输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和 犯罪记录。这并非虚构的情节。在国外，人脸识别技术早已被大量使用在国家 重要部门以及军警等安防部门。在国内，对于人脸识别技术的研究始于上世纪 年代，目前主要应用在公安金融网络安全物业管理以及考勤等领域。 人脸识别国内外发展状况 人脸识别技术从应用层面上主要可分为人脸检测人脸识别查询人脸识 别身份认证，目前，我国从事人脸识别技术研究的单位有很多，使得生物特征 识别技术形成缩小了与国外的差距。年，以清华大学和中科院自动化研 究所为代表的北京奥运会实名制票证系统的实施将生物特征识别技术又推到了 个新的水平，为我国生物识别技术在安防领域的应用打下了坚实的基础。 人脸识别检测研究，主要包括人脸检测技术和人脸识别技术的研究。人西北大学本科毕业论文 脸识别检测是指对于任意幅给定的图像，采用定的策略对其进行搜索以确 定其中是否含有人脸，如果是，则返回人脸的位置大小和姿态，接着对人脸 进行识别。它是个复杂的具有挑战性的模式检测问题。同时，人脸检测要走 向实际应用，精度和速度是亟需解决的两个关健问题，自世纪年代以来， 人脸检测的精度得到了大幅度的提高，但是速度却直达不到应用系统用户满 意的程度，为此研究者们付出艰辛的努力，直到世纪基于 算法的人脸检测器的发表，人脸检测的速度才得到了实质性的提高，该算法的 发表也促进了人脸检测研究的进步蓬勃发展。按照人脸识别的自动化程度， 人脸识别的发展经历了以下三个阶段 第阶段是机械式识别阶段早期的人脸识别，是在已经得到个正面人 脸图像的基础上进行的，以为代表，主要研究人脸 识别所需要的面部特征。在的系统中，用个简单的语句与数据 库中的张脸相联系，同时与指纹分析相结合，提供了个较强的识别系统。 为了提高脸部识别率，为待识别脸设计了种有效且逼真的摹写。 则用计算机实现了这想法，并产生了较高质量的人脸灰度图模型。但是，这 阶段的人脸识别过程全部依赖于操作人员，没有实现系统的自动识别功能。 第二阶段是人机交互式识别阶段这阶段所采用的主要技术方案是基于人 脸几何结构特征的研究方法，此方法的思想是首 先检测出眼鼻嘴等脸部主要部件的位置和大小，然后利用这些部件的总体 几何分布关系以及相互之间的参数比例来识别人脸，忽略了局部细微特征，更 适合于粗分类。代表性工作有和等人用几何特征参数 来表示人脸正面图像。他们采用维特征矢量表示人脸面部特征，并设计了基 于这特征表示法的识别系统。和则采用了统计识别的方法， 用欧氏距离来表示人脸特征如嘴唇与鼻子之间的距离，嘴唇的高度等。更进 步地，设计了个高速且有定知识导引的半自动回溯识别系统，创 造性地运用积分投影法从单幅图像上计算出组脸部特征参数，再利用模式分 类技术与标准人脸相匹配。的系统实现了快速实时的处理，促进了人脸 识别系统走向实际应用领域。不足的是，此类方法仍需要利用操作员的些先 验知识，仍然摆脱不了人的干预。基于的视频人脸识别系统的设计与实现 第三阶段是真正的机器自动识别阶段世纪年代以来，人脸识别技 术发展非常迅速，所提出的算法在较理想图像采集条件用户配合中小规模 正面人脸数据库上达到了非常好的性能，也因此出现了若干知名的人脸识别商 业公司，人脸识别的商业系统得到了进步发展。从技术角度上看，人脸图 像线性子空间判别分析统计表观模型统计模式识别方法是这阶段内的主 流技术。但是，主流的人脸识别技术在非约束环境下多姿态遮挡等多种变化 因素，识别率下降非常快，不能满足实际应用。总体而言，目前建立个鲁棒 的人脸识别系统仍然是个很困难的问题。非理想成像条件下尤其是光照和 姿态用户不配合大规模人脸数据库上的人脸识别问题逐渐成为研究的热点 问题。 人脸识别研究的意义 人脸识别是机器视觉和模式识别领域最富有挑战性的课题之，同时也具 有较为广泛的应用意义。人脸识别技术是个非常活跃的研究领域，它覆盖了 数字图像处理模式识别计算机视觉神经网络心理学生理学数学等 诸多学科的内容。如今，虽然在这方面的研究已取得了些可喜的成果，但是 在实际应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的， 而且人脸本身又是个柔性物体，表情姿态或发型化妆的千变万化都给正 确识别带来了相当大的麻烦。如何能正确识别大量的人脸并满足实时性要求是 迫切需要解决的问题。 人脸识别的技术应用 随着技术的进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。 电子护照及身份证。这或许是未来规模最大的应用，国际民航组织 已确定，从年起，其个成员国家和地区，必须使用机读护照，人脸识点均包含特征向量，用来记录人脸在顶点位置附近的信息。三是基 于神经网络的人脸识别方法，该方法模拟人类大脑神经网络的结构和工作机理， 构建种类似人脑的计算模型。本文主要用基于神经网络的方法进行人脸识别， 下节将详细介绍这方法。其次还有线段距离的人脸识别方 法和支持向量机的人脸识别方法。 基于神经网络的人脸识别方法 人工神经网络是通过模拟人类大脑神经网络的结构和工作机理，构建种类 似人脑的计算模型。