息的识别算法才属于基于视频图像的人脸识别算法。接下来分别介绍两类人脸识别算法中的一些重要的算法。
特征脸
特征脸方法利用主分量分析进行降维和提取特征。主分量分析是一种应用十分广泛的数据降维技术，该方法选择与原数据协方差矩阵前几个最大特征值对应的特征向量构成一组基，以达到最佳表征原数据的目的。因为由主分量分析提取的特征向量返回成图像时，看上去仍像人脸，所以这些特征向量被称为“特征脸”。
在人脸识别中，由一组特征脸基图象张成一个特征脸子空间，任何一幅人脸图象（减去平均人脸后）都可投影到该子空间，得到一个权值向量。计算此向量和训练集中每个人的权值向量之间的欧式距离，取最小距离所对应的人脸图像的身份作为测试人脸图像的身份。
下图给出了主分量分析的应用例子。图中最左边的为平均脸，其他地为对应7 个最大特征值的特征向量。
主分量分析是一种无监督学习方法，主分量是指向数据能量分布最大的轴线方向，因此可以从最小均方误差意义下对数据进行最优的表达。但是就分类任务而言，由主分量分析得到的特征却不能保证可以将各个类别最好地区分开来。
线性鉴别分析是一种著名的模式识别方法，通过将样本线性变换到一个新的空间，使样本的类内散布程度达到最小，同时类间散布程度达到最大，即著名的Fisher 准则。
标准特征脸
同一个人不同图像之间的的特征脸
不同人的图像之间的特征脸
弹性图匹配
Lades 等人针对畸变不变性的物体识别问题提出了一种基于动态连接结构的弹性图匹配方法，并将其应用于人脸识别。所有人脸图像都有相似的拓扑结构。人脸都可表示成图，图中的节点是一些基准点（如眼睛，鼻尖等），图中的边是这些基准点之间的连线。
每个节点包含40 个Gabor 小波（一种数字信号变换方法）系数，包括相位和幅度，这些系数合起来称为一个Jet ，这些小波系数是原始图像和一组具有 5 个频率、8 个方向的Gabor 小波卷积（一种数字信号处理算子）得到的。这样每幅图就像被贴了标签一样，其中的点被Jets 标定，边被点之间的距离标定。所以一张人脸的几何形状就被编码为图中的边，而灰度值的分布被编码为图中的节点。如下图所示：
弹性图匹配方法中人脸的弹性束图表示
为了识别一张新的人脸，需要从该人脸中找到基准点，提取出一个人脸图，这可用弹性图匹配得到。弹性图匹配的目的是在新的人脸中找到基准点，并且提取出一幅图，这幅图和现有的人脸束图之间的相似度最大。经过弹性图匹配后，新的人脸的图就被提取出来了，此图就表征了新的人脸，用它作为特征进行识别。进行识别时，计算测试人脸和现有人脸束图中的所有人脸之间的相似度，相似度最大的人脸的身份即为测试人脸的身份。
由于该方法利用Gabor 小波变换来描述面部特征点的局部信息，因此受光照影响较小。
1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面： （1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较
人脸识别——特征脸方法 贾东亚1２346046 一、实验目的 1、学会使用PCA主成分分析法。 ２、初步了解人脸识别的特征法。 3、更熟练地掌握ｍatｌab的使用。 二、原理介绍 1、ＰＣA(主成分分析法介绍） 引用一个网上的例子。假设有一份对遥控直升机操作员的调查,用x1(i)表示飞行员ｉ的 飞行技能，x2(i)表示飞行员ｉ喜欢飞行的程度。通常遥控直升飞机是很难操作的，只有那些 非常坚持而且真正喜欢驾驶的人才能熟练操作。所以这两个属性x1(i)和x2(i)相关性是非常强的。我们可以假设两者的关系是按正比关系变化的。如下图里的任意找的向量u1所示,数据散布在ｕ１两侧，有少许噪声。 现在我们有两项数据，是二维的。那么如何将这两项变量转变为一个来描述飞行员呢？由图中的点的分布可知,如果我们找到一个方向的Ｕ，所有的数据点在U的方向上的投影之 和最大,那么该U就能表示数据的大致走向。而在垂直于U的方向,各个数据点在该方向的投影相对于在U上的投影如果足够小,那么我们可以忽略掉各数据在该方向的投影,这样我们就把二维的数据转化成了在U方向上的一维数据。 为了将u选出来,我们先对数据进行预处理。先求出所有数据的平均值,然后用数据与平均值的偏差代替数据本身。然后对数据归一化以后,再代替数据本身。 而我们求最大的投影和，其实就是求各个数据点在U上的投影距离的方差最大。而ＸT u 就是投影的距离。故我们要求下式的最大值: 1 m ∑(x(i)T u)2=u T( 1 m ∑x(i)x(i)T m i=1 ) m i=1 u 按照u是单位向量来最大化上式,就是求1 m ∑x(i)x(i)T m i=1的特征向量。而此式是数据集的 协方差矩阵。
人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：
