人臉識(shí)別技術(shù)是指計(jì)算機(jī)從圖片或者視頻流中檢測出人臉的一項(xiàng)技術(shù)，一個(gè)理想的人臉檢測系統(tǒng)應(yīng)該能夠排除位置，光線，方向等影響，在圖片或者視頻中準(zhǔn)確的檢測并且定位出人臉，由于人類面孔的復(fù)雜性，以及圖片，視頻拍攝環(huán)境的多樣性，在計(jì)算機(jī)領(lǐng)域，人臉識(shí)別技術(shù)成為了一個(gè)非常具有挑戰(zhàn)性的課題。
目前在國內(nèi)和國外研究
人臉識(shí)別技術(shù)的方法有很多，常用的方法有：基于幾何特征的人臉識(shí)別方法、基于代數(shù)特征的人臉識(shí)別方法、基于連接機(jī)制的人臉識(shí)別方法以及基于三維數(shù)據(jù)的人臉識(shí)別方法。下面我嗎就來介紹下基于幾何特征的人臉識(shí)別方法。
基于幾何特征的方法是一種自下而上的人臉檢測方法，由于人眼可以將人臉在不此研究人員認(rèn)為有一個(gè)潛在的假設(shè)：人臉或人臉的部件可能具有在各種條件下都不會(huì)改變的特征或?qū)傩裕缧螤?、膚色、紋理、邊緣信息等?；谔卣鞯姆椒ǖ哪繕?biāo)就是尋找上述這些不變特征，并利用這些特征來定位入臉。這類方法在特定的環(huán)境下非常有效且檢測速度較高，對(duì)人臉姿態(tài)、表情、旋轉(zhuǎn)都不敏感。但是由于人臉部件的提取通常都借助于邊緣算子，因此，這類方法對(duì)圖像質(zhì)量要求較高，對(duì)光照和背景等有較高的要求，因?yàn)楣庹?、噪音、陰影都極有可能破壞人臉部件的邊緣，從而影響算法的有效性。模板匹配算法首先需要人TN作標(biāo)準(zhǔn)模板(固定模板)或?qū)⒛０逑刃袇?shù)化(可變模板)，然后在檢測人臉時(shí)，計(jì)算輸入圖像與模板之間的相關(guān)值，這個(gè)相關(guān)值通常都是獨(dú)立計(jì)算臉部輪廓、眼睛、鼻子和嘴各自的匹配程度后得出的綜合描述，zui后再根據(jù)相關(guān)值和預(yù)先設(shè)定的閾值來確定圖像中是否存在人臉?；诳勺兡０宓娜四槞z測算法比固定模板算法檢測效果要好很多，但是它仍不能有效地處理人臉尺度、姿態(tài)和形狀等方面的變化?；谕庥^形狀的方法并不對(duì)輸入圖像進(jìn)行復(fù)雜的預(yù)處理，也不需要人工的對(duì)人臉特征進(jìn)行分析或是抽取模板，而是通過使用特定的方法(如主成分分析方法(PCA)、支持向量機(jī)(SVM)、神經(jīng)網(wǎng)絡(luò)方法(ANN)等)對(duì)大量的人臉和非人臉樣本組成的訓(xùn)練集(一般為了保證訓(xùn)練得到的檢測器精度，非人臉樣本集的容量要為人臉樣本集的兩倍以上)進(jìn)行學(xué)習(xí)，再將學(xué)習(xí)而成的模板或者說分類器用于人臉檢測。因此，這也是j種自下而上的方法。這種方法的優(yōu)點(diǎn)是利用強(qiáng)大的機(jī)器學(xué)習(xí)算法快速穩(wěn)定地實(shí)現(xiàn)了很好的檢測結(jié)果，并且該方法在復(fù)雜背景下，多姿態(tài)的人臉圖像中也能得到有效的檢測結(jié)果。但是這種方法通常需要遍歷整個(gè)圖片才能得到檢測結(jié)果，并且在訓(xùn)練過程中需要大量的人臉與非人臉樣本，以及較長的訓(xùn)練時(shí)間。近幾年來，針對(duì)該方法的人臉檢測研究相對(duì)比較活躍。
人臉識(shí)別技術(shù)是一種重要的生物特征識(shí)別技術(shù)，應(yīng)用非常廣泛。與其它身份識(shí)別方法相比，人臉識(shí)別具有直接、友好和方便等特點(diǎn)，因而，人臉識(shí)別技術(shù)問題的研究不僅有重要的應(yīng)用價(jià)值，而且在模式識(shí)別中具有重要的理論意義，目前人臉識(shí)別技術(shù)已成為當(dāng)前模式識(shí)別和人工智能領(lǐng)域的研究熱點(diǎn)。
會(huì)員1.png)