人工神经网络的识别方法在人脸识别中的应用有很长的历 史，它有其特殊的适合于人脸识别的优势。它不像其他的方法那样要用套由 人来确定的规则，同时也避免了复杂的特征提取工作，他能根据有代表性的样 本进行学习。神经网络以并行方式处理信息，如果能用硬件实现，就能显著提 高速度。神经网络在人脸识别性别识别中都有广泛的应用。 人工神经网络进行人脸识别主要有两种结构。第，为所有已知人脸建立 个神经网络可对所有已知人脸进行分类和识别。这种结构要求用所有人脸的西北大学本科毕业论文 特征对网络进行训练，训练好的网络连接权值是所有人脸特征的隐含表示，这 种形式只需个神经网络，但网络规模很大，权系数要求较多，存储量要求也 较大，训练时间较长。由于系统每增加个人，都要对网络经行重新训练，因 此这种系统性能不佳。第二，对每个人建立种神经网络这种神经网络的 目的是区分每对人，因此只需对着对人进行训练，网络的权系数隐含区分 这对人脸的个性特征，固网络的规模小，权系数少，存储量和训练时间也少。 同时，对每对人的训练只需这对人的特征，与其他人无关，固系统具有良 好的模块化结构，可扩展性能好。本节介绍基于多层感知器神经网络的人脸识 别方法。 多层感知器是个多层前馈神经网络，由输入层个或多个隐层以及个 输出层组成，其学习算法采用算法。多层感知器在训练的过程中，第层权 值决定了超平面在空间的取向，网络的不断训练，标志着由超平面所形成的超 空间在不断的变化。在隐层数足够多的情况下，由超平面所形成的线性区域将 无穷多，其第隐层可以在模式空间实现各种超平面分割第二隐层实现第 隐层的逻辑与运算，即将其分割的模式超平面空间按类别进行空间划分 而输出层由第二隐层的输出值进行逻辑或运算，即将进行逻辑与运算 的属于同类的超平面进行归类。 神经网络分三层，即输入层隐层输出层。记输入层神经元数为，隐 含层神经元数为，输出层神经元数为。对于人脸识别数为的人脸识别问题 来说，网络输出层的神经元数就取为人脸类别数，对于任意个人脸测试图 像，可根据网络输出层输出矢量的最大分量分类。人脸图像矢量的维数通常 比较大，而训练样本数通常比较小，所以设计用于人脸识别的神经网络分 类器比较困难。为了实现具有推广能力强的分类器，可以从特征压缩着手， 压缩输入矢量的维数，并适当的选择隐层的神经元数。为了加快网络训练的收 敛速度，可对输入矢量做标准化处理，并给个连接权适当的赋予初值。 网络的隐层可以认为是输入层和隐层之间的连接权值的自组织化对输入 模式进行特征抽取，并将抽取出的特征传递给输出层，关于隐层的神经元数 的选取尚无理论上的指导。般地，隐层的神经元数大，网络的冗余性大， 增加了网络次训练的训练时间，尽管使网络收敛的训练次数会减少，但会降基于的视频人脸识别系统的设计与实现 低分类器的推广能力。为了保证分类器的稳定性，显然网络未知连接权值的个 数不宜超过训练样本值的个数，所以隐层的神经元数应该满足下要求 人脸识别网络输出层的神经元数取为人脸类别数，而通过特征压缩网络 输入层的神经元数也是取为人脸类别数，这样可按下式选取隐层的神经元数 。 即网络隐层的神经元数是取为训练样本数的半。由于常采用的 激励函数的曲线两端平坦，中间部分变化剧烈，为了提高网络的收敛速 度对网络输入矢量的每个分量化为均值为，方差为的标准形式。般认为连 接权值初值可在区间，内随机选取。对人脸校准图像用类间相关矩阵 作为变换的产生矩阵，可抽取出维的识别特征，将维的识别特征矢量 做为网络的输入矢量，每训练个样本，修正次连接权值。训练好网络后， 就可用它对新输入的人脸进行识别。 本章小结 本章主要介绍了人脸识别的些方法以及人脸识别和生物特征识别的区 别，主要的人脸识别方法有几何特征的人脸识别基于特征脸的人脸识别方 法神经网络的的人脸识别弹性匹配的人脸识别方法线段距离 的人脸识别方法和支持向量机的人脸识别方法。本文主要用基于神经网 络的人脸识别方法进行人脸识别。 人脸检测核心算法 人脸检测算法在人脸识别中的作用 人脸检测是人脸识别中的项关键技术，人脸检测是指判定任意给定幅 图像或者组图像序列中是否存在人脸。如果存在，则返回其位置和各个人脸 所占的区域。在输入图像中确定所有的人脸存在的位置，大小，位姿的过程。 是自动人脸识别系统的个关键环节。西北大学本科毕业论文 人脸检测最初是随着人脸识别的研究而提出的,但随着计算机视觉技术的发 展,人脸检测受到越来越高的重视而作为个的课题提出。人脸检测长期 以来受检测的精度和检测的速度困扰,直到上世纪年代,由提出的基于 算法极大地提高了人脸检测地速度的和精度,使人脸检测技术真正走 向实用。人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流进 行检测，首先判断其是否存在人脸,如果存在人脸，则进步的给出每个脸 的位置大小和各个主要面部器官的位置信息。并依据这些信息，进步提取 每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个 人脸的身份。 人脸检测算法 人脸检测的算法有很多。是基于模版匹配的算法，其核心思想是利用人的 脸部特征规律建立个立体可调的模型框架，在