第一篇：人臉識(shí)別綜合實(shí)踐報(bào)告

人臉識(shí)別綜合實(shí)踐報(bào)告 一、實(shí)踐背景 人臉識(shí)別技術(shù)作為生物特征識(shí)別領(lǐng)域中一種基于生理特征的識(shí)別，是通過(guò)計(jì)算機(jī)提取人臉特征，并根據(jù)這些特征進(jìn)行身份驗(yàn)證的一種技術(shù)。同其它生物識(shí)別技術(shù)相比，人臉識(shí)別技術(shù)具以下優(yōu)越性：①不需要人工操作，是一種非接觸的識(shí)別技術(shù)；②快速、簡(jiǎn)便；③直觀、準(zhǔn)確可靠；④性價(jià)比高，可擴(kuò)展性良好；⑤可跟蹤性好；⑥具有自學(xué)習(xí)功能。人臉識(shí)別技術(shù)是一種精度高、方便使用、魯棒性好，而且很難假冒、性價(jià)比高的生物特征識(shí)別技術(shù)。由于人臉識(shí)別具有以上優(yōu)點(diǎn)，因此應(yīng)用非常廣泛，主要應(yīng)用范圍有：①檔案管理系統(tǒng)，如有些大型公司和學(xué)校都用人臉識(shí)別來(lái)進(jìn)行考勤打卡；②安全驗(yàn)證系統(tǒng)信用卡驗(yàn)證；③刑事案件偵破；④出入口控制，如北京奧運(yùn)會(huì)和杭州 G20 峰會(huì)應(yīng)用人臉識(shí)別技術(shù)進(jìn)行安保；⑤人機(jī)交互領(lǐng)域；⑥金融行業(yè)，如支付寶推出了刷臉功能。人臉識(shí)別技術(shù)應(yīng)用前景廣闊。

二、實(shí)踐概況 實(shí)習(xí)時(shí)間：2017-3-7 至 2017-4-29

實(shí)習(xí)公司：新秩序電子科技有限公司

實(shí)習(xí)目的：在實(shí)習(xí)中接觸社會(huì)，學(xué)習(xí)市場(chǎng)營(yíng)銷的基本知識(shí)，掌握市場(chǎng)營(yíng)銷的基本技能，在實(shí)踐中鍛煉自己在與人溝通、團(tuán)隊(duì)合作、制定計(jì)劃、應(yīng)對(duì)危機(jī)等各方面的能力，發(fā)現(xiàn)自身的各種問(wèn)題和缺點(diǎn)并采取實(shí)際行動(dòng)改進(jìn)。

實(shí)習(xí)任務(wù)：通過(guò)面試被聘為新秩序電子科技有限公司的一名實(shí)習(xí)生，在其銷售部擔(dān)任一名市場(chǎng)營(yíng)銷人員，參與公司人臉識(shí)別產(chǎn)品的市場(chǎng)維護(hù)及拓展的營(yíng)銷計(jì)劃。

三、實(shí)踐方法及內(nèi)容 （一）人臉識(shí)別內(nèi)容 本實(shí)踐提出的分布式人臉識(shí)別模型中有多個(gè)代理，并且每個(gè)代理可以同時(shí)識(shí)別多個(gè)視頻中的行人，為了避免代理處理任務(wù)量不均導(dǎo)致的時(shí)間延遲，對(duì)每個(gè)代理處理的任務(wù)量采用遺傳算法（GA）進(jìn)行負(fù)載均衡。假設(shè)有ｋ個(gè)代理要處理 m 個(gè)視頻，每個(gè)視頻中有多個(gè)行人，第 i 個(gè)代理處理的 ID 號(hào)為iAID，處理的視頻集合為 } ,..., , {2 1iin i i iV V V V ?，其中 i 的范圍是（0，k），in 是第 i 個(gè)代理中的視頻個(gè)數(shù)，)＜n 0(im ?，iV 中第 j 個(gè)視頻的行人個(gè)數(shù)為ijP，)n ＜j 0(i?。

首先對(duì) GA 中的染色體進(jìn)行初始化，以第 i 個(gè)代理為例，將ij ij iP V AID , , 這 3個(gè)參數(shù)作為一個(gè)節(jié)點(diǎn)，由于第 i 個(gè)代理中有in 個(gè)視頻，所以就有in 個(gè)這樣的節(jié)點(diǎn)，將這in 個(gè)節(jié)點(diǎn)作為第 i 個(gè)染色體的基因。第 i 個(gè)染色體由iChrom，來(lái)表示，iChrom初始化結(jié)果如下所示:)., ,(),..., , ,(),..., , ,(), , ,(:2 2 1 1i iin in i ij ij i i i i i i i iP V AID P V AID P V AID P V AID Chrom

本實(shí)踐采用的適應(yīng)值函數(shù)如下：

???injij iP c F1/

其中 c 是小于 1 的隨機(jī)數(shù)。

其次，使用輪盤賭方式進(jìn)行選擇操作，根據(jù)計(jì)算公式獲得選擇結(jié)果?？紤]個(gè)體優(yōu)劣差距較大的情況，根據(jù)染色體的數(shù)量，選擇不同質(zhì)量的染色體進(jìn)行遺傳。

???kii i chromF F i P1/)（在遺傳操作中，選擇兩點(diǎn)交叉方法進(jìn)行交叉操作，根據(jù)染色體長(zhǎng)度的不同，設(shè)定這兩個(gè)交叉點(diǎn)的選擇范圍，令第一個(gè)交叉點(diǎn)的位置為第一個(gè)基因節(jié)點(diǎn)，假設(shè)這兩條染色體中最短的染色體長(zhǎng)度為minL，則第二個(gè)交叉點(diǎn)的選擇范圍即為

[min min, 2 / L L ]。

為了避免過(guò)早收斂使算法進(jìn)入局部最優(yōu)，及保證種群的多樣性，根據(jù)染色體的適應(yīng)值對(duì)交叉概率cP 和變異概率mP 增加了一些隨機(jī)性操作，cP 和mP 的計(jì)算公式如下所示: 2211MaxFFkMaxFFk P c? ?? ?

??? ?FMinFkMaxFFk P m413 其中:1MaxF 是染色體中最大的適應(yīng)值，2MaxF 是染色體中第二個(gè)大的適應(yīng)值，MinF 是染色體中最小的適應(yīng)值，3 2 1k k k、、和4k 是[0,1]的隨機(jī)數(shù)。

為了盡快縮小染色體之間的優(yōu)劣差距，在傳統(tǒng)的 GA 算法中加入了遷移操作，即通過(guò)將最差染色體中的最大基因遷移至最優(yōu)的染色體中來(lái)完成該操作。

最常用的停比準(zhǔn)則是選擇一個(gè)比較大的數(shù)作為迭代次數(shù)。但在本實(shí)踐中，為了不錯(cuò)過(guò)最優(yōu)解，設(shè)置了一個(gè)閡值函數(shù)，公式如下: ? ＞ /MaxF F? 其中：參數(shù) ? 是一個(gè)閾值，這個(gè)閾值小于 1。

本實(shí)踐負(fù)載均衡操作的步驟如下: 步驟 1:服務(wù)器接收代理發(fā)送的信息，并初始化為染色體。

步驟 2:根據(jù)公式計(jì)算每條染色體的適應(yīng)值。

步驟 3:根據(jù)公式執(zhí)行選擇運(yùn)算。

步驟 4:計(jì)算公式，如果沒(méi)有滿足預(yù)定的閡值，則執(zhí)行步驟 5~步驟 7;如果滿足預(yù)定閡值，則停止。

步驟 5:根據(jù)公式計(jì)算交叉概率cP 判斷是否執(zhí)行交叉操作，并且重復(fù)步驟 2和步驟 3。

步驟 6:根據(jù)公式計(jì)算變異概率mP，如果不能執(zhí)行變異操作，則執(zhí)行遷移操作，并且重復(fù)步驟 2 和步驟 3。

步驟 7:轉(zhuǎn)到步驟 4 繼續(xù)。

（二）

實(shí)習(xí)內(nèi)容 1.了解新秩序公司 在接受新秩序公司人事部主管、營(yíng)銷部等相關(guān)人員的基本培訓(xùn)，了解公司的基本概況。新秩序電子科技有限公司是一家研發(fā)、生產(chǎn)、銷售新型電子產(chǎn)品于一體的高科技有限公司，公司產(chǎn)品旨在降低客戶設(shè)備購(gòu)置和使用成本。

在培訓(xùn)的那天，三位公司職務(wù)不低的培訓(xùn)人員在上午連續(xù)培訓(xùn)幾個(gè)小時(shí)后，只在報(bào)告廳的桌子上睡了一下又接著在下午給我們進(jìn)行精彩的培訓(xùn)，在中午的時(shí)候他們完全可以享受更好的休息條件，但他們卻沒(méi)有。在這種行為之中我感受到了公司中人的那種敬業(yè)的精神、能吃苦的精神。這也促使我之后在網(wǎng)上搜索該公司更多的信息，使我對(duì)公司有了更深刻的了解。

2.拜訪經(jīng)銷商，督促其下單，了解市場(chǎng)信息

（1）跟著業(yè)務(wù)經(jīng)理一起到各市縣拜訪各級(jí)經(jīng)銷商，了解公司人臉識(shí)別產(chǎn)品出貨價(jià)格、出貨渠道、出貨時(shí)的促銷優(yōu)惠措施等，同時(shí)了解各級(jí)經(jīng)銷商所賣其他競(jìng)爭(zhēng)人臉識(shí)別產(chǎn)品的各種信息，針對(duì)人臉識(shí)別產(chǎn)品信息做出人臉識(shí)別產(chǎn)品銷售策略的調(diào)整。