人脸识别发展趋势及应用领域分析 人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒的生物识别技术，具有极其广阔的市场应用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用安全控制等行业和部门存在着广泛的需求。 一、人脸识别何以瞬间爆发？ 其实对于整个生物识别领域来说，由于指纹识别应用时间早，价格低廉，而且使用便利，因此早早地便占据了国内的大部分市场，在顶峰时期，甚至可以达到90%左右。但是，又是什么力量，使人脸识别在短短五六年的时间里，就实现了如此迅猛的腾飞呢？ （一）政策因素：抛开技术因素，国家政策的支持可以说是人脸识别崛起的重要因素之一。尤其随着近些年来，平安城市等技术的大力推广，我国安防市场的需求也随之迅速升温，各领域安保的等级也就随之实现明显的提升。甚至在部分地区的部分领域，人脸识别已经开始被列为使用过程中的强制标准。这种情况的出现，对于人脸识别的推广无疑是一种非常有力的推动。因此，虽然政策的角色只是一种诱导的作用，但是这种诱导对于人脸识别的爆发，却又是不可或缺的。 （二）社会需求：在我国，随着城镇化的进程加快，流动人口比例大大增加，面临的突发事件和异常事件越来越复杂。因此这也就给城市的安保工作，以及视频监控带来了更大的压力。传统依靠人工来“盯”的方式难免会因疲劳或精神不集中等原因影响监视效果，难以胜任对庞大数据库的分析与理解，从而影响事后查找证据，更难以满足时代的需求，于是，人们对于具有智能分析的视频监控应用的呼声越来越高。 二、人脸识别发展趋势 （一）与视频监控相结合：随着人脸识别技术的进一步发展，将人脸识别技术将实现与数字监控系统的进一步融合，将成为人脸识别技术的另外一大应用领域。据统计数据显示，仅在中国大陆，在未来三年内有望形成年销售额过百亿，并在未来十年内则有望形成年销售额过千亿的市场规模。（二）逐步取代指纹考勤：人脸识别考勤，通过对人脸一些独一无二的特征识别对验进行考
关于SVM及其应用的相关原理 一、支持向量机介绍 下面我简单介绍下何为小样本、非线性及高维模式识别 小样本，并不是说样本的绝对数量少，实际上，对任何算法来说，更多的样本几乎总是能带来更好的效果，而是说与问题的复杂度比起来，SVM算法要求的样本数是相对比较少的。 非线性，是指SVM擅长应付样本数据线性不可分的情况 高维模式识别是指样本维数很高，例如样本出现几万维，不用降维处理，其他算法基本就没有能力应付了，SVM却可以，主要是因为SVM 产生的分类器很简洁，用到的样本信息很少，使得即使样本维数很高，也不会给存储和计算带来大麻烦。 何为机器学习之后会介绍。 支持向量机方法： 下面我简单介绍下何为VC 维理论和结构风险最小原理以期推广能力所谓VC维是对函数类的一种度量，我们就简单的理解为问题的复杂程度，VC维越高，一个问题就越复杂。 （1）PPT下一页 在讲解结构风险最小原理，先介绍下风险，风险就是与真实解的误差。我举个例子来说，我们不知道宇宙是如何诞生，就是不知道宇宙的真实模型，如果知道真实的宇宙模型，我们直接用真实模型就可
以了。既然不知道，我们就根据一些现象假设认为宇宙诞生于150亿年前的一场大爆炸，这个假设能够描述很多我们观察到的现象，但它与真实的宇宙模型之间还相差多少？谁也说不清，因为我们压根就不知道真实的宇宙模型到底是什么。这个差距我们就认为是风险经验风险就是分类器在给定样本上的误差，就是我们选择一个假设之后，真实误差无从得知，但我们可以用某些可以掌握的量来逼近它。就是使用分类器在样本数据上的分类的结果与真实结果之间的差值来表示。这个差值叫做经验风险。 置信风险是分类器在未知文本上分类的结果的误差。代表了我们在多大程度上可以信任分类器在未知文本上分类的结果。很显然，没有办法精确计算的，因此只能给出一个估计的区间，也使得整个误差只能计算上界，而无法计算准确的值。 结构风险就是经验风险与置信风险之和 （2）PPT下一页 下面介绍下机器学习和推广能力 机器学习就是对一种对问题真实模型的逼近。机器学习分为传统机器学习和统计机器学习。
人脸识别技术的新发展阅读答案（2014呼和浩特中考试题） 人脸识别技术的新发展 刘露 ①《谍中谍4》中有一些令人炫目的场景：身在茫茫人海中，一眨眼的功夫已被潜藏着的对手认出，随即被盯梢；对手迎面来时，你的手机立刻发出嘀嘀的报警声，上面已经显示他的姓名和信息……我们不禁要问：这是真的吗？事实上，这些情景不仅仅是电影特技，人脸识别技术已经让科幻成为现实。 ②人脸识别的过程其实并不复杂。首先是人脸检测，即判断输入图像中是否存在人脸，如果有，便给出每个人脸的位置、大小；其次是面部特征定位，即对找到的每个人脸，检测其主要器官的位置和形状等信息；最后进行人脸比对，根据面部特征定位的结果，与数据库中人脸对比，判断该人脸的身份信息。这种生物识别技术与传统的身份鉴定方式相比，有着自身的特点。人脸识别技术的最大特点就是识别过程精度高、速度快，运用起来就更具保密性和方便性。 ③硬件设备方面，苹果正在研究一些方法让用户使用人脸识别技术方便地开关和控制电子设备。这种技术最终会让iPhone和iPad具备人脸解锁功能。联想在新款的笔记本电脑上也配备了人脸识别技术，凭借这种技术，笔记本电脑的主人在登录系统时，就可以免去输入密码的麻烦而直接进入系统。 ④网络应用方面，尤其是社交网络应用，很多社交产品开始利用人脸识别使影像信息和用户的社交网络个人资料连接起来。使用人脸识别技术，让普通用户的面孔直接与网站上的背景资料、好友关系匹配。 ⑤腾讯推出了“搜搜慧眼”，这是一个基于人脸识别的社交产品。用户将手机切换到人脸识别模式，启动“明星脸识别”功能，“慧眼”会自动识别照相镜头中的人脸，并将之拍下来；随后，它会在网上寻找与这张脸最相似的明星的脸显示出来，并对服饰、妆扮等细节进行点评。 ⑥在计算机技术、网络技术和人工智能技术日新月异的今天，高速发展的人脸识别技术将会有更广阔的舞台来展现其价值。也许就在明天，人脸将成为我们电子生活中的重要名片和标签。人脸识别技术将体现在我们生活的方方面面，改变我们的生活方式。 （选自《百科知识》，有删改） 1．文章的说明顺序是（1分） 2．根据文章内容，请你说说什么是“人脸识别技术”。（3分） 3．文章第①段《谍中谍4》中令人炫目的场景，侧重表现了人脸识别技术的特点。（2分） 4．“之前，人脸识别大多用于门禁识别或公安机关追踪等大型应用。现在，人脸识别技术已经逐渐进入人们的日常生活。比如登录电脑、方便网络社交等都可以用到这项技术。”这是从文中抽出的一段话，将其还原，正确的位置应是（2分） A．①和②之间B．②和③之间 C．③和④之间D．⑤和⑥之间
人脸识别系统的原理与发展 一、引言 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大； 二、概述 人脸识别系统概述 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 人脸识别系统功能模块 人脸捕获与跟踪功能：人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
人脸识别技术发展及应用分析 人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机采集人脸图像，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术处理，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人身份的目的。 市场现状 人脸识别技术的研究始于20世纪60年代末期。 20世纪90年代后期以来，一些商业性的人脸识 别系统逐渐进入市场，但是，这些技术和系统离 实用化都有一定距离，性能和准确率也有待提高。 美国遭遇恐怖袭击后，这一技术引起了广泛关 注。作为非常容易隐蔽使用的识别技术，人脸识 别逐渐成为国际反恐和安全防范重要的手段之一。 近年来，人脸识别在中国市场，也经历着迅速的 发展，而且发展的脚步也越来越快。主要原因有以下两方面。 科技的进步 国际上，美国标准与技术研究院（NIST）举办的Face Recognition Vendor Test 2006，通过大规模的人脸数据测试表明，当今世界上人脸识别方法的识别 精度比2002年的FRVT2002至少提高了一个数量级（10倍），而对于高清晰，高质量人脸图像识别，机器的识别精度几乎达到100%。在我国，近年来科技界和社会各个方面都认识到人脸识别技术的重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人脸识别技术也得到了迅速的发展。 应用需求的增加 越来越趋向于高科技的犯罪手段使得人们对各种场合的安全机制要求也近乎 苛刻，各种应用需求不断涌现。人脸识别市场的快速发展一方面归功于生物识别需求的多元化，另一方面则是由于人脸识别技术的进步。从需求上来说，除了传统的考勤、门禁等应用外，视频监控环境下的身份识别正成为一种迫切的需求，
人脸识别技术原理解析 你还记得电影里的这些情节吗？《变形金刚2》中，年轻的男主角和他的小伙伴们过关卡时，虽然骗过了值班军人，却被军方的人脸识别技术发现。2014年翻拍版的《机械战警》中，机械战警第一次面对大众公开亮相，就在人群中不停地扫描所有人脸，同时将获取的人脸在通缉犯资料库中作比对，瞬间就发现看热闹的人群中有一个逃逸多年的通缉犯，并将其制服。其他还有许多电影中，但凡是美国的机要部门，进门就要扫描各种生物特征，从早年电影中的指纹、虹膜，到现在的人脸。 人脸识别到底是什么？ 人脸识别，是视觉模式识别的一个细分问题，也大概是最难解决的一个问题。其实我们人每时每刻都在进行视觉模式识别，我们通过眼睛获得视觉信息，这些信息经过大脑的处理被识别为有意义的概念。