文档介绍：人脸识别算法综述
延秀娟 陈永锋 [摘 要] 本文通过工业界世界级人脸测试,说明人脸识别发展现状,分别从二维、三维角度,阐述了人脸识别算法现状,并对人脸识别算法发展趋势予以说明。
[关键词] 人脸识别 二维识别算法 三维人脸识别算法综述
延秀娟 陈永锋 [摘 要] 本文通过工业界世界级人脸测试,说明人脸识别发展现状,分别从二维、三维角度,阐述了人脸识别算法现状,并对人脸识别算法发展趋势予以说明。
[关键词] 人脸识别 二维识别算法 三维识别算法
一、引言
。人脸识别由于可接受性好,在生物识别领域得到较快的发展。人脸识别的研究范围广义上来讲大致包括以下五个方面的内容:人脸定位和检测、人脸表征(人脸特征抽取)、人脸鉴别、表情/姿态分析、生理分类五方面内容。
。目前有世界级的人脸检测算法测试项目,它的结论完全可以揭示人脸识别现状。最早是1993年,美国国防部高级研究项目署和美国陆军研究实验室FERET项目组,建立了FERET人脸数据库,用于评价人脸识别算法的性能。针对工业界的是在2002年,FRVT2O02对成熟的全自动人脸识别系统进行独立的技术评价,提供评价人脸识别系统满足大规模、真实世界应用能力的性能度量。FRVT2006是第一次将静态人脸识别、虹膜识别与3D人脸识别放在一起进行测试;与FRVT2002相比,静态人脸识别与3D人脸识别算法结合的错误率下降了一个数量级;FRVT2006是第一次将机器识别效果与人的识别能力进行比较,结果发现,在不同的光照环境下,给定一个低的虚警率,七个自动人脸识别算法的性能相当于或优于人的识别能力,若不指定虚警率,则七个算法中的三个算法的性能相当于或优于人的识别能力。
二、二维人脸识别算法综述
目前的人脸识别方法主要集中在二维图像方面,二维人脸识别主要利用分布在人脸上从低到高80个节点或标点,通过测量眼睛、颧骨、下巴等之间的间距来进行身份认证。人脸识别算法主要有:
:模板分为二维模板和三维模板,核心思想:利用人的脸部特征规律建立一个立体可调的模型框架,在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位,解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响。
:人脸图像矩阵的奇异值特征反映了图像的本质属性,可以利用它来进行分类识别。
:因其具有描述性强、计算代价小、易实现及可分性好等特点,被广泛地应用于人脸特征提取,成为了当前人脸识别的主流方法之一。
(Locality Preserving Projections,LPP)是一种新的子空间分析方法,它是非线性方法Laplacian Eigen map的线性近似,既解决了PCA等传统线性方法难以保持原始数据非线性流形的缺点,又解决了非线性方法难以获得新样本点低维投影的缺点。
(PCA)
PCA模式识别领域一种重要的方法,现在已被广泛地应用于人脸识别算法中,基于PCA人脸识别系统在应用中面临着一个重要障碍:增量学习问题。增量PCA算法由新增样本重构最为重要 PCS,但该方法随着样本的增加, 需要不断舍弃一些不重要