（2）一些大的經(jīng)銷商不用督促其進(jìn)貨，溝通是最佳的手段，只要溝通的好他們會(huì)很容易的按其需求進(jìn)貨。只要情感的溝通技巧用的好，比說(shuō)人臉識(shí)別產(chǎn)品性能和促銷政策等效果要好很多。有時(shí)候印象很重要，要讓別人接受你的人臉識(shí)別產(chǎn)品，就得先讓別人接收你這個(gè)人。培養(yǎng)員工的獨(dú)特方式，體會(huì)了一些商場(chǎng)上爾虞我詐、殘酷無(wú)情的味道，這是我在學(xué)?？隙▽W(xué)不到的東西，我感覺(jué)這個(gè)游戲已經(jīng)使我不虛此行了。

在我們接受公司營(yíng)銷部的業(yè)務(wù)培訓(xùn)，了解公司人臉識(shí)別產(chǎn)品的種類、特性、市場(chǎng)定位、價(jià)格、競(jìng)爭(zhēng)優(yōu)勢(shì)、人臉識(shí)別產(chǎn)品流入市場(chǎng)的渠道、競(jìng)爭(zhēng)產(chǎn)品的相關(guān)信息等。

3.拜訪銷售終端，銷售公司人臉識(shí)別產(chǎn)品，摸清銷售渠道，核實(shí)市場(chǎng)信息

跟著業(yè)務(wù)經(jīng)理拜訪營(yíng)銷點(diǎn)、經(jīng)銷商、等銷售終端和終端用戶。

（1）了解他們使用或銷售人臉識(shí)別產(chǎn)品的感受，記錄客戶使用人臉識(shí)別產(chǎn)品后的反饋信息（包括人臉識(shí)別產(chǎn)品質(zhì)量問(wèn)題、實(shí)際使用時(shí)的人臉識(shí)別產(chǎn)品特性和使用感受），幫助用戶解決使用過(guò)程中出現(xiàn)的問(wèn)題，提供技術(shù)咨詢與技術(shù)服務(wù)。

（2）從這些銷售終端得到電子人臉識(shí)別產(chǎn)品及其他競(jìng)品的銷售渠道、價(jià)格、促銷、推廣力度等的真實(shí)信息（競(jìng)爭(zhēng)品的情報(bào)信息尤為重要），與從經(jīng)銷商處得到的信息核對(duì)，判斷經(jīng)銷商在信息上是否對(duì)我們有所隱瞞，如有必要可調(diào)整與經(jīng)銷商的合作策略。

（3）從銷售終端，了解其他相關(guān)人臉識(shí)別產(chǎn)品配送的渠道信息，為我們省去找渠道的時(shí)間。如了解營(yíng)銷點(diǎn)所用所經(jīng)營(yíng)各類人臉識(shí)別產(chǎn)品的種類、進(jìn)貨渠道、價(jià)格、得到的促銷政策、用競(jìng)爭(zhēng)產(chǎn)品而不用我們公司人臉識(shí)別產(chǎn)品的原因（如果用競(jìng)爭(zhēng)人臉識(shí)別產(chǎn)品的話）。

如從營(yíng)銷點(diǎn)了解經(jīng)銷商的信息，若該經(jīng)銷商不經(jīng)營(yíng)我們公司的人臉識(shí)別產(chǎn)品，之后可以找該經(jīng)銷商談，盡量將其爭(zhēng)取為我們公司人臉識(shí)別產(chǎn)品的經(jīng)銷商。同時(shí)從營(yíng)銷點(diǎn)可以了解到一個(gè)地區(qū)的經(jīng)銷商網(wǎng)絡(luò)狀況，通過(guò)經(jīng)銷商找終端會(huì)為我們拜訪客戶省去很多找客戶的時(shí)間。從營(yíng)銷點(diǎn)可以了解到我們的經(jīng)銷商是否執(zhí)行了我們要求其執(zhí)行的我們公司人臉識(shí)別產(chǎn)品推廣計(jì)劃。

四、實(shí)踐感悟 （一）

溝通 有很多溝通的技巧在銷售上是很有用的，特別是在外面拜訪客戶的時(shí)候有很多說(shuō)話的技巧、觀察的技巧，如在拜訪營(yíng)銷點(diǎn)、經(jīng)銷商的時(shí)候如何打消他們的戒心和疑慮，如何讓他們接受你、讓他們對(duì)你說(shuō)實(shí)話，如何從他們不經(jīng)意間透露的信息了解到他們賣或用的人臉識(shí)別產(chǎn)品、進(jìn)貨渠道、用量或銷量，如何說(shuō)服他們用我們公司的人臉識(shí)別產(chǎn)品，如何對(duì)他們講解我們公司電子人臉識(shí)別產(chǎn)品的優(yōu)勢(shì)，如何讓他們對(duì)我們的人臉識(shí)別產(chǎn)品感興趣、進(jìn)有很多溝通的技巧在銷售上是很有用的，特別是在外面拜訪客戶的時(shí)候有很多說(shuō)話的技巧、觀察的技巧，如在拜訪營(yíng)銷點(diǎn)、經(jīng)銷商的時(shí)候如何打消他們的戒心和疑慮，如何讓他們接受你、讓他們對(duì)你說(shuō)實(shí)話，如何從他們不經(jīng)意間透露的信息了解到他們賣或用的人臉識(shí)別產(chǎn)品、進(jìn)貨渠道、用量或銷量，如何說(shuō)服他們用我們公司的人臉識(shí)別產(chǎn)品，如何對(duì)他們講解我們公司電子人臉識(shí)別產(chǎn)品的優(yōu)勢(shì)，如何讓他們對(duì)我們的人臉識(shí)別產(chǎn)品感興趣、進(jìn)而用我們的人臉識(shí)別產(chǎn)品等等。我也將我學(xué)到的和客戶談話技巧的小細(xì)節(jié)，與客戶溝通的小招數(shù)，觀察客戶開(kāi)的店子需要注意的細(xì)節(jié)等都認(rèn)真總結(jié)、細(xì)心揣摩，從中我汲取到了更多的養(yǎng)分。

（二）

嘗試 工作中有很多事沒(méi)開(kāi)始做的時(shí)候感覺(jué)很難，但真正開(kāi)始做的時(shí)候會(huì)發(fā)覺(jué)其實(shí)沒(méi)有想象中的難。有些事不管怎樣，首先要嘗試，只要在嘗試后慢慢調(diào)整策略就很可能成功。

有一次想坐公交車到經(jīng)銷商的倉(cāng)庫(kù)去，但當(dāng)時(shí)整條路都在修，我們所知道的幾路公交車都改線路了。因?yàn)槟康牡乇旧砭陀悬c(diǎn)偏，幾乎不可能有別的公交車到那里了。當(dāng)時(shí)情況有點(diǎn)急，也可以步行到經(jīng)銷商那里，但會(huì)耽誤時(shí)間，最后我還是嘗試問(wèn)了一個(gè)大叔有沒(méi)有公交到我們的目的地，我們很幸運(yùn)的得到了肯定的回答。有時(shí)候看似不可能或很困難的事，其實(shí)只要去嘗試，就有解決的機(jī)會(huì)，不去試的話連丁點(diǎn)機(jī)會(huì)都不會(huì)有。

（三）

總結(jié) 總結(jié)是很重要的，自己學(xué)到的、體會(huì)到的知識(shí)能不能升華、能不能使自己得到更多的啟示就靠總結(jié)了?？偨Y(jié)能使我反思自己工作中的不足，繼而想出解決的辦法；能使我舉一反三，加快我學(xué)習(xí)、成長(zhǎng)的速度；能使我更清楚我前進(jìn)的方向。這次寫實(shí)習(xí)報(bào)告的過(guò)程也就是我總結(jié)反思的過(guò)程，在寫報(bào)告的過(guò)程中發(fā)現(xiàn)了自身很多不足之處，在今后我會(huì)很重視這些在實(shí)踐中發(fā)生的問(wèn)題，竭盡一切努力去改進(jìn)。

五、實(shí)踐總結(jié) 1.增加實(shí)踐環(huán)節(jié)。學(xué)生們共同的體會(huì)之一是“書到用時(shí)方恨少”。從銷售終端的商品管理、價(jià)格確定，到渠道控制、廣告投放、新品開(kāi)發(fā)及至市場(chǎng)調(diào)研，都需要寬泛的理論知識(shí)支撐。

2.承認(rèn)教師指導(dǎo)社會(huì)實(shí)踐的工作量。目前教師指導(dǎo)社會(huì)調(diào)查實(shí)習(xí)、畢業(yè)實(shí)習(xí)都沒(méi)有計(jì)入教學(xué)工作量，所以不能調(diào)動(dòng)教師積極性，也出現(xiàn)了上面三番五次強(qiáng)調(diào)

但總是難以見(jiàn)效的實(shí)際情況。

3.加大教學(xué)改革力度。以社會(huì)需求為導(dǎo)向，調(diào)整課程設(shè)置。實(shí)習(xí)中了解到，目前社會(huì)需要大量的營(yíng)銷人才，可是，我們的學(xué)生卻難以找到合適的崗位。客觀表現(xiàn)為企業(yè)一般招聘有幾年工作經(jīng)驗(yàn)的人。

最后，我要由衷的感謝新秩序電子科技有限公司給我這個(gè)寶貴的實(shí)習(xí)機(jī)會(huì)，感謝公司人員的培訓(xùn)，感謝營(yíng)業(yè)部王經(jīng)理給我的幫助。

第二篇：人臉識(shí)別小結(jié)