于是我们知道了放在我们面前的是水杯、书本，还是什么别的东西。 我们也无时无刻不在进行人脸识别，我们每天生活中遇到无数的人，从中认出那些熟人，和他们打招呼，打交道，忽略其他的陌生人。甚至躲开那些我们欠了钱还暂时还不上的人。然而这项看似简单的任务，对机器来说却并不那么容易实现。 对计算机来讲，一幅图像信息，无论是静态的图片，还是动态视频中的一帧，都是一个由众多像素点组成的矩阵。比如一个1080p的数字图像，是一个由1980*1080个像素点组成矩阵，每个像素点，如果是8bit的rgb格式，则是3个取值在0-255的数。 机器需要在这些数据中，找出某一部分数据代表了何种概念：哪一部分数据是水杯，哪一部分是书本，哪一部分是人脸，这是视觉模式识别中的粗分类问题。 而人脸识别，需要在所有机器认为是人脸的那部分数据中，区分这个人脸属于谁，这是个细分类问题。 人脸可以分为多少类呢？ 取决于所处理问题的人脸库大小，人脸库中有多少目标人脸，就需要机器进行相应数量的细分类。如果想要机器认出每个他看到的人，则这世界上有多少人，人脸就可以分为多少
人脸识别技术大总结 百度《人脸识别技术大总结》，觉得应该跟大家分享，这里给大家转摘到百度。 篇一：人脸识别技术的主要研究方法、绪论人脸识别是通过分析脸部器官的唯一形状和位置来进行身份鉴别。 人脸识别是一种重要的生物特征识别技术，应用非常广泛。 与其它身份识别方法相比，人脸识别具有直接、友好和方便等特点，因而，人脸识别问题的研究不仅有重要的应用价值，而且在模式识别中具有重要的理论意义，目前人脸识别已成为当前模式识别和人工智能领域的研究热点。 本章将简单介绍几种人脸识别技术的研究方法。 关键词：人脸识别、人脸识别技术的主要研究方法目前在国内和国外研究人脸识别的方法有很多，常用的方法有：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法、基于连接机制的人脸识别方法以及基于三维数据的人脸识别方法。 人脸识别流程图如图．所示：图．人脸识别流程图、基于几何特征的人脸识别方法基于特征的方法是一种自下而上的人脸检测方法，由于人眼可以将人脸在不此研究人员认为有一个潜在的假设：人脸或人脸的部件可能具有在各种条件下都不会改变的特征或属性，如形状、肤色、纹理、边缘信息等。 基于特征的方法的目标就是寻找上述这些不变特征，并利用这些
特征来定位入脸。 这类方法在特定的环境下非常有效且检测速度较高，对人脸姿态、表情、旋转都不敏感。 但是由于人脸部件的提取通常都借助于边缘算子，因此，这类方法对图像质量要求较高，对光照和背景等有较高的要求，因为光照、噪音、阴影都极有可能破坏人脸部件的边缘，从而影响算法的有效性。 模板匹配算法首先需要人作标准模板(固定模板)或将模板先行参数化(可变模板)，思想汇报专题然后在检测人脸时，计算输入图像与模板之间的相关值，这个相关值通常都是独立计算脸部轮廓、眼睛、鼻子和嘴各自的匹配程度后得出的综合描述，最后再根据相关值和预先设定的阈值来确定图像中是否存在人脸。 基于可变模板的人脸检测算法比固定模板算法检测效果要好很多，但是它仍不能有效地处理人脸尺度、姿态和形状等方面的变化。 基于外观形状的方法并不对输入图像进行复杂的预处理，也不需要人工的对人脸特征进行分析或是抽取模板，而是通过使用特定的方法(如主成分分析方法()、支持向量机()、神经网络方法()等)对大量的人脸和非人脸样本组成的训练集(一般为了保证训练得到的检测器精度，非人脸样本集的容量要为人脸样本集的两倍以上)进行学习，再将学习而成的模板或者说分类器用于人脸检测。 因此，这也是种自下而上的方法。 这种方法的优点是利用强大的机器学习算法快速稳定地实现了很
人脸识别技术的应用 面部识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。现如今，人脸识别这个词已经慢慢走进了我们的生活，开始逐渐广泛的应用到日常生活之中。 手机、笔记本电脑中的人脸识别软件就是一个很好的例子，它帮助我们解锁手机、电脑，无需再输入密码，不用担心密码泄露从而导致的信息隐私泄露，它很好的帮助我们保护手机、电脑的安全。除此之外，人脸识别门禁系统开始应用于一些高档住宅和办公楼中，为人们省去了带钥匙刷卡的麻烦，也不用担心密码忘记的苦恼。人脸识别考勤机也开始被一些企业应用于日常管理。而一些美颜相机、美图软件的推出跟迎合了消费者的市场。它可以自动识别人脸，并对人脸进行美化。甚至一些小游戏被开发出来，可以将自己的脸与明星的脸比对相似之处，评价出你最有有谁的明星相。虽然这仅仅是一个游戏软件，只是供人们娱乐，真实度不高，但也可以看出现今人脸识别技术的广泛使用。 人脸识别技术在过去几年中得到了广泛的关注，正是因为它的应用程序涵盖了许多不同的领域。对于许多的应用程序来说，脸部识别系统的性能在可控的环境下已经达到了一个令人满意的水平。