《人脸识别历史与前景.doc》由会员分享，可在线阅读，更多相关《人脸识别历史与前景.doc（2页珍藏版）》请在三一文库上搜索。
1、人脸识别技术发展历史及前景早在1988年Galton在Nature杂志上发表了一篇关于利用人脸进行身份识别的文章，对人类自身的人脸识别能力进行了分析。直到二十世纪末期，人脸识别技术才有了根本性的突破。人脸识别技术的发展大体分为以下三个阶段。第一阶段主要研究简单背景中的人脸识别和人脸识别过程中所需要的面部特征。Bledsoe的研究被认为是人脸识别研究的开端，在二十世纪六十年代中后期，利用人脸器官的局部特征来描述人脸，但这种方法仅对变形较小的正面人脸有一定的效果。到了二十世纪七十年代就有研发人员利用电脑搭建了质量较高的人脸灰度模型，此阶段面部识别过程几乎完全离不开操作人员，所构建的系统自动完成识别
2、任务。这种方法简单直观，但是一旦人脸姿态、表情发生变化，则精度严重下降。但对设计机器识别人脸算法和系统工程师们起到了重要的引导作用。第二阶段主要研究的是人机交互的人脸识别。Lesk和Harmon采用几何特征参数及多维特征向量共同描述人脸图像信息，同时基于这种思想开发了图像识别系统。Kobayashi和Kaya将统计的识别相关理论融入人脸识别中，并采用欧氏距离来描述面部特征，比如嘴唇和鼻子的距离等等。Stonharm提出了一种单隐层的自适应神经网络来进行人脸识别和表情分析，每一个人对应一个网络。这个阶段没有摆脱人的干预，还是需要操作员的某些先验知识。第三阶段是机器自动识别阶段。进入二十世纪九十年
3、代，随着计算机配置的不断提高，运算速度和效率也不断加快，以及图像采集加工能力的提高，人脸识别方法有了重大突破。不仅能自动识别正面的、光照良好的、没有遮挡的人脸，而且对不同姿态变化、不同表情、不同年龄阶段、不同光照条件的人脸也能进行识别。这一阶段研究人员提出了很多人脸自动识别的方法，在一定程度上带动了人脸识别技术的发展。从某种意义上来说，人脸识别的各种方法，实际上就是在寻找一种人脸的描述方式，但是要找到一种能够不受各种因素影响的描述方式非常地困难，无论是最早使用的几何描述方式以及后来比较常用的代数描述方式，都不可避免地存在各种干扰。我们只能是在以后的研究中，逐渐去完善人脸的描述方式，使之更加有效
4、，更加准确。人脸识别发展前景十分广泛，应用前景是十分广阔的。人脸识别技术被广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域: 1、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。2、电子护照及身份证。这或许
5、是未来规模最大的应用，国际民航组织已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。3、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。4、自助服务。如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。5、信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。但是使用生物
6、特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。尽管人脸识别技术有着广阔的应用前景，但是当前人脸识别技术存在很多问题：无论是在识别率，还是在防伪性上，都与指纹，视网膜等有着较大的差距，归根结底，影响人脸识别效果的原因主要有以下的几个方面：（1）人脸图像的获取过程中的不确定性（如光的方向，以及光的强度等）。（2）人脸模式的多样性（如胡须，眼镜，发型等）。（3）人脸塑性变形的不确定性（如表情等）。（4）所涉及的领域知识的综合性（如心理学，医学，模式识别，图像处理，数学等）。正因为在人脸识别的过程中存在上述的各种各样的问题，因此在实际的检测和识别过程
7、中，当这些因素叠加到一起的时候，情况就变得更加复杂。基于几何特征的识别方法，其存在的主要问题在于，没有形成一个统一的，优秀的特征提取标准。在描述人脸的时候，受到表情，光照，姿态的影响比较大，无法准确地描述人脸特征。尽管如此，基于几何特征的方法在处理人脸表情分析时，仍然是一个最有效的依据。同时，目前已经提出了很多改进的特征提取的算法，使得人脸几何特征的提取越来越趋于合理，这里面最具代表性的方法就是结合3D人脸信息的特征点提取技术。基于代数特征的识别方法是目前在实际应用中使用得最多的一类方法，其主要原因是由于代数特征矢量（即人脸图像在特征空间的投影结果）对角度，表情等因素都具有一定的稳定性。但对于光照而言，似乎效果并不太明显。这种代数的特征识别方法，无法应用于人脸的表情识别。