人臉識(shí)別總結(jié)

一、概述

生物特征識(shí)別技術(shù)包括人臉識(shí)別、指紋識(shí)別、語(yǔ)音識(shí)別、表情分析及理解、虹膜識(shí)別等 人臉識(shí)別的實(shí)質(zhì)就是借助計(jì)算機(jī)工具來(lái)分析人臉面部圖像，采用不同的特征表示方法提取有效地人臉特征，是可用來(lái)辨識(shí)身份的一門自動(dòng)處理技術(shù)，常見(jiàn)重要應(yīng)用案例包括銀行和軍事重地的自動(dòng)門禁系統(tǒng)、智能人臉監(jiān)控系統(tǒng)、用于公共交通體系中安檢系統(tǒng)的嫌疑人自動(dòng)識(shí)別系統(tǒng)、網(wǎng)絡(luò)服務(wù)中的在線驗(yàn)證系統(tǒng)等。產(chǎn)生不同個(gè)體較大差異性的內(nèi)在因素主要有種族、性別、年齡、心理等。外在因素主要有光照變化、角度偏轉(zhuǎn)、姿態(tài)、噪聲千擾、遮擋、以及化妝遮擋物等。18世紀(jì),就有一篇依據(jù)人臉特征信息進(jìn)行身份鑒別的文章發(fā)表在《Nature》上,開(kāi)啟了近代最早的人臉識(shí)別研宄，最早的自動(dòng)人臉識(shí)別系統(tǒng)是由Chan和Bledsoe創(chuàng)于1965年 人臉識(shí)別包括四個(gè)主要步驟：圖像預(yù)處理、人臉檢測(cè)、面部特征提取和分類識(shí)別。

二、研究領(lǐng)域

1、身份驗(yàn)證領(lǐng)域：通過(guò)人臉識(shí)別技術(shù)來(lái)判斷和鑒別當(dāng)前用戶是否合法或者具備相應(yīng)的功能權(quán)限，例如2008年北京奧運(yùn)所采用的人臉識(shí)別系統(tǒng)。

2、智能視頻監(jiān)控領(lǐng)域，例如車站安裝智能監(jiān)控系統(tǒng),該系統(tǒng)中加入了人臉識(shí)別技術(shù)以捕捉人群中的可疑罪犯。

3、人機(jī)交互領(lǐng)，例如人臉面部為視覺(jué)系統(tǒng)提供了最為主要的特征信息。

三、人臉識(shí)別方法及其算法

（一）方法分類

可以分為：基于幾何特征的人臉識(shí)別、基于彈性圖匹配的人臉識(shí)別、基于子空間分析的人臉識(shí)別、基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別、基于隱馬爾可夫模型等。? 經(jīng)典的特征臉“Eigenface”就是該時(shí)期由麻省理工學(xué)院的M.Turk和A.Pentlaiid提出的，采用PCA變換對(duì)原始圖像進(jìn)行降維處理,然后再進(jìn)行分類識(shí)別。? ? P.Belhumeur等提出的Fisherfaces人臉也被廣泛應(yīng)用在人臉識(shí)別中。

90年代中后期,出現(xiàn)了一種基于動(dòng)態(tài)連接結(jié)構(gòu)(Dynamic Link Architecture)的彈性圖匹配(Elastic GraphMatching)識(shí)別方法。? 90年代末支持向量機(jī)被應(yīng)用到人臉識(shí)別技術(shù)中。

（二）流行算法

主要分為：等距離映射_(Isometrical Mapping,簡(jiǎn)稱 ISOMAP)、局部線性嵌入(Locally LinearEmbedding,簡(jiǎn)稱LLE、拉普拉斯算子特征映射(Laplacian Eigenmaps)、拉普拉斯臉(Laplacianface)方法。基于拉普拉斯Belkin M等提出局部投影(LPP)方法。近期算法包括： ? 基于稀疏表示的人臉識(shí)別方法(Sparserepresentation recognition, SRC)針對(duì)此識(shí)別方法還出現(xiàn)了較多的改進(jìn)模型,典型的有

? 基于Gabor的稀疏表示 ? 基于Metaface的稀疏表示等

（三）難點(diǎn)

1、人臉圖像的成像條件包括較大的隨機(jī)性：光照變化、姿態(tài)變換、表情變化、發(fā) 型改變、化妝、以及遮擋等復(fù)雜條件

2、人臉面部圖像的復(fù)雜的三維結(jié)構(gòu)屬性：包括線性結(jié)構(gòu)和非線性結(jié)構(gòu)

3、人臉圖像數(shù)據(jù)的維數(shù)問(wèn)題

4、不同個(gè)體間的面部特征的差異性

四、人臉特征提取研究

（一）人臉特征提取和識(shí)別算法分類

? ? 基于統(tǒng)計(jì)方法 基于幾何方法

（二）具體實(shí)現(xiàn)

? 主成分分析(principal component analysis, PCA)是一種典型的數(shù)據(jù)處理和數(shù)據(jù)降維方法

? Sirovich和Kirby首先研究人臉降維過(guò)程，采用基于鏡像臉的技術(shù) ? M.Turk_提出了基于PCA表示的特征臉的概念

? Fisher線性判別方法也是人工智能和模式識(shí)別領(lǐng)域中的重要方法之一

? Foley和Sammon提出了基于Sammon最佳鑒別平面的技術(shù)

? Duchene和Leclercq提 出了針對(duì)多類問(wèn)題的Foley-Sammon最佳鑒別矢量集的求解公式

? Turk和Pentland提出了基于特征臉的特征提取方法 ? Kittler又提出了基于Fisher鑒別準(zhǔn)則的提取面部特征方法 ? Hong和Yang提出了采用SVD進(jìn)行特征提取方法 ? Cheng等改進(jìn)并提出了一種新的相似性鑒別準(zhǔn)則

? Liu等提出了基于最佳鑒別廣義平面和最佳鑒別廣義矢量集的一系列特征提取方法 ? 郭等在此基礎(chǔ)上提出了改進(jìn)的最佳鑒別矢量方法 ? 吳等又改進(jìn)了廣義最佳鑒別矢量方法 ? 基于模型的特征提取方法

? Kass等首次提出了主動(dòng)輪廊線模型(Active Contour Model,ACM), ACM也被稱為Snake模型

? Lee等提出了一種改進(jìn)Snake模型的方法,改進(jìn)方法是由正面和側(cè)面結(jié)構(gòu)化特征來(lái)對(duì)面部進(jìn)行特征點(diǎn)定位

? 基于統(tǒng)計(jì)參數(shù)化模型的主動(dòng)形狀模型(Active Shape Model, ASM)? 優(yōu)勢(shì)在于它不僅能有效地定位和提取目標(biāo)物體的外部輪廓信息,而且能提取目標(biāo)物體的內(nèi)部輪廓和形狀特征

? Cootes等在ASM基礎(chǔ)上提出了主動(dòng)表觀模型(Active AppearanceModel,AAM)

（三）需要解決的問(wèn)題

1、根據(jù)奇異值分解原理可以得到人臉圖像的奇異值向量所在的基空間(矩陣)是由 人臉圖像本身決定的。

2、當(dāng)光照、姿態(tài)、表情變化以及遮擋等復(fù)雜條件下,人臉的表象會(huì)產(chǎn)生較大變化, 從而造成人臉識(shí)別系統(tǒng)的性能下降。

3、需要構(gòu)造一種能有效描述目標(biāo)紋理特性的局部紋理輪廓模型,進(jìn)一步提高模型的 特征點(diǎn)定位精度。

第三篇：銀行用人臉識(shí)別

銀行人臉識(shí)別運(yùn)用

銀行是國(guó)家貨幣流通的主要場(chǎng)所，業(yè)務(wù)中涉及大量現(xiàn)金、有價(jià)證券及貴重物品，因而銀行的安全一直以來(lái)都是國(guó)家安全防范的重點(diǎn)。近年來(lái)，金融行業(yè)市場(chǎng)發(fā)展迅猛，隨著營(yíng)業(yè)網(wǎng)點(diǎn)、ATM機(jī)、銀行資金流動(dòng)等的增多，銀行安防系統(tǒng)所面臨的挑戰(zhàn)越來(lái)越大。為加強(qiáng)對(duì)銀行、儲(chǔ)蓄所、金庫(kù)、貴重物品集中場(chǎng)所的安全防范，銀行越來(lái)越重視技防的作用，作為防止犯罪發(fā)生的有效途徑，雙門互鎖門禁系統(tǒng)也應(yīng)運(yùn)而生。目前市場(chǎng)上的雙門互鎖門禁系統(tǒng)大都采用讀卡或者指紋的身份驗(yàn)證方式，由于這兩種方式都存在一定的安全隱患或不足，因而人臉識(shí)別技術(shù)的應(yīng)用受到用戶關(guān)注。