但是现有的大部分面部识别技术在不受控制的环境下识别性能明显下降。 在这次第十四届KSS国际知识与系统科学研讨会中，教授为我们介绍了如何在面部识别中应对不同光照环境下的情况。在过去几年中，处理不同光照的方法主要有： 1. histogram equalization. 2.logarithm transformations. 3.Apply DCT in the logarithm domain. 4.QI (Quotient Image). 5.SQI(Self-Quotient Image). 6.MQI (Morphological Quotient Image). 7.Local binary patterm operator. 经过了他们团队的研究，将这几种进行对照比较，建立一个PSO-SQI框架，利用算法的性能处理人脸识别中的光照问题。 PSO算法是一个新的基于群体智能的进化算法，其研究远没有像遗传算法和模拟退火算法那样深入，在理论上并不能保证能够得到最优解。PSO算法在进行优化问题的求解时应用范围有限,尤其对离散的组合优化问题,其理论建模还处于起步阶段。PSO算法中的一些参数，如学习因子、惯性权重以及粒子个数往往根据有限的应用经验确定,并不具有广泛的适应性。 而SQI是指自商图像(self-quotient image),以提取一个目标(如人脸)图像的内在特性,同时去除与光照相关的外在因素.SQI (self-quotient image) 方法克服了原始的QI 方法的局限性,且能够提取与光照无关的内在特性.对算法适用的条件进行了理论分析,并在SQI 计算过程中提出了一个非迭代的各向异性滤波器以减小光晕现象和提高计算速度.实验结果表明该方法可以有效地提高不同光照条件下的人脸识别系统的识别率. 由着POS-SQI两种方法的结合，更好的处理了人脸识别在不可控的光线下识
人脸识别主要算法原理 主流的技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。 3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。 1. 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线确定若干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度等。Jia 等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新意的方法。 采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征,但Roder对几何特征提取的精确性进行了实验性的研究，结果不容乐观。
可变形模板法可以视为几何特征方法的一种改进，其基本思想是:设计一个参数可调的器官模型(即可变形模板),定义一个能量函数，通过调整模型参数使能量函数最小化，此时的模型参数即做为该器官的几何特征。 这种方法思想很好，但是存在两个问题，一是能量函数中各种代价的加权系数只能由经验确定，难以推广，二是能量函数优化过程十分耗时，难以实际应用。基于参数的人脸表示可以实现对人脸显著特征的一个高效描述，但它需要大量的前处理和精细的参数选择。同时，采用一般几何特征只描述了部件的基本形状与结构关系，忽略了局部细微特征，造成部分信息的丢失，更适合于做粗分类，而且目前已有的特征点检测技术在精确率上还远不能满足要求，计算量也较大。 2. 局部特征分析方法（Local Face Analysis） 主元子空间的表示是紧凑的，特征维数大大降低，但它是非局部化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的，某个轴投影后临近的点与原图像空间中点的临近性没有任何关系，而局部性和拓扑性对模式分析和分割是理想的特性，似乎这更符合神经信息处理的机制，因此寻找具有这种特性的表达十分重要。基于这种考虑，Atick提出基于局部特征的人脸特征提取与识别方法。这种方法在实际应用取得了很好的效果，它构成了FaceIt人脸识别软件的基础。 3. 特征脸方法（Eigenface或PCA）
