文档介绍：人脸识别技术与应用摘要:人脸识别技术有着重要的应用,同时因为人脸识别易受干扰,对此课题的研究也面临着许多困难之处,本文分析研究了目前流行的几种主要的人脸识别方法,指出了克服研究难点的方法,并对未来的研究做出来展望,提出了有前景的研究方向。键词: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生物识别技术的一种,它结合了图像处理、模式识别、人体生理学、认知科学等多个研究领域,由于人脸识别在身份认证、视觉监控等方面有极其广泛的应用前景,与指纹等其他生物特征识别方法相比,虽然人脸识别的唯一性相比指纹与虹膜识别要差,但是对于安全性要求一般的情况下,人脸识别已经足够满足需求。人脸识别拥有友好、直接、信息易获取等突出特点,近年来,人脸识别一直是科技工作者研究的热点问题。人脸识别技术是指利用从包含人脸的静态或动态图像信息中,提取出人脸的生物特征,通过某种算法,将该生物特征与已知信息做对比,从而识别出人的身份。人脸识别技术研究早期,Bledsoe[1]以人脸特征点的间距、比率等参数为依据,建成了一个半自动的人脸识别系统。在三维人脸研究过程中,Parke[2]将人脸模型参数化,并且可以通过参数的变化产生简单的动画。随后出现了使用人脸纹理合成图像技术、几何模型变形建模方法等。2人脸识别系统的构成人脸识别系统主要由人脸的检测与定位[3]、人脸的规范化、人脸表征、人脸识别几部分组成。对于一张输入图像,首先要对其进行分析,从中提取出有可能存在的人脸,之后对人脸进行规范化处理,校正人脸在光照、角度等方面的的变化。然后利用某种算法将检测出的人脸表示出来,最后将表示出的数据与数据库中的数据进行比对匹配。3人脸识别的难点分析能够影响人脸识别的因素很多[4],最典型的如光照、姿势、表情、背景、年龄等,这些因素的变化都会使人脸图像产生明显差别,从而使识别准确率大幅度下降,目前还没有行之有效的算法能够完全解决消除这些因素的影响。光照和姿态两个因素是影响人脸识别的两个最重要因素。为了消除它们对识别结果的影响,对于光照影响,广泛采用的方法是扩大样本空间,收集各种光照和姿态下的样本,识别匹配时考虑输入图像与多种条件下的样本差异。另一种方法是结合多种识别方法,利用直方图均等化等技术对图像进行处理,改进人脸处的亮度和对比度。姿态影响方面,可以采用弹性图匹配的方法,对面部的关键特征点变化进行跟踪,估计姿态参数。。基本思想是利用人脸的主要结构特征点的相对位置和相对距离。这种方法用一个几何特征矢量将人脸表示出来。首先检测到人脸部的特征点,通过测量这些特征点的相对距离,得出特征矢量,如鼻子、眼睛、嘴的宽度和位置,以及它们之间的欧式距离,用这些特征矢量来表示人脸。将获取的特征矢量和数据库中已有的数据进行匹配,直到找到最佳匹配结果。基于几何特征的方法原理简单,识别速度快,缺点是准确率低。,使人脸图像经变换后不但处于低维空间,且具有良好的人脸表征能力和聚类性。该方法主要分为以下三种:(PCA)[5]。主分量分析是一种常用的方法。它根据图像的统计特性进行正交变换(K-L变换),以消除原有向量各个分量之间的相关性。KL变换是图像压缩中的一种最