雙門互鎖系統(tǒng)是指兩道門具有互鎖聯(lián)動(dòng)的功能，即當(dāng)一道門被打開(kāi)時(shí)，另一道門則打不開(kāi)，只有當(dāng)兩道門都關(guān)上時(shí)，才能打開(kāi)其中的任一道門。根據(jù)《銀行營(yíng)業(yè)場(chǎng)所風(fēng)險(xiǎn)等級(jí)和防護(hù)級(jí)別的規(guī)定》等相關(guān)銀行安全管理規(guī)范，儲(chǔ)蓄網(wǎng)點(diǎn)等現(xiàn)金柜臺(tái)的進(jìn)出口必需設(shè)置兩道門，而且員工在進(jìn)入第一道門后必需要按照規(guī)范鎖好第一道門才能進(jìn)入第二道門，如進(jìn)入第一道門后沒(méi)有按要求關(guān)好此道門，員工將不能進(jìn)入第二道門，從而更好地防止犯罪分子尾隨作案。目前，市場(chǎng)上的雙門互鎖門禁系統(tǒng)大都采用讀卡或者指紋的身份驗(yàn)證方式，但是這兩種身份驗(yàn)證方式均存在一定的安全隱患。例如：磁卡和智能IC卡均容易被復(fù)制，竊取，丟失，它們作為驗(yàn)證模式已經(jīng)不能滿足日益增長(zhǎng)的安全需要。而指紋門禁雖然成本低，但是對(duì)某類人群的適應(yīng)性很差，例如指紋不清晰，有磨損等，同時(shí)在指紋上有油漬，水漬，蛻皮等情況下，指紋識(shí)別的誤差也是很大的。另外，由于多年來(lái)指紋一直被當(dāng)成辨識(shí)犯罪的工具，部分人會(huì)因?yàn)橹讣y被采集而在心理上產(chǎn)生抵觸情緒。而人臉識(shí)別利用人的面部特征進(jìn)行身份辨識(shí)，友好，直觀，不需要人的刻意配合，是目前所有生物識(shí)別技術(shù)中對(duì)使用者影響最小的，準(zhǔn)確性也高。更為可貴的是，有人臉識(shí)別門禁攝像頭采集的人臉圖像，也可為事后調(diào)查提供最直觀的證據(jù)，因此，用人臉識(shí)別技術(shù)取代雙門互鎖系統(tǒng)中的讀卡或者指紋的驗(yàn)證方式，是實(shí)現(xiàn)銀行營(yíng)業(yè)廳出入控制的一種最佳的選擇。

人臉識(shí)別安全性更高

人臉識(shí)別技術(shù)上劃分為1：1比對(duì)和1：N比對(duì)，對(duì)于銀行可采用智能卡與人臉識(shí)別1：1比對(duì)方式相結(jié)合，其優(yōu)勢(shì)是雙重的驗(yàn)證機(jī)制。首先需要智能IC卡或者ID卡驗(yàn)證，驗(yàn)證通過(guò)之后，進(jìn)行人臉識(shí)別驗(yàn)證，人臉識(shí)別驗(yàn)證通過(guò)之后，才能開(kāi)門。與單純的采用智能卡的門禁系統(tǒng)相比，安全性更高，適合銀行這樣的高安全性場(chǎng)所使用。根據(jù)目前銀行營(yíng)業(yè)廳等重要場(chǎng)所的實(shí)際情況，可以設(shè)計(jì)安全通道門，由兩道帶人臉識(shí)別裝備的防盜門、一臺(tái)兩門聯(lián)動(dòng)控制器等組成。

其工作原理是：首先在管理系統(tǒng)中注冊(cè)人員，注冊(cè)時(shí)每人分配一張IC卡或者ID卡，將人員的注冊(cè)信息和人員圖像注冊(cè)到聯(lián)動(dòng)控制器中。以從公共區(qū)進(jìn)入安全區(qū)為例，正常使用時(shí)，當(dāng)人臉在門1的人臉識(shí)別上驗(yàn)證時(shí)，首先聯(lián)動(dòng)控制器查詢門2是否閉合，如果門2處于開(kāi)啟狀態(tài)，則拒絕在門1處進(jìn)行驗(yàn)證，只有當(dāng)門2閉合，才允許啟動(dòng)驗(yàn)證。

驗(yàn)證時(shí)，先刷卡，同時(shí)人臉識(shí)別攝像頭會(huì)捕獲一張圖像，將卡號(hào)信息和圖像傳輸至聯(lián)動(dòng)控制器中，控制器根據(jù)卡號(hào)信息找到注冊(cè)時(shí)的圖像，與捕獲的圖像進(jìn)行比對(duì)識(shí)別，比對(duì)通過(guò)則控制器控制電鎖開(kāi)啟，關(guān)上門1，在門2處重復(fù)上述的驗(yàn)證步驟。

在一些特殊情況下，比如卡丟失，員工需要進(jìn)行掛失，重新補(bǔ)卡才能使用該系統(tǒng)；如果是有入侵者脅迫開(kāi)門的情況，員工會(huì)使用脅迫開(kāi)門功能，同時(shí)向后臺(tái)管理系統(tǒng)報(bào)警，監(jiān)控中心的人員在管理系統(tǒng)的實(shí)時(shí)監(jiān)控中獲取警情，可以采取相關(guān)報(bào)警動(dòng)作;如果是多人臉識(shí)別，系統(tǒng)允許一定時(shí)間內(nèi)，多人相繼驗(yàn)證通過(guò)，系統(tǒng)才會(huì)開(kāi)門。智能化管理

通過(guò)管理電腦對(duì)進(jìn)出人員的權(quán)限，進(jìn)出時(shí)間以及進(jìn)入方式進(jìn)行管理。并同時(shí)存儲(chǔ)相應(yīng)數(shù)據(jù)，以備事后查詢。多人臉識(shí)別開(kāi)門功能

在重要的區(qū)域，系統(tǒng)可以設(shè)置同時(shí)多個(gè)人臉識(shí)別（兩人以上）才能開(kāi)門的方式，即打開(kāi)一道門要有多人同時(shí)在規(guī)定時(shí)間內(nèi)通過(guò)人臉識(shí)別驗(yàn)證后，門才能打開(kāi)。優(yōu)勢(shì)

綜上所述，使用本方案有以下幾個(gè)方面的優(yōu)點(diǎn)。第一，使安全防范級(jí)別得到有效提升。

在原有智能卡門禁系統(tǒng)上融入人臉識(shí)別技術(shù)，可有效防止盜取他人智能卡或者監(jiān)守自盜現(xiàn)象的發(fā)生，是原有出入控制系統(tǒng)安全防范級(jí)別的有效提升。第二，能與CCTV系統(tǒng)無(wú)縫結(jié)合。隨著人們安防要求的逐漸提高，CCTV系統(tǒng)早已成為銀行安防系統(tǒng)中的重要環(huán)節(jié)。本系統(tǒng)無(wú)須另添加任何其它設(shè)備即可與銀行原有的CCTV系統(tǒng)無(wú)縫結(jié)合。本方案所述的人臉識(shí)別門禁系統(tǒng)還設(shè)計(jì)有一些通訊接口，可以和視頻監(jiān)控系統(tǒng)進(jìn)行通訊。比如，在發(fā)生脅迫報(bào)警時(shí)，可以通知視頻監(jiān)控系統(tǒng)，使其調(diào)整監(jiān)控畫面，更方便觀看現(xiàn)場(chǎng)的情況等。第三，靈活的事件處理和報(bào)警聯(lián)動(dòng)。

本系統(tǒng)可以與其它報(bào)警系統(tǒng)聯(lián)動(dòng)，對(duì)各種異常事件，如非法讀卡，開(kāi)門超時(shí)，門鎖損壞，強(qiáng)行進(jìn)入等，可根據(jù)用戶實(shí)際需求設(shè)定相應(yīng)的報(bào)警處理和提示，以確保安全防范區(qū)域的安全可靠，并對(duì)犯罪分子具有極大的威懾作用。結(jié)語(yǔ)

近些年來(lái)，人臉識(shí)別技術(shù)雖然取得了很大的發(fā)展，但是用戶擔(dān)心識(shí)別精度還是會(huì)受到光照、姿態(tài)、表情、偽裝等因素的影響，正緣于此，他們?cè)谶x用人臉識(shí)別產(chǎn)品上會(huì)有一些擔(dān)心與顧慮，可喜的是，人臉識(shí)別技術(shù)的算法已越來(lái)越具魯棒性（魯棒性，在此指人臉識(shí)別算法的健壯性，減弱外界的光照，姿態(tài)，表情等因素對(duì)人臉識(shí)別的影響），再采用紅外成像等手段，可以提升識(shí)別精度，使得人臉識(shí)別產(chǎn)品真正應(yīng)用起來(lái)。

出入口控制作為安全防范系統(tǒng)中的重要環(huán)節(jié)，直接影響著整個(gè)系統(tǒng)內(nèi)部的安全。目前，較為成熟的門禁解決方案是卡片或者卡片加密碼的模式，但一旦卡片丟失或者密碼遺失，對(duì)整個(gè)系統(tǒng)的安全就構(gòu)成很大威脅或者對(duì)用戶的使用造成不便。而人臉識(shí)別門禁系統(tǒng)用人臉作為“鑰匙”來(lái)開(kāi)門明顯安全性更高，并且具有受場(chǎng)地環(huán)境影響小、識(shí)別準(zhǔn)確率高、識(shí)別速度快、結(jié)果直觀等優(yōu)點(diǎn)，已經(jīng)越來(lái)越受到廣大客戶的重視。

第四篇：人臉識(shí)別相關(guān)技術(shù)分析報(bào)告解讀

人臉識(shí)別相關(guān)技術(shù)

分析報(bào)告

2015年10月

目 錄

第一章 分析概述...........................................................................................................................................2

一、背景調(diào)研............................................................................................................................................2

二、檢索及分析內(nèi)容................................................................................................................................2 第二章 人臉識(shí)別專利態(tài)勢(shì)及技術(shù)研發(fā)分析...............................................................................................4

一、專利態(tài)勢(shì)及技術(shù)研發(fā)分析................................................................................................................4

（1）人臉識(shí)別專利申請(qǐng)趨勢(shì)分析......................................................................................................4

（2）技術(shù)生命周期..............................................................................................................................5（3）人臉識(shí)別技術(shù)構(gòu)成......................................................................................................................6（4）人臉識(shí)別競(jìng)爭(zhēng)對(duì)手分析..............................................................................................................7