人脸识别技术优势 863计划、国家科技支撑计划、自然科学基金都拨出专款资助人脸识别的相关研究。国家“十一五”科技发展规划中也将人脸识别技术的研究与发展列入其中[4]，明确指出：“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别应用技术研究，人脸识别具有高安全性、低误报率的出入口控制新产品。”在这种环境下，国内一些科研院所和院校在人脸识别技术方面取得了很大进展。如中科院自动化所，清华大学，中科院计算所自主开发的人脸识别技术已经达到了国际先进的水平。人脸识别作为一种新兴的生物特征识别技术(Biometrics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势： 1.人脸识别使用方便，用户接受度高。人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。 2.直观性突出。人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。 3.识别精确度高，速度快。与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率较低。 4.不易仿冒。在安全性要求高的应用场合，人脸识别技术要求识别对象必须亲临识别现场，他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所很难做到的。举例来说，用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。 5.使用通用性设备。人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于目前计算机、闭路电视监控系统等已经得到了广泛的应用，因此对于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。 6.基础资料易于获得。人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。 7.成本较低，易于推广使用。由于人脸识别技术所使用的是常规通用设备，价格均在一般用户可接受的范围之内，与其它生物识别技术相比，人脸识别产品具有很高的性能价格比。 概括地说，人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性价比高的生物特征识别技术，具有极其广阔的市场应用前景。 我将人脸识别的一些应用列举出来，希望抛转引玉，大家不断完善，开拓更多的应用领域。 1）监控布控
人脸识别技术的应用及方案 在当今社会信息安全问题备受人们的关注。自身安全和个人隐私保护成为这个时代的热门话题。基于密码、个人识别码、磁卡和钥匙等传统的安全措施已不能完全满足社会要求。在这样一个背景下，人们把目光投向了生物特征识别技术——利用人体固有的生理特征或行为特征来进行身份的鉴别或确认。 人脸识别技术优势 人脸识别作为一种新兴的生物特征识别技术(Biometrics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势： 1.使用方便，用户接受度高。人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。 2.直观性突出。人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。 3.识别精确度高，速度快。与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率较低。 4.不易仿冒。在安全性要求高的应用场合，人脸识别技术要求识别对象必须亲临识别现场，他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所很难做到的。举例来说，用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。 5.使用通用性设备。人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于目前计算机、闭路电视监控系统等已经得到了广泛的应用，因此对于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。 6.基础资料易于获得。人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。 7.成本较低，易于推广使用。由于人脸识别技术所使用的是常规通用设备，价格均在一般用户可接受的范围之内，与其它生物识别技术相比，人脸识别产品具有很高的性能价格比。 概括地说，人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性价比高的生物特征识别技术，具有极其广阔的市场应用前景。
