人臉識(shí)別技術(shù)的主要研究方法

1、緒論前模式識(shí)別和人工智能領(lǐng)域的研究熱點(diǎn)。本章將簡(jiǎn)單介紹幾種人臉識(shí)別技術(shù)的研究方法。關(guān)鍵詞：人臉識(shí)別2、人臉識(shí)別技術(shù)的主要研究方法2．1圖2．1人臉識(shí)別流程圖3、基于幾何特征的人臉識(shí)別方法噪音、陰影都極有可能破壞人臉部件的邊緣，從而影響算法的有效性。模板匹配算法首先需要人TN狀等方面的變化。取模板，而是通過(guò)使用特定的方法(如主成分分析方法(PCA)、支持向量機(jī)(SVM)、神經(jīng)網(wǎng)絡(luò)方法(ANN)等)對(duì)大量的人臉和非人臉樣本組成的訓(xùn)練集(一般為了保證訓(xùn)練得到的檢測(cè)器精度，非人臉樣本集的容量要為人臉樣本集的兩倍以上)進(jìn)行學(xué)習(xí)，再將學(xué)習(xí)而成的模板或者說(shuō)分類器用于人臉檢測(cè)。因此，這也是j該方法在復(fù)雜背景下，多姿態(tài)的人臉圖像中也能得到有效的檢測(cè)結(jié)果。但是這種方法通常需要遍歷整個(gè)圖針對(duì)該方法的人臉檢測(cè)研究相對(duì)比較活躍。4、基于代數(shù)特征的人臉識(shí)別方法質(zhì)的數(shù)據(jù)特征來(lái)表示人臉的特征。設(shè)人臉圖像),(yxINM×灰度圖像，同樣可以看成是NMn×=維列向量，可視為NM×維空間中的一個(gè)點(diǎn)。但這樣的一個(gè)空間中，并不是空間中的每一度量。在基于代數(shù)特征的人臉識(shí)別方法中，主成分分析法Fisher線性判別分析是研究最多的方法。本章簡(jiǎn)要介紹介紹了PCA。完整的PCA(PrincipalComponentAnalysis)人臉識(shí)別的應(yīng)用包括四個(gè)步驟：人臉圖像預(yù)處理；讀入人函數(shù)進(jìn)行識(shí)別。詳細(xì)描述如下：讀入人臉庫(kù)列相連就構(gòu)成n2維矢量，可視為n2維空間中的一個(gè)點(diǎn)，可以通過(guò)K-L像。計(jì)算K．L訓(xùn)練樣本集的總體散布矩陣為產(chǎn)生矩陣，即或者寫成:xiin2×n2解決維數(shù)過(guò)高的問(wèn)題。(AVD)定理計(jì)算圖像的特征值和特征向量設(shè)A是一個(gè)秩為r的行n×r維矩陣，則存在兩個(gè)正交矩陣和對(duì)角陣：其中凡 則這兩個(gè)正交矩陣和對(duì)角矩陣滿足下式：!其中 為矩陣 的非零特征值，把訓(xùn)練圖像和測(cè)試圖像投影到特征空間每一副人臉圖像向特征臉子空間投影，得到一組坐標(biāo)系數(shù)，就對(duì)應(yīng)于子空間中的一個(gè)點(diǎn)。同樣，子空間中的任一點(diǎn)也對(duì)應(yīng)于～副圖像。這組系數(shù)便可作為人臉識(shí)別的依據(jù)，也就是這張人臉圖像的特征臉特征。也就是說(shuō)任何一幅人臉圖像都可以表示為這組特征臉的線性組合，各個(gè)加權(quán)系數(shù)就是也就是向量可用于人臉檢測(cè)，如果它大于某個(gè)閾值，可以認(rèn)為f是人臉圖像，否則就認(rèn)為不是。這樣原來(lái)的人臉圖象識(shí)別問(wèn)題就轉(zhuǎn)化為依據(jù)子空間的訓(xùn)練樣本點(diǎn)進(jìn)行分類的問(wèn)題。5、基于連接機(jī)制的人臉識(shí)別方法基于連接機(jī)制的識(shí)別方法的代表性有神經(jīng)網(wǎng)絡(luò)和彈性匹配法。神經(jīng)網(wǎng)絡(luò)(ANN)在人工智能領(lǐng)域近年來(lái)是一個(gè)研究熱門，基于神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)進(jìn)行人臉特征提取和特網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)、自組織網(wǎng)絡(luò)以及模糊神經(jīng)網(wǎng)絡(luò)等n¨BP網(wǎng)絡(luò)的運(yùn)算量較小耗時(shí)也短，它的自適應(yīng)功能使系統(tǒng)的魯棒性增強(qiáng)。神經(jīng)Gutta等人結(jié)合RBF與樹型分類器的混合分類器模型來(lái)進(jìn)行人臉識(shí)別乜螂1。Lin等人采用虛擬樣本進(jìn)行強(qiáng)化和反強(qiáng)化學(xué)習(xí)，采用模塊化的網(wǎng)絡(luò)結(jié)構(gòu)網(wǎng)絡(luò)的學(xué)習(xí)加快，實(shí)現(xiàn)點(diǎn)位置周圍的特征信息¨性，且能適應(yīng)表情和視角的變化，其在理論上改進(jìn)了特征臉?biāo)惴ǖ囊恍┤秉c(diǎn)。6、基于三維數(shù)據(jù)的人臉識(shí)別方法一個(gè)完整的人臉識(shí)別系統(tǒng)包括人臉面部數(shù)據(jù)的獲取、數(shù)據(jù)分析處理和最終結(jié)果輸出三個(gè)部分。圖2-1、用分類器做分類判別，輸出最后決策結(jié)果?；谌S數(shù)據(jù)的方法的代表性是基于模型合成的方法和基于曲率的方法。3D增強(qiáng)人3D2003D3D卜捌?；谛螤罨謴?fù)的3D增強(qiáng)人臉識(shí)別算法是利用通用的3D與光源情況。曲率是最基本的表達(dá)曲面信息的局部特征，因而最早用來(lái)處理3D人臉識(shí)別問(wèn)題的是人臉曲面的曲率。Lee禾lJ用平均曲率和高斯曲率值，將人臉深度圖中凸的區(qū)域分割出來(lái)。7、本章小結(jié)上面研究的各種識(shí)別方法都獲得了一定的成功，但各有優(yōu)缺點(diǎn)：定的特征，尤其是特征受到遮擋或有較大表情變化時(shí)，其對(duì)姿態(tài)變化的魯棒性也較差?；诖鷶?shù)特征的識(shí)別方法通過(guò)各種變換方法來(lái)提取主分量，代數(shù)特征向量是具有一定穩(wěn)定性的，基于該方法的識(shí)別系統(tǒng)對(duì)不同的角度和表情都有一定的魯棒性。像數(shù)據(jù)量龐大的影響，識(shí)別時(shí)間長(zhǎng)，特別是當(dāng)樣本數(shù)量大大增加時(shí)，會(huì)嚴(yán)重影響其性能。難，且需要很大數(shù)據(jù)存儲(chǔ)和計(jì)算量。同。參考文獻(xiàn):1、卓永亮.基于web的人臉檢測(cè)與人臉識(shí)別2、李寅.基于代數(shù)特征的人臉識(shí)別研究及其D