二、技術(shù)路線分析...................................................................................................................................8

（1）人臉定位技術(shù)路線....................................................................................................................8（2）圖像獲取技術(shù)路線....................................................................................................................9（3）人臉跟蹤技術(shù)路線....................................................................................................................10 第一章 分析概述

一、背景調(diào)研

人臉檢測(cè)識(shí)別技術(shù)是基于人臉特征來(lái)進(jìn)行身份識(shí)別的技術(shù)。與其他識(shí)別方式相比，由于人臉始終暴露在外面，采集人臉特征有直接、友好、方便的特點(diǎn)?，F(xiàn)在，國(guó)際銀行組織、國(guó)際民航組織的生物特征識(shí)別護(hù)照的標(biāo)準(zhǔn)中明文規(guī)定必選的特征是人臉，可選的特征是指紋、虹膜或者在其它特征中任何一種。目前我國(guó)公民的第二代身份證有嵌入可機(jī)讀的人臉圖像信息，這也為下一步人臉識(shí)別廣泛應(yīng)用打下有利的基礎(chǔ)。

上世紀(jì)九十年代以來(lái)，人臉檢測(cè)識(shí)別技術(shù)研究達(dá)到了高潮時(shí)期，一批具有代表性的論文和算法產(chǎn)生，自動(dòng)人臉識(shí)別技術(shù)也得到了長(zhǎng)足的發(fā)展，相關(guān)機(jī)構(gòu)組織了如人臉手勢(shì)識(shí)別等專門的國(guó)際學(xué)術(shù)會(huì)議。另外，現(xiàn)在很多的研究型理工大學(xué)和兀公司都在著手人臉檢測(cè)識(shí)別研究。領(lǐng)域內(nèi)最著名的國(guó)際研究機(jī)構(gòu)包括：美國(guó)麻省理工學(xué)院媒體實(shí)驗(yàn)室及人工智能實(shí)驗(yàn)室、南加州大學(xué)、馬里蘭大學(xué)、卡內(nèi)基一梅隆大學(xué)機(jī)器人研究及交互系統(tǒng)實(shí)驗(yàn)室等。在我國(guó)，清華大學(xué)計(jì)算機(jī)系、電子系瞻嘲、中科院自動(dòng)化所陽(yáng)吲、南京理工大學(xué)、南京航空航天大學(xué)、哈爾濱工業(yè)大學(xué)等進(jìn)行了許多很有意義的嘗試，積累了經(jīng)驗(yàn)。國(guó)內(nèi)的研究工作主要是集中在三大類方法的研究：基于幾何特征的人臉識(shí)別方法、基于代數(shù)特征的人臉識(shí)別方法和基于連接機(jī)制的人臉識(shí)別方法。人臉識(shí)別由于具有直接、友好、方便的特點(diǎn)，使用者無(wú)任何心理障礙，易于被用戶所接受，從而得到了廣泛的應(yīng)用。主要在以下幾個(gè)方面：(1)檔案管理系統(tǒng)(2)安全驗(yàn)證系統(tǒng)(3)信用卡驗(yàn)證(4)公安系統(tǒng)的罪犯身份識(shí)別(5)銀行和海關(guān)的監(jiān)控(6)人機(jī)交互等。

人臉識(shí)別系統(tǒng)包括：(1)人臉圖像的獲取(2)人臉的檢測(cè)(3)特征提取(4)基于人臉圖像比對(duì)的身份識(shí)別(5)基于人臉圖像比對(duì)的身份驗(yàn)證

二、檢索及分析內(nèi)容

本分析對(duì)人臉識(shí)別相關(guān)專利進(jìn)行了中國(guó)專利檢索，檢索采用國(guó)家知識(shí)產(chǎn)權(quán)局專利數(shù)據(jù)庫(kù)，以該專利數(shù)據(jù)為基礎(chǔ)對(duì)其相關(guān)技術(shù)進(jìn)行了分析，以期能從戰(zhàn)略層面為漢柏的技術(shù)研發(fā)、專利布局和專利風(fēng)險(xiǎn)預(yù)防提供借鑒參考。

具體分析項(xiàng)如下：（1）專利申請(qǐng)趨勢(shì)分析（2）技術(shù)構(gòu)成（3）競(jìng)爭(zhēng)對(duì)手分析（4）技術(shù)路線圖分析

第二章 人臉識(shí)別專利態(tài)勢(shì)及技術(shù)研發(fā)分析

第二章 人臉識(shí)別專利態(tài)勢(shì)及技術(shù)研發(fā)分析

截至報(bào)告檢索完成日期，共檢索得到人臉識(shí)別公司專利3516件。我們以此3516件專利作為基礎(chǔ)進(jìn)行人臉識(shí)別技術(shù)專利態(tài)勢(shì)技術(shù)及研發(fā)分析，包括專利申請(qǐng)趨勢(shì)分析、技術(shù)生命周期、技術(shù)構(gòu)成、發(fā)明人分析、競(jìng)爭(zhēng)對(duì)手分析等，由此獲取人臉識(shí)別技術(shù)發(fā)展情況，為漢柏的科研和決策提供參考。

一、專利態(tài)勢(shì)及技術(shù)研發(fā)分析

（1）人臉識(shí)別專利申請(qǐng)趨勢(shì)分析

圖表 1 人臉識(shí)別專利申請(qǐng)趨勢(shì)

圖表1顯示了人臉識(shí)別專利申請(qǐng)趨勢(shì)。如上圖所示，自1995年起首次出現(xiàn)人臉識(shí)別相關(guān)專利申請(qǐng)，1995-2004年期間專利申請(qǐng)量發(fā)展平穩(wěn)，增長(zhǎng)率不大，自2005年起該領(lǐng)域?qū)＠暾?qǐng)量呈快速增長(zhǎng)，2010年后呈爆發(fā)式增長(zhǎng)。

應(yīng)注意的是，受到報(bào)告截止的統(tǒng)計(jì)時(shí)間的影響，2015年的數(shù)據(jù)必然不是最終數(shù)據(jù)，僅起到一定參考作用，以下情況相同，不做另述。

第二章 人臉識(shí)別專利態(tài)勢(shì)及技術(shù)研發(fā)分析

（2）技術(shù)生命周期

分析人臉識(shí)別相關(guān)技術(shù)的申請(qǐng)人數(shù)量及專利申請(qǐng)數(shù)量隨時(shí)間分布，可分析該技術(shù)生命周期發(fā)展情況。

圖表 2 人臉識(shí)別專利申請(qǐng)趨勢(shì)

1995-2005年為該技術(shù)發(fā)展起步階段，申請(qǐng)人及申請(qǐng)量都較少，2005-2014年為該技術(shù)發(fā)展的成長(zhǎng)階段，申請(qǐng)人數(shù)量及申請(qǐng)量均迅猛增長(zhǎng)，2015年之后，將陸續(xù)有專利超過(guò)保護(hù)期限而失效，行業(yè)壁壘逐漸減少，可能競(jìng)爭(zhēng)會(huì)更加激烈。

第二章 人臉識(shí)別專利態(tài)勢(shì)及技術(shù)研發(fā)分析

（3）人臉識(shí)別技術(shù)構(gòu)成

分析人臉識(shí)別相關(guān)技術(shù)的技術(shù)構(gòu)成，可以看出該的技術(shù)發(fā)展的熱點(diǎn)。

圖表 3 人臉識(shí)別重點(diǎn)技術(shù)隨時(shí)間分布圖

圖表2顯示了人臉識(shí)別技術(shù)構(gòu)成前10位技術(shù)領(lǐng)域的IPC和專利量。人臉識(shí)別的技術(shù)構(gòu)成主要集中于：G06K 數(shù)據(jù)識(shí)別；數(shù)據(jù)表示

第二章 人臉識(shí)別專利態(tài)勢(shì)及技術(shù)研發(fā)分析

（4）人臉識(shí)別競(jìng)爭(zhēng)對(duì)手分析

通過(guò)對(duì)該技術(shù)申請(qǐng)人統(tǒng)計(jì)分析，可以找到掌握該技術(shù)最重要的競(jìng)爭(zhēng)對(duì)手。

圖表4 人臉識(shí)別技術(shù)重要競(jìng)爭(zhēng)對(duì)手

圖表4顯示出掌握該技術(shù)專利數(shù)量最大的幾個(gè)申請(qǐng)人，主要以應(yīng)用類產(chǎn)品研發(fā)的公司及研究型大學(xué)為主。

第二章 人臉識(shí)別專利態(tài)勢(shì)及技術(shù)研發(fā)分析

二、技術(shù)路線分析

（1）人臉定位技術(shù)路線

第二章 人臉識(shí)別專利態(tài)勢(shì)及技術(shù)研發(fā)分析

（2）圖像獲取技術(shù)路線

第二章 人臉識(shí)別專利態(tài)勢(shì)及技術(shù)研發(fā)分析

（3）人臉跟蹤技術(shù)路線

讀書的好處

1、行萬(wàn)里路，讀萬(wàn)卷書。

2、書山有路勤為徑，學(xué)海無(wú)涯苦作舟。

3、讀書破萬(wàn)卷，下筆如有神。

4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來(lái)的?！_(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來(lái)。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無(wú)書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時(shí)方恨少、事非經(jīng)過(guò)不知難。——陸游

15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽(yáng)；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！?jiǎng)⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆。——孔子