《人脸识别技术》阅读答案 《人脸识别技术》阅读答案 阅读下文，完成第15-16题。（共6分） ①人脸识别技术，是指基于人的脸部特征信息，通过计算机与生物传感器等高科技手段结合，利用人体固有的生理特性，进行个人身份鉴定的一种生物识别技术。这种技术先对输入的人脸图象或者视频流进行判断，给出每张脸的位置、大小和面部各个主要器官的具体信息。依据这些信息，进一步提取人脸中所蕴涵的身份特征，将其与已知的人脸进行比对，从而识别每个人的身份。 ②与传统的身份鉴定方式相比，人脸识别技术的最大特点就是识别精确度高。人脸识别独具的活性判别能力，保证了他人无法以非活性的照片、木偶、蜡像欺骗识别系统，无法仿冒。此外，人脸识别速度快，不易被察觉。与其他生物识别技术相比，人脸识别属于一种自动识别技术，一秒内可以识别好几次。不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感。 ③人脸识别技术是基于生物统计学原理来实现的。先通过计算机相关软件对视频里的图像进行人脸图像采集、人脸定位、人脸识别预处理，从中提取人像特征点。然后利用生物统计学的原理进行分析，建立数学模型，即人脸特征模板。将已建成的人脸特征模板与被测者的面像进行特征比对，根据分析的结果给出一个相似值。通过这个值即可确定是否为同一人。现在这一技术已得到广泛应用。
④例如，由于儿童被拐卖事件时有发生，为了保护孩子的安全，有些幼儿园安装了面部识别系统。这些系统主要采用人脸识别加IC/ID卡（非接触式智能卡)双重认证。每一位儿童在入学注册登记时必须提供IC/ID 卡号、儿童面像、接送者面像等相关资料。每次入园、出园时都应刷卡并进行家长人脸认证。如果认证成功，拍照放行；如果认证失败，拍照后报警通知管理员。不论识别成功与否，系统都会记录下被识别者的详细资料。有的系统还有短信扩展功能，家长可在手机上看到认证时所拍的照片以及整个接送过程。这样，有效防止了儿童被拐事件的发生。 ⑤目前，人脸识别技术是生物科技领域在可行性、稳定性和准确性等专业技术指标中数值最高的技术，也是各行各业安全保卫工作中运用最广、效果最好的一种技术。在未来的几年内，它必将超越指纹识别等其他生物技术，成为生物识别技术领域的霸主。 15.本文首先概述了人脸识别技术，然后逐段介绍了人脸识别技术的特点和，以及现在这一技术的，最后说明了它在生物识别技术领域的重要地位。（2分） （共2分）原理（过程）（1分）应用（1分） 本文分别从哪些方面对人脸识别技术进行说明的？ 16.结合文章第②段内容，分析下面两则材料分别着重表现了人脸识别技术的什么特点，并说明理由。（4分） 【材料一】
基于人脸识别技术的应用 1.1 人脸识别技术的介绍 面部识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。现如今，人脸识别这个词已经慢慢走进了我们的生活，开始逐渐广泛的应用到日常生活之中。 手机、笔记本电脑中的人脸识别软件就是一个很好的例子，它帮助我们解锁手机、电脑，无需再输入密码，不用担心密码泄露从而导致的信息隐私泄露，它很好的帮助我们保护手机、电脑的安全。除此之外，人脸识别门禁系统开始应用于一些高档住宅和办公楼中，为人们省去了带钥匙刷卡的麻烦，也不用担心密码忘记的苦恼。人脸识别考勤机也正在被一些企业应用于日常管理。而一些美颜相机、美图软件的推出更迎合了消费者的市场。它可以自动识别人脸，并对人脸进行美化。甚至一些小游戏被开发出来，可将自己的脸与明星的脸比对相似之处，评价出你最有有谁的明星相。虽然这仅仅是一个游戏软件，只是供人们娱乐，真实度不高，但也可以看出现今人脸识别技术的广泛使用。 人脸识别技术在过去几年中得到了广泛的关注，正是因为它的应用程序涵盖了许多不同的领域。对于许多的应用程序来说，脸部识别系统的性能在可控的环境下已经达到了一个令人满意的水平。但是现有的大部分面部识别技术在不受控制的环境下识别性能明显下降。
人脸识别技术是生物识别技术的一种，它结合了图像处理、计算机图形学、模式识别、可视化技术、人体生理学、认知科学和心理学等多个研究领域。从二十世纪六十年代末至今，人脸识别算法技术的发展共经历了如下四个阶段[1]： 1.基于简单背景的人脸识别 这是人脸识别研究的初级阶段。通常利用人脸器官的局部特征来描述人脸。但由于人脸器官没有显著的边缘且易受到表情的影响，因此它仅限于正面人脸（变形较小）的识别。 2.基于多姿态表情的人脸识别 这是人脸识别研究的发展阶段。探索能够在一定程度上适应人脸的姿态和表情变化的识别方法，以满足人脸识别技术在实际应用中的客观需求。 3.动态跟踪人脸识别 这是人脸识别研究的实用化阶段。通过采集视频序列来获得比静态图像更丰富的信息，达到较好的识别效果，同时适应更广阔的应用需求。 4.三维人脸识别 为了获得更多的特征信息，直接利用二维人脸图像合成三维人脸模型进行识别，即将成为该领域的一个主要研究方向。 1. 2 人脸识别技术在国内的研究现状 国内关于人脸自动识别的研究始于二十世纪 80 年代，主要的研究单位有清华大学，哈尔滨工业大学，中科院计算所，中科院自动化
