文档介绍：人脸检测与识别
*
第1页，共99页，编辑于2022年，星期四
人脸识别是一个活跃的研究领域，是人类视觉最杰出的能力之一。
虽然人脸识别的准确性要低于虹膜、指纹识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成辑于2022年，星期四
Yale人脸数据库：由耶鲁大学计算视觉与控制中心创建，包含15为志愿者的165张图片，包含光照、表情和姿态的变化。
CMU-PIE人脸数据库：由美国卡耐基梅隆大学创建，包含68人的41368张多姿态、光照和表情的面部图像；
CAS-PEAL人脸数据库：包含1040名中国人共99450幅头肩部图像，涵盖姿态、表情、饰物和光照四种主要变化条件，部分人脸图像具有背景、距离和时间跨度的变化。
（二）人脸公共数据库
*
第9页，共99页，编辑于2022年，星期四
国际上对人脸及人脸面部表情识别的研究现在逐渐成为科研热点。
国内外很多机构都在进行这方面的研究,尤其美国、日本。进入90 年代，对人脸表情识别的研究变得非常活跃，吸引了大量的研究人员和基金支持，EI 可检索到的相关文献就多达数千篇。
美国、日本、英国、德国、荷兰、法国等经济发达国家和发展中国家如印度、新加坡都有专门的研究组进行这方面的研究。其中MIT、CMU、Maryland 大学、Standford大学、日本城蹊大学、东京大学、ATR 研究所的贡献尤为突出。
（三）研究和发展现状
*
第10页，共99页，编辑于2022年，星期四
（三）研究和发展现状
国内关于人脸自动识别的研究始于二十世纪80年代，研究工作主要是集中在三大类方法的研究：
基于几何特征的人脸正面自动识别方法
基于代数特征的人脸正面自动识别方法
基于连接机制的人脸正面自动识别方法。
*
第11页，共99页，编辑于2022年，星期四
人脸检测子系统
人脸识别子系统
人脸定位与分割
人脸图像
规一化
特征提取
基于先验
知识人脸
检测法
基于统计
人脸检测法
模式分类
基于几何
的方法
基于
神经网络
SVM等
的方法
基于统计
的方法
（四）人脸检测与识别系统
数据采集
子系统
*
第12页，共99页，编辑于2022年，星期四
（五）人脸识别过程
*
第13页，共99页，编辑于2022年，星期四
一对一的验证过程
（五）人脸识别过程
*
第14页，共99页，编辑于2022年，星期四
一对多的辨别过程
（五）人脸识别过程
*
第15页，共99页，编辑于2022年，星期四
（六）人脸识别中的关键问题
光照问题
目前许多算法对光照条件都有不同程度的依赖，过亮过暗或偏光都会导致识别率的下降；
解决思路：
寻求对光照变化不敏感的底层视觉特征；
建立光照模型，进行有针对性的光照补偿，消除非均匀正面光照造成的影响；
用任意光照图像生成算法生成多个不同光照条件下的训练样本，采用具有学****能力的识别方法。
*
第16页，共99页，编辑于2022年，星期四
姿态估计与匹配
姿态的变化（偏转或俯仰等）会造成面部信息的部分缺失，影响人脸特征的精确提取；
解决思路
建立多姿态人脸数据库，通过多样本学****方法进行识别；
寻求基于姿态不变特征的方法，如基于弹性图匹配的识别方法、基于肤色模型的识别方法；
利用自动生成算法，在单视图基础上自动生成多角度视图进行识别。
（六）人脸识别中的关键问题
*
第17页，共99页，编辑于2022年，星期四
（七）人脸识别的主要研究内容
(1)人脸检测（Face Detection）
指在输入图像中确定所有人脸（如果存在）的位置、大小、位姿的过程。人脸检测是自动人脸识别系统中的一个关键环节。
(2)人脸识别
人脸识别细分为两类，一类是回答我是谁的问题，即辨认（Identification），另一类是回答这个人是我吗？即确认（Verification）。显然，用于Identification模式的识别系统对算法的运算速度的要求要高于Verification模式的识别系统。
*
第18页，共99页，编辑于2022年，星期四
从人脸自动识别技术所依据的理论来讲，人脸检测与人脸识别都是模式识别问题。
人脸检测是把所有的人脸作为一个模式，而非人脸作为另一个模式，人脸检测的过程就是将人脸模式与非人脸模式区别开来。
人脸识别是把每一个人的人脸作为一个模式来对待，不同人的脸属于不同的模式类，人脸识别的过程是将属于不同人的脸归于各自的模式。
人脸检测强调的是人脸之间的共性，而人脸识别则要区分不同人脸之间的差异，二者同属于模式分类问题。
（七）检测与识别
*
第19页，共99页，编辑于2022年，星期四
人脸检测