20、讀書給人以快樂(lè)、給人以光彩、給人以才干?！喔?/p>

第五篇：前沿人臉識(shí)別綜述解讀

人臉識(shí)別綜述

王軍軍

（西安交通大學(xué)，西安，710086）

摘要：人臉識(shí)別已成為多個(gè)學(xué)科領(lǐng)域的研究熱點(diǎn)之一，本文對(duì)人臉識(shí)別的發(fā)展歷史、研究現(xiàn)狀進(jìn)行了綜述，系統(tǒng)地對(duì)目前主流人臉識(shí)別方法進(jìn)行了分類針對(duì)人臉識(shí)別面臨的挑戰(zhàn)，著重對(duì)近幾年來(lái)在光照和姿態(tài)變化處理方面的研究進(jìn)展進(jìn)行了詳細(xì)淪述，并對(duì)未來(lái)人臉識(shí)別的發(fā)展方向進(jìn)行了展望。

關(guān)鍵詞：人臉識(shí)別，人臉檢測(cè)，模式識(shí)別

一、引言

人臉識(shí)別是近年來(lái)模式識(shí)別、圖像處理、機(jī)器視覺(jué)、神經(jīng)網(wǎng)絡(luò)以及認(rèn)知科學(xué)等領(lǐng)域研究的熱點(diǎn)課題之一。所謂人臉識(shí)別，是指給定一個(gè)場(chǎng)景的靜態(tài)圖像或動(dòng)態(tài)視頻，利用存儲(chǔ)有若干已知身份的人臉圖像的數(shù)據(jù)庫(kù)驗(yàn)證和鑒別場(chǎng)景中單個(gè)或者多個(gè)人的身份[1]。人臉識(shí)別按照人臉信息的來(lái)源可以分為兩類:基于靜態(tài)人臉圖像的識(shí)別和基于包含人臉的動(dòng)態(tài)視頻信息的識(shí)別。因?yàn)閯?dòng)態(tài)視頻信息并不能明顯提高人臉識(shí)別的性能，因此本文只研究基于靜態(tài)人臉圖像的識(shí)別[2]。

作為生物特征識(shí)別的一個(gè)重要方面，人臉識(shí)別在檔案管理系統(tǒng)、安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、公安系統(tǒng)的罪犯身份識(shí)別、銀行和海關(guān)的監(jiān)控、人機(jī)交互等領(lǐng)域具有廣闊的應(yīng)用前景。與指紋識(shí)別、視網(wǎng)膜識(shí)別、虹膜識(shí)別等[3]技術(shù)相比，人臉識(shí)別技術(shù)在數(shù)據(jù)采集方面手續(xù)比較簡(jiǎn)單，使用者更容易接受。人臉作為生物特征，雖然唯一性比指紋和虹膜要差[4]，在高安全性要求的系統(tǒng)中只能作為輔助手段。然而，對(duì)于一般安全性要求的身份驗(yàn)證和鑒別系統(tǒng)[5]，人臉識(shí)別技術(shù)已經(jīng)足夠應(yīng)用了。

人臉識(shí)別研究在二十世紀(jì)六七十年代引起了諸多學(xué)科領(lǐng)域研究者的濃厚興趣。進(jìn)人九十年代后，隨著各行業(yè)對(duì)人臉識(shí)別系統(tǒng)的迫切需求，人臉識(shí)別研究再次成為熱門課題。當(dāng)前世界各國(guó)有許多研究機(jī)構(gòu)在從事這方面的研究，這些研究受到軍方、警方以及大公司的高度重視和資助[6]。美國(guó)軍方還專門組織了人臉識(shí)別競(jìng)賽以促進(jìn)人臉識(shí)別研究的發(fā)展。經(jīng)過(guò)三十多年的研究，人臉識(shí)別已經(jīng)成為圖像分析與圖像理解領(lǐng)域最成功的應(yīng)用之一研究人員提出了很多識(shí)別方法，建成了一些實(shí)驗(yàn)系統(tǒng)，也有一些成功的人臉識(shí)別商業(yè)軟件投人市場(chǎng)。

人臉識(shí)別作為模式識(shí)別的一種，一般可以分為三個(gè)組成部分:從場(chǎng)景中檢測(cè)并分割人臉;抽取人臉特征;匹配和識(shí)別人臉[7]。由于人臉檢測(cè)已經(jīng)發(fā)展成為一個(gè)獨(dú)立的課題，具有特定的思想和方法，所以本文假定人臉已經(jīng)被正確檢測(cè)并從場(chǎng)景中分割出來(lái)。

二、人臉識(shí)別的方法

目前，人臉識(shí)別的方法大致可以分為以下幾類：基于幾何特征的方法、基于模型的方法、基于統(tǒng)計(jì)的方法、基于神經(jīng)網(wǎng)絡(luò)的方法和多分類器集成的方法[8]。目前主流的方法有基于幾何特征的方法和基于模型的方法。

2.1基于幾何特征的方法

文獻(xiàn)中記載最早的人臉識(shí)別方法就是Bledsoe[9]提出的基于幾何特征的方法。該方法以面部特征點(diǎn)之間的距離和比率作為特征，通過(guò)最近鄰方法來(lái)識(shí)別人臉，以該方法建立的人臉識(shí)別系統(tǒng)是一個(gè)半自動(dòng)系統(tǒng)，面部特征點(diǎn)必須由人手工定位。也正是由于人工的參與，該系統(tǒng)對(duì)光照變化和姿態(tài)變化不敏感[10]。

側(cè)影[11](Profile)識(shí)別也是早期基于幾何特征人臉識(shí)別的一個(gè)重要方法，其基本原理是從人臉的側(cè)影輪廓線上提取特征點(diǎn)，將側(cè)影轉(zhuǎn)化為輪廓曲線，從中提取基準(zhǔn)點(diǎn)，根據(jù)這些點(diǎn)之間的幾何特征來(lái)進(jìn)行識(shí)別，由于側(cè)影識(shí)別相對(duì)較簡(jiǎn)單且應(yīng)用面小，對(duì)側(cè)影識(shí)別的研究較少。

基于幾何特征的方法非常直觀，識(shí)別速度快，內(nèi)存要求較少，提取的特征在一定程度上對(duì)光照變化不太敏感[12]。但是，當(dāng)人臉具有一定的表情或者姿態(tài)變化時(shí)，特征提取不精確，而且由于忽略了整個(gè)圖像的很多細(xì)節(jié)信息，識(shí)別率較低，所以近年來(lái)已經(jīng)很少有新的發(fā)展。

2.2基于模型的方法

隱馬爾可夫模型[13](Hidden Markov Model,HMM)是一種常用的模型，基于HMM的方法首先被用于聲音識(shí)別等身份識(shí)別上，之后被Nefian和Hayes引人到人臉識(shí)別領(lǐng)域。它是用于描述信號(hào)統(tǒng)計(jì)特性的一組統(tǒng)計(jì)模型。HMM用馬爾可夫鏈來(lái)模擬信號(hào)統(tǒng)計(jì)特性的變化，而這種變化又是間接通過(guò)觀察序列來(lái)描述的，因此馬爾可夫過(guò)程是一個(gè)雙重的隨機(jī)過(guò)程。在HMM中結(jié)點(diǎn)表示狀態(tài)，有向邊表示狀態(tài)之間的轉(zhuǎn)移，一個(gè)狀態(tài)可以具有特征空間中的任意特征，對(duì)同一特征，不同形態(tài)表現(xiàn)出這一特征的概率不同[14]。在人臉識(shí)別過(guò)程中，Nefian首先采用兩維離散余弦變換(Discrete Cosine Transform,DCT)抽取人臉特征，得到觀察向量，構(gòu)建HMM人臉模型，然后用EM(Expectation Maximization)算法訓(xùn)練，利用該模型就可以算出每個(gè)待識(shí)別人臉。觀察向量的概率，從而完成識(shí)別。HMM方法的魯棒性較好，對(duì)表情、姿態(tài)變化不太敏感，識(shí)別率高[15]。

主動(dòng)形狀模型[16](Active Shape Model, ASM)方法由Cootes等人提出，Cootes對(duì)形狀和局部灰度表象建模，用建立的ASM在新的圖像中定位易變的物體。后來(lái)，Lanitis等將其應(yīng)用于解釋人臉圖像，在使用ASM找出人臉的形狀后，將人臉切割并歸一到統(tǒng)一的框架，對(duì)這個(gè)與形狀無(wú)關(guān)的人臉采用亮度模型來(lái)進(jìn)行解釋和識(shí)別，其魯棒性和識(shí)別效率均較高，但需要手動(dòng)標(biāo)會(huì)人臉的特征點(diǎn)，算法的自動(dòng)化程度有待加強(qiáng)。

主動(dòng)表象模型[17](Active Appearance Model, AAM)可以看成是對(duì)ASM的進(jìn)一步擴(kuò)展，是一種通用的非線性圖像編碼模式，通過(guò)變形處理將通用人臉模型與輸人圖像進(jìn)行匹配，并將控制參數(shù)作為分類的特征向量。

2.3 基于統(tǒng)計(jì)的方法

基于統(tǒng)計(jì)的方法將人臉圖像視為隨機(jī)向量，從而用一些統(tǒng)計(jì)方法來(lái)分析人臉模式，這類方法有著完備的統(tǒng)計(jì)學(xué)理論支持;得到了較好地發(fā)展，出現(xiàn)了一些較成功的算法。

