人臉識別調研報告

時(shí)間：2023-03-14 19:00:41 報告我要投稿

相關(guān)推薦

人臉識別調研報告

　　在人們越來(lái)越注重自身素養的今天，報告的用途越來(lái)越大，我們在寫(xiě)報告的時(shí)候要注意涵蓋報告的基本要素。那么你真正懂得怎么寫(xiě)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(shù)包括人臉識別、指紋識別、語(yǔ)音識別、表情分析及理解、虹膜識別等人臉識別的實(shí)質(zhì)就是借助計算機工具來(lái)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(lái)辨識身份的一門(mén)自動(dòng)處理技術(shù)，常見(jiàn)重要應用案例包括銀行和軍事重地的自動(dòng)門(mén)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(dòng)識別系統、網(wǎng)絡(luò )服務(wù)中的在線(xiàn)驗證系統等。產(chǎn)生不同個(gè)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(tài)、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(jìn)行身份鑒別的文章發(fā)表在《Nature》上,開(kāi)啟了近代最早的人臉識別研宄，最早的自動(dòng)人臉識別系統是由Chan和Bledsoe創(chuàng )于1965年人臉識別包括四個(gè)主要步驟：圖像預處理、人臉檢測、面部特征提取和分類(lèi)識別。

　　二、研究領(lǐng)域

　　1、身份驗證領(lǐng)域：通過(guò)人臉識別技術(shù)來(lái)判斷和鑒別當前用戶(hù)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(lǐng)域，例如車(chē)站安裝智能監控系統,該系統中加入了人臉識別技術(shù)以捕捉人群中的可疑罪犯。

　　3、人機交互領(lǐng)，例如人臉面部為視覺(jué)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(lèi)

　　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(jīng)網(wǎng)絡(luò )的人臉識別、基于隱馬爾可夫模型等。

　　經(jīng)典的特征臉“Eigenface”就是該時(shí)期由麻省理工學(xué)院的M.Turk和A.Pentlaiid提出的，采用PCA變換對原始圖像進(jìn)行降維處理,然后再進(jìn)行分類(lèi)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(dòng)態(tài)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(shù)中。

　　（二）流行算法

　　主要分為：等距離映射_(Isometrical Mapping,簡(jiǎn)稱(chēng) ISOMAP)、局部線(xiàn)性嵌入(Locally LinearEmbedding,簡(jiǎn)稱(chēng)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(jìn)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(diǎn)

　　1、人臉圖像的成像條件包括較大的隨機性：光照變化、姿態(tài)變換、表情變化、發(fā) 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(xiàn)性結構和非線(xiàn)性結構

　　3、人臉圖像數據的維數問(wèn)題

　　4、不同個(gè)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(lèi)

　　基于統計方法基于幾何方法

　　（二）具體實(shí)現