人脸识别主要算法原理 主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。 3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。 1. 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线确定若干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度等。Jia 等由正面灰度图中线附近的积分投影模拟侧 面轮廓图是一种很有新意的方法。 采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征,但Roder对几何特征提取的精确性进行了实验性的研究，结果不容乐观。
可变形模板法可以视为几何特征方法的一种改进，其基本思想是: 设计一个参数可调的器官模型(即可变形模板),定义一个能量函数，通过调整模型参数使能量函数最小化，此时的模型参数即做为该器官的几何特征。 这种方法思想很好，但是存在两个问题，一是能量函数中各种代价的加权系数只能由经验确定，难以推广，二是能量函数优化过程十分耗时，难以实际应用。基于参数的人脸表示可以实现对人脸显著特征的一个高效描述，但它需要大量的前处理和精细的参数选择。同时，采用一般几何特征只描述了部件的基本形状与结构关系，忽略了局部细微特征，造成部分信息的丢失，更适合于做粗分类，而且目前已有的特征点检测技术在精确率上还远不能满足要求，计算量也较大。 2. 局部特征分析方法（Local Face Analysis） 主元子空间的表示是紧凑的，特征维数大大降低，但它是非局部化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的，某个轴投影后临近的点与原图像空间中点的临近性没有任何关系，而局部性和拓扑性对模式分析和分割是理想的特性，似乎这更符合神经信息处理的机制，因此寻找具有这种特性的表达十分重要。基于这种考虑，Atick提出基于局部特征的人脸特征提取与识别方法。这种方法在实际应用取得了很好的效果，它构成了FaceIt人脸识别软件的 基础。 3. 特征脸方法（Eigenface或PCA）
智能人脸识别系统 技 术 方 案 2018年3月
目录 1智能人像比对平台 1.1系统结构 建立标准统一的共享人像库，并在此基础上，部署完整的人像比对判定平台。该系统由人像标准化采集系统，人像数据库子系统、基础比对服务平台、人脸识别应用平台4大部分组成，支持前端人像采集、静态人脸查询、移动警务通人脸识别一体化服务。 该平台支持统一人像数据交换接口，兼容大多数人像数据交换标准。统一的安全标准接口，兼容PKI密钥，网络加密狗等常见的安全标准接口。系统总体结构如下： 系统采用B/S架构，以浏览器方式进行人像预处理、人像比对、结果查询、用户管理、系统运行状态查询等管理操作，减少了系统后台管理、人口治安及其他警种成百上千终端安装和维护难度，方便未来多警种共享应用。系统可提供标准的WebService接口，将业务系统获取的人像照片与相关人像库进行比对。 1.2设计原则 本着统一标准、分级管理、资源共享、无缝对接的设计原则，以人像比对算法为核心，整合多区域现有资源，实现准确识别、快速反映，覆盖全面的智能人像识别应用平台。 1.2.1先进性 该平台算法由中国科学院自动化研究所研究员、国际知名人脸识别专家、IEEE院士李子青教授领衔研发，是基于中国自主知识产权，针对公安各警种业务特点专门研发的综合智能人像识别应用系统平台。
1.2.2开放性 人像采集与比对平台具有统一的服务接口，兼容公安部拟指定的统一人像数据交换标准草案。统一的安全验证，兼容PKI密钥，身份认证等常见的安全验证机制。 1.2.3扩展性 整个平台系统接口分为系统级别之间的接口与单个系统开放出来的服务接口组成。系统可“随需而变，以不变应万变”提供多种可靠服务功能。 1、系统级接口 系统级接口指的是不同地区部署的人像辅助识别平台之间的接口，主要有两种访问方式第一种采用页面查询的方式，以只查询方式进行访问，通过系统提供的Guest权限进行页面访问。适用于不同平台之间快速的调阅查询。第二种通过请求服务与直接调阅的形式进行数据库的查询，系统预留标准数据库查询接口，以市，县二层结构进行数据库间的查询调用，采用本系统建立的数据中心，纵向上进行直接的调用，高层中心保留下级中心的数据库信息索引。即市级中心直接查询市级与县级中心，市级中心直接查询县级中心。横向上以请求服务形式进行调用，横向系统间不保留对方的数据库信息索引，而是通过请求服务方式进行。 2、服务接口 服务接口适用于该系统与其他业务应用系统做二次开发或者集成用接口，包括所有系统级接口与平台应用接口。 人像基础比对服务平台通过WebService进行与其他系统的交换机制，通过标准的XML或者Jason格式文件进行数据交换，兼容《GA/T 922.2-2011标准第二部分人像数据采集标准》中的数据格式交换。 服务接口主要以WebService与ActiveX等方式提供。满足各业务系统二次开发，集成使用。 服务接口说明