特征臉[18](Eigenface)方法由Turk和Pentland提出。對(duì)于每一幅人臉圖像，按照從上到下、從左到右的順序?qū)⑺邢袼氐幕叶戎荡梢粋€(gè)高維向量，然后通過(guò)主成分分析(Principal Component Analysis, PCA)將高維向量降低維數(shù)。用PCA[19]降維主要基于以下三點(diǎn):(1)壓縮功能，在低維空間內(nèi)比較圖像將提高計(jì)算效率;(2)人臉樣本的分布近似正態(tài)分布，方差大的維可能與有用信號(hào)相關(guān)，而方差小的維可能對(duì)應(yīng)噪聲，因此去掉小方差對(duì)應(yīng)的維將有利于提高識(shí)別精確率;(3)因?yàn)槊糠鶊D像都被減去均值，且被放縮成單位向量，兩幅圖像之間的相關(guān)性與特征空間中投影之間的距離成反比，因此特征空間中的最近鄰匹配是圖像相關(guān)性的有效近似。PCA技術(shù)首先由Kirby[20]和Sirovich引人到人臉識(shí)別領(lǐng)域，并且證明了PCA是使原始圖像與重構(gòu)圖像之間的均方誤差極小化的最佳壓縮方式。一幅圖像在各個(gè)特征臉上的投影組成了該圖像的權(quán)值向量，將待識(shí)別圖像的權(quán)值向量與人臉數(shù)據(jù)庫(kù)中各圖像的權(quán)值向量相比較，確定哪一幅圖像與待識(shí)別圖像的權(quán)值向量最接近。后來(lái)Pentland等人進(jìn)一步擴(kuò)展了特征臉?lè)椒?，將類似的思想運(yùn)用到面部特征上，分別得到了本征眼、本征鼻、本征嘴，并且將它們結(jié)合起來(lái)進(jìn)行人臉識(shí)別。實(shí)驗(yàn)結(jié)果表明，這樣比單獨(dú)使用特征臉效果更好。特征臉?lè)椒ㄓ?jì)算量低，使用方便，并且效果良好，目前已經(jīng)成為人臉識(shí)別的基準(zhǔn)程序(Benchmark)和事實(shí)上的工業(yè)標(biāo)準(zhǔn)。但是它對(duì)于外界因素所帶來(lái)的圖像差異和人臉自身所造成的差異是不加區(qū)分的，因此外界因素(例如光照、姿態(tài))變化會(huì)引起識(shí)別率的降低。

特征臉?lè)椒ㄊ褂糜筛鱾€(gè)特征臉擴(kuò)展的空間來(lái)表示人臉，雖然可以有效地表示人臉信息，但是并不能有效鑒別和區(qū)分人臉。很多研究者提出了使用其他線性空間來(lái)代替特征臉空間以取得更好的識(shí)別效果。此中線性判別分析方法[21](也叫Fisher臉?lè)椒?，利用了類別歸屬信息，它選擇類內(nèi)散布正交的矢量作為特征臉空間，從而壓制了圖像之間與識(shí)別信息無(wú)關(guān)的差異，強(qiáng)調(diào)了不同人臉之間的差別，同時(shí)弱化了同一人臉由于光照、視角和表情而引起的變化，獲得了比特征臉更好的識(shí)別效果。LDA[22]是一種監(jiān)督學(xué)習(xí)方法，而PCA是非監(jiān)督學(xué)習(xí)方法。Belhumeur對(duì)16個(gè)人的各10幅圖像進(jìn)行識(shí)別實(shí)驗(yàn)，PCA方法的識(shí)別率為81%，而Fisher臉?lè)椒ǖ淖R(shí)別率為99.4%。

Moghaddam[23]等人提出了貝葉斯人臉識(shí)別方法。他們提出了一種基于概率的圖像相似度度量方法，將人臉圖像之間的差異分為類間差異和類內(nèi)差異。其中類間差異表示不同對(duì)象之間的本質(zhì)差異。類內(nèi)差異為同一對(duì)象的不同圖像之間的差異。而實(shí)際人臉圖像之間的差異為兩者之和。如果類內(nèi)差異大于類間差異，則認(rèn)為兩人臉圖像屬于同一對(duì)象的可能性大，他們提出了類間差異和類內(nèi)差異度量的概率模型和計(jì)算方法。由于貝葉斯相似度的計(jì)算涉及復(fù)雜的非線性計(jì)算。Moghaddam等人提出了一種線性的快速計(jì)算方法。這種人臉識(shí)別方法在1996年美國(guó)DAPAR組織的FERET人臉測(cè)試中是效果最好的方法之一特別是在克服光照和表情變化對(duì)識(shí)別的影響方面性能較好。

奇異值分解[24](Singular Valor Decomposition。SVD)是一種有效的代數(shù)特征提取方一法。奇異值特征具有良好的穩(wěn)定性、轉(zhuǎn)置不變性、旋轉(zhuǎn)不變性、位移不變性以及鏡像變換不變性等重要性質(zhì)。因此奇異值分解技術(shù)也被應(yīng)用到人臉識(shí)別領(lǐng)域。

獨(dú)立成分分析[25](Independent Component Anal-ysis,ICA)，可以看成是對(duì)PCA的推廣，PCA利用二階矩去掉輸人數(shù)據(jù)的相關(guān)性。使得數(shù)據(jù)的協(xié)方差為零。而ICA使得輸人數(shù)據(jù)的二階和高階矩依賴性最小，ICA首先被用于盲源分離(Blind Source Separation。BSS)問(wèn)題，用來(lái)將觀察信號(hào)分解成一系列獨(dú)立信號(hào)的線性組合。ICA用于人臉識(shí)別有兩種結(jié)構(gòu)(ICA Architecture I和ICA Architecture II)和多種算法(例如FastICA和InfoMax)，PCA和ICA Architecture II利用的是全局特征，而ICA Architecture I利用的是空間局部特征。B Draper等人詳細(xì)比較了PCA和ICA在人臉驗(yàn)證和面部表情識(shí)別中的性能，人臉驗(yàn)證實(shí)驗(yàn)中，ICA Architecture II的性能最好。PCA的性能與距離度量標(biāo)準(zhǔn)有關(guān)。ICA Architecture I的性能較差，ICA用Fast I-CA算法較好;表情識(shí)別實(shí)驗(yàn)中，用InIoMax算法實(shí)現(xiàn)的ICA A rchitecture I性能最好。

3、人臉識(shí)別面臨的挑戰(zhàn)

當(dāng)光照、姿態(tài)、表情變化時(shí)，人臉的表象會(huì)產(chǎn)生較大變化，從而造成人臉識(shí)別系統(tǒng)的性能下降。FE-RET測(cè)試川表明，光照和姿態(tài)變化問(wèn)題是當(dāng)前人臉識(shí)別系統(tǒng)面臨的挑戰(zhàn)。隨著人臉識(shí)別研究的深人，很多研究者對(duì)光照和姿態(tài)變化進(jìn)行了專門的研究，也取得了一定的進(jìn)展。本節(jié)專門針對(duì)這兩方面問(wèn)題進(jìn)行論述。

3.1 光照變化

因?yàn)楣庹諘?huì)改變?nèi)四槇D像灰度的相對(duì)分布，所以由光照引起的人臉圖像變化甚至比因個(gè)體差異引起的變化還要大。因此，光照變化會(huì)造成人臉識(shí)別系統(tǒng)性能的嚴(yán)重下降。對(duì)光照變化的處理已經(jīng)引起了很多研究者的重視，并且取得了較大進(jìn)展。目前已經(jīng)出現(xiàn)了很多光照處理方法，這些方法大致可以分為三類: 第一類方法的主要思想是尋找對(duì)于光照變化不敏感的人臉圖像表示方法。第二類方法是對(duì)原來(lái)某些不存在光照變化時(shí)人臉識(shí)別算法的簡(jiǎn)單改進(jìn)和推廣。第三類方法的主要出發(fā)點(diǎn)是構(gòu)建圖像合成(Synthesize)模型[26]，這些模型可以合成與測(cè)試(Probe)圖像具有相同或相似光照條件的新圖像作為數(shù)據(jù)庫(kù)(Gallery)中的圖像。這類方法的關(guān)鍵是對(duì)光照進(jìn)行建模。

3.2 姿態(tài)變化

視角的變化，即人臉姿態(tài)變化也會(huì)造成人臉識(shí)別系統(tǒng)性能的降低，因此對(duì)多視角人臉圖像的處理是人臉識(shí)別面臨的另一挑戰(zhàn)。Beymer[27]先對(duì)輸人圖像的視角進(jìn)行估計(jì)，接著根據(jù)自動(dòng)檢測(cè)到的三個(gè)特征點(diǎn)進(jìn)行二維仿射變換使之與原型(Prototype)的視角相同，然后直接使用模板匹配來(lái)實(shí)現(xiàn)多視角人臉識(shí)別。在一個(gè)62人的多視角人臉數(shù)據(jù)庫(kù)上取得了較好的實(shí)驗(yàn)結(jié)果，但測(cè)試集和訓(xùn)練集的視角比較接近，因此識(shí)別難度較低。

Pentland[28]等人提出的基于視角的特征臉(View-based Eigenface)方法為每個(gè)視角構(gòu)建一個(gè)

特征空間。取得了比標(biāo)準(zhǔn)特征臉?lè)椒ǜ叩男阅堋uang等人在基于視角的特征臉?lè)椒ǖ幕A(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)集成(Neural Network Ensemble)的方法，實(shí)現(xiàn)多視角人臉的識(shí)別。這類方法的缺點(diǎn)是每人需要多張人臉圖像作為訓(xùn)練集，而且將光照變化問(wèn)題與視角變化問(wèn)題分開(kāi)來(lái)考慮，這些前提條件在很多場(chǎng)合不能滿足。

3.3同時(shí)存在光照和姿態(tài)變化

上述的很多方法只是對(duì)光照或姿態(tài)變化中的一種進(jìn)行了處理，但在現(xiàn)實(shí)情況下，光照和姿態(tài)變化會(huì)同時(shí)存在。因此，要使人臉識(shí)別技術(shù)真正實(shí)用，人臉識(shí)別系統(tǒng)必須能夠處理同時(shí)存在兩種甚至任意多種成像條件變化的情況。光場(chǎng)(Light Field)[29]方法是最新提出的較有效的方法，對(duì)各種外部成像條件的變化都能進(jìn)行較好處理。由于人臉是三維的，因此利用三維模型(或者三維和兩維相結(jié)合)可以顯著地提高識(shí)別性能。

4總結(jié)與展望

本文對(duì)人臉識(shí)別的發(fā)展歷史、研究現(xiàn)狀進(jìn)行了綜述，尤其是對(duì)近幾年來(lái)在光照和姿態(tài)變化處理方面的研究進(jìn)展進(jìn)行了詳細(xì)論述。

經(jīng)過(guò)幾十年的研究，人臉識(shí)別已經(jīng)取得了很大的進(jìn)展，但現(xiàn)有的人臉識(shí)別方法一般都是針對(duì)某一類問(wèn)題提出的，由于人臉識(shí)別問(wèn)題的復(fù)雜性，實(shí)現(xiàn)一個(gè)通用的人臉識(shí)別系統(tǒng)目前還不現(xiàn)實(shí)。因此，解決特定條件或者特定應(yīng)用領(lǐng)域的人臉識(shí)別問(wèn)題仍然是目前人臉識(shí)別研究的重要課題。要構(gòu)建一個(gè)穩(wěn)健的人臉識(shí)別系統(tǒng)，以下是有待于解決的幾個(gè)主要問(wèn)題:

1、非線性建模問(wèn)題。目前統(tǒng)計(jì)方法中的子空間方法有一個(gè)共同的特點(diǎn)，即都是線性方法。人臉圖像顯然是一種高度非線性的模式。也就是說(shuō)，人臉圖像的分布應(yīng)該是位于某種高度非線性的流形[30](Mani-fold)上的，因此用非線性方法來(lái)進(jìn)行人臉識(shí)別是一個(gè)必然的發(fā)展趨勢(shì)。人臉識(shí)別技術(shù)由線性向非線性發(fā)展可能的現(xiàn)實(shí)途徑有兩條:一是利用核理論將現(xiàn)有的線性分析方法向非線性擴(kuò)展，這是一種間接的方法。典型代表是核主成分分析(Kernel Principal Component Analysis, KPCA)，也就是利用核理論對(duì)PCA進(jìn)行擴(kuò)展;二是直接從數(shù)據(jù)分布本身出發(fā)，研究高效的非線性流形學(xué)習(xí)算法，從而將人臉圖像投影到其實(shí)際分布所在的流形上進(jìn)行識(shí)別，目前，已有研究人員將其應(yīng)用到人臉識(shí)別領(lǐng)域，對(duì)人臉圖像采用流型的方法來(lái)進(jìn)行識(shí)別。

2、三維建模問(wèn)題。目前只利用二維信息的人臉識(shí)別方法只能在特定環(huán)境下取得較好的性能，然而在處理光照、視角和表情等方面的變化時(shí)會(huì)遇到較大的困難。由于人臉是三維的，因此利用三維模型可以顯著提高識(shí)別性能本文論述的三維可變型模型方法就是在這方面較好地嘗試。但是目前三維人臉識(shí)別在識(shí)別算法、三維人臉庫(kù)以及實(shí)驗(yàn)方法等方面還存在很多挑戰(zhàn)。

3、三維模型計(jì)算開(kāi)銷問(wèn)題。利用三維模型可以顯著提高識(shí)別性能，然而，構(gòu)造和存儲(chǔ)完整的三維人臉模型需要的開(kāi)銷太大，因此如何通過(guò)二維圖像對(duì)三維人臉參數(shù)進(jìn)行建模將是未來(lái)人臉識(shí)別研究的一個(gè)熱點(diǎn)。另外，利用2.5維信息進(jìn)行識(shí)別也是減小存儲(chǔ)和計(jì)算開(kāi)銷的一條可能途徑。

4、算法的自動(dòng)化與時(shí)間開(kāi)銷問(wèn)題。本文所提到的算法中，基于幾何特征的方法與基于模型的方法中的部分算法存在手工標(biāo)定人臉特征點(diǎn)的問(wèn)題，算法的自動(dòng)化程度有待進(jìn)一步加強(qiáng)。另外，算法中某些魯棒性與準(zhǔn)確率較高的算法，計(jì)算量巨大，運(yùn)算時(shí)間比較長(zhǎng)，人臉識(shí)別的實(shí)時(shí)性有待加強(qiáng)。[1] 厲小潤(rùn),趙光宙,趙遼英.改進(jìn)的核直接Fisher描述分析與人臉識(shí)別[J].浙江大學(xué)學(xué)報(bào):工學(xué)版, 2008,42(4): 583-589.[2] YU Hua, YANG Jie.A direct LDA algorithm for high-dimensionaldatawith application to face recognition [J].Pattern Recognition,2001,34(10): 2067-2070.[3] 周大可,楊新,彭寧嵩.改進(jìn)的線性判別分析算法及其在人臉識(shí)別中的應(yīng)用[J].上海交通大學(xué)學(xué)報(bào), 2005,39(4): 527-530.[4] BARTLELLM S, MOVELLAN JR, SEJNOWSKIT J.Face recognition by independent component analysis [J].IEEE Trans on NeuralNetworks, 2002,13(6): 1450-1464.[5] 洪子泉,楊靜宇.基于奇異值特征和統(tǒng)計(jì)模型的人像識(shí)別算法[J].計(jì)算機(jī)研究與發(fā)展, 1994,31(3): 60-65.[6] 杜干,朱雯君.基于局部奇異值分解和模糊決策的人臉識(shí)別方法[J].中國(guó)圖象圖形學(xué)報(bào), 2006,11(10): 1456-1459.[7] 高全學(xué),梁彥,潘泉,等.SVD用于人臉識(shí)別存在的問(wèn)題及解決方法[J].中國(guó)圖象圖形學(xué)報(bào), 2006,11(12): 1784-1791.[8] COOTES T F, EDWARDS G J, TAYLOR C J.Active appearance models: active appearance models [ J].IEEE Trans on Pattern Analysis and Machine Intelligence, 2001,23(6): 681-685.[9] WISKOTTL, FELLOUS JM, KRUGER N,et al.Face recognition by elastic bunch graphmatching [J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1997,19(7): 775-779.[10] WURTZ R P.Object recognition robust under translations, deformations, and changes in background [ J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1997,19(7): 769-775.[11] 孫大瑞,吳樂(lè)南.基于特征的彈性圖匹配人臉識(shí)別算法[J].應(yīng)用科學(xué)學(xué)報(bào), 2002,20(4): 377-381.[12] 張海旸,馬華東.基于網(wǎng)格的自適應(yīng)彈性圖人臉匹配方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)報(bào), 2008,20(2): 253-258.[13] 劉小軍,王東峰,張麗飛,等.一種基于奇異值分解和隱馬爾可夫模型的人臉識(shí)別方法[J].計(jì)算機(jī)學(xué)報(bào), 2003,26(3): 340-344.[14] 李耀東,崔霞,肖柏華,等.自動(dòng)人臉識(shí)別技術(shù)綜述[J].計(jì)算機(jī)科學(xué), 2002,29(12): 1-11.[15] 鄒志煌,孫鑫,程武山.人臉識(shí)別技術(shù)產(chǎn)品的發(fā)展概況[J].視頻應(yīng)用與工程, 2008,32(3): 91-93.[16] 劉瑾,徐可欣,陳小紅,等.采用圖像融合技術(shù)的多模式人臉識(shí)別[J].工程圖學(xué)學(xué)報(bào), 2007,28(6): 72-78.[17] 王耀明,王仲國(guó),沈毅俊.基于圖像集似然度的人臉識(shí)別[J].計(jì)算機(jī)工程, 2001, 27(7): 113-114.[18] 王宏勇，廖海斌，段新華，丁汨.基于奇異值與特征融合矩陣的自適應(yīng)人臉識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（7）：162-174.[19] 斯華齡,張立明.智能視覺(jué)圖像處理-多通道圖像的無(wú)監(jiān)督學(xué)習(xí)方法及其他方法[M].上海:上?？萍冀逃霭嫔?2002.[20] 郭武,張鵬,王潤(rùn)生.獨(dú)立分量分析及其在圖像處理中的應(yīng)用現(xiàn)狀[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（23）：172-176.[21] 白曉明,王成章,石勤.基于二維線性判別分析的彩色人臉識(shí)別[J].北京工業(yè)大學(xué)學(xué)報(bào).2010,12(36):1717-1721.[22] 王曉慧.線性判別分析與主成分分析及其相關(guān)研究評(píng)述[J].中山大學(xué)研究生學(xué)刊(自然科學(xué)、醫(yī)學(xué)版).2007,4(28):50-59.[23] 聶會(huì)星,梁坤,徐樅巍.基于小波變換和支持向量機(jī)的人臉識(shí)別研究[J].合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版).2022，2（34）：208-211 [24] 段錦著.人臉自動(dòng)機(jī)器識(shí)別[M].北京: 科學(xué)出版社, 2009．

[25] 吳巾一，周德龍.計(jì)算機(jī)應(yīng)用研究[J].人臉識(shí)別方法綜述，2009，9（26）: 3205-3209 [26] SIROVITCH L, KIRBYM.Low-dimensionalprocedure for the characterization of human face[ J].Journal of the Optical Society of America, 1987,4(3): 519-524.[27] KIRBYM, SIROVITCH L.Application ofKarhunen-Loeve procedure