人脸识别的发展综述

人脸识别的发展综述

文/彭酉乾，河北科技大学信息科学与工程学院

人脸识别技术是现在非常火的一种生物识别技术。本文主要介绍了人脸识别发展过程，同时介绍了一下人脸识别技术常用的几种算法。

人脸识别；几何特征；特征脸；神经网络

1 引言

人脸识别技术是一种生物识别技术，该技术通过电脑来提取图像中的人脸信息，根据这些人脸信息来对人的身份进行验证[1]。人脸识别技术相对于其它生物识别技术，如指纹，虹膜等，具有非接触，快速简便，直观可靠，自主学习等优点，从而被人们广泛的应用。人脸识别技术的主要应用范围有：人员管理系统，如通过人脸考勤机来进行打卡；刑事案件的侦破；关键地点的安全监控；人机交互；金融支付等。

2 人脸识别技术的发展历程

早在1965年，Chan和Bledsoe就发表了一篇关于人脸识别的文章，在那个时候就已经开始有人对人脸识别技术进行研究。从那开始越来越多的人开始研究人脸识别技术，人脸识别技术已经有了半个多世纪的研究历史。随着，人脸识别技术的不断发展，人脸的识别率和匹配率得到了大大提升。

人脸识别技术主要经历了以下3个阶段。

（1）从1964年到1990年，这个阶段是人脸识别的初期阶段，主要研究的是人脸的面部几何结构，主要工作就是提取人脸的几何特征并对其进行分析。该阶段没有太多的成果问世，因此人脸识别的实际应用也没有诞生。这个阶段主要人物有Harmon，Kanade，Bled soe等。

（2）从1991年到1997年，越来越多的科学家投入到人脸识别的研究中。在这一阶段，一个非常重要的算法被提出，即“特征脸”（Eigenface），该算法是由麻省理工的Turk和Pentland提出的。这一时期的主要贡献人物有Turk，Prentland、Bruneli等。

（3）从1998年到现在，人们开始考虑在各种各样的情况下对图像进行人脸识别，如人脸的角度，光照的强弱等这些问题慢慢变成研究的热点问题。同时，越来越多的人脸识别的技术被应用到了实际生活中，如人脸考勤机，人脸支付等。在这之后，三维人脸建模的方法被人提了出来，并逐渐成为一种新的发展方向。

3 人脸识别技术的常用算法

3.1 基于几何特征

这是人脸识别的早期算法，通过计算人脸面部特征点之间的相对距离，如眼睛之间的距离眼睛到鼻子的垂直距离等，从而得到人脸的特征向量。我们可以比较这些特征向量，来找到最佳的人脸匹配对象。该算法的优点有：原理容易理解；只存储特征向量，占用资源少；对光照的不敏感，强光或弱光下都能实现。但是这种算法也有一些缺点：很难得到稳点的特征向量；没有考虑图像中的细节信息；识别率比较低。

3.2 基于特征脸

特征脸主要依据的是主要成分分析法而提出的一种人脸识别技术。主要成分分析法主要依赖于KL正交变换（Karhunen-Loevetr ansform）的一种方法，通过这种技术来对提取人脸图像的统计特征，从而在其子空间模型下进行人脸识别。该方法具有简单，快速，实用的优点。缺点是：局限性大，对训练图像和测试图像的相关性要求很高；人脸的角度，光照的强度，人脸的表情都会影响识别率，使得识别率变低。

3.3 基于神经网路

神经网络是现在比较火的人脸识别的研究算法，主要依赖的是BP神经网络学习[2]。人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。它信息处理的方式模拟的是人脑神经网络的信息处理方式。它由处理单元和单元之间的连接构成。主要过程是，建立一个神经网络模型，将得测图像中的像素和神经网络的神经元建立对应关系。该算法的优点是特征提取比较简单，适应性强；处理的过程速度非常快。缺点是当神经元较多时，训练时间会加长。

4 小结

目前，人脸识别技术依旧处于发展阶段，还有许多的问题需要解决，如人年龄的变化，大规模的人脸识别，人脸遮挡和表情变化，人脸的角度等诸多问题。需要更多的研究者不断的投入精力和时间，探索问题的解决办法和人脸识别的发展方向。随之人脸识别技术的不断发展，未来将会有更多的方面用到人脸识别，从而使我们的生活变得的更加方便便捷，安全可靠。

[1]梁文莉.基于独立成分分析的人脸识别算法研究[D].西安：西安科技大学,2012.

[2]雷明.基于小波变换与奇异值分解的人脸识别技术研究[D].沈阳：沈阳工业大学,2007.