2021年人臉識別技術(shù)的應(yīng)用背景及研究現(xiàn)狀

1.下幾個方面（1）證件驗證在許多場合（如?？?，機(jī)場，機(jī)密部門等）驗證識別工作，從而實(shí)現(xiàn)自動化智能管理。24（4＞入□控制入□控制的范圍很廣，既包括了在樓宇，住宅等入□處的安全檢查，也包括了在迸入計算機(jī)系統(tǒng)或情報系統(tǒng)前的身份驗證。（5）表情分析根據(jù)人臉圖像中的面部變化特征，識別和分析入的情感狀態(tài)，如高興，生氣等。此外，人臉識別技術(shù)還在醫(yī)學(xué)，檔棄管理，入臉動畫，人臉建模，視頻會議等方面也有著巨大的應(yīng)用前景。2.M"MedialabAllabCMUHuman-ComputerInterfaceInstitute.MicrosoftResearch,英國的DepartmentofEngineeringinUniversityofCambridge樣本是否入臉。這種方法比較簡單，在早期的系統(tǒng)中采用得比較多。但是由于入臉特征的變化很大固定的元素，一種方法是手工構(gòu)造參數(shù)化的曲線和曲面以表征入臉中的杲些非固定特征，如眼睛，方法是將模板與測試圖像迸行彈性匹配，并加入懲罰機(jī)制，利用某種能量函數(shù)表示匹配程度。的尖鍵是精確的區(qū)分性和數(shù)據(jù)維數(shù)的降低。Kohonen自組Fisher網(wǎng)絡(luò)作為分類器。CMUFeraud等利用多個神經(jīng)網(wǎng)絡(luò)多層感知器（MLP）和約束產(chǎn)生式模型（CGMConstrainedGenerativeModel）,實(shí)現(xiàn)了一WEBShang-HungLin等訓(xùn)練了三個基于概率決策的神經(jīng)網(wǎng)絡(luò)（PDBNNProbabilisticDecisionBasedNeuralNetwork），M）Samaria等人HMMAdaBoost3.入臉識別技術(shù)在國內(nèi)的研80年代，主要的研究單位有清華大學(xué)，哈爾濱3D面剪影識別做了一定的研究，并實(shí)現(xiàn)了正，側(cè)面互相參照的識別系統(tǒng)。彭輝、張長水等對''特征4.因主要有以下的幾個方面入臉圖像的獲取過程中的不確定性（如光的方向，以及光的強(qiáng)度等）。入臉模式的多樣性（如胡須，眼鏡，發(fā)型等）。入臉?biāo)苄宰冃蔚牟淮_定性（如表情等）。所涉及的領(lǐng)域知識的綜合性（如心理學(xué)，醫(yī)學(xué)，模式識別，圖像處理，數(shù)學(xué)等）。正因為在人臉識別的過程中存在上述的各種各樣的問題，因此在實(shí)際的檢測和識別過程中，當(dāng)這些因素疊加3D是目前在實(shí)際應(yīng)用中使用得最多的一類方法，其主要原因是由于代數(shù)特征矢量（即人臉圖像在特征空間的投影結(jié)果）對角度，表情等因素都具有一定的穩(wěn)定性。但對于光照而言，似乎效果并不太明顯。這種代數(shù)的特征識別方法，無法應(yīng)用于人臉的表情識別。從某種意義上來說，人臉識別的各種方法，實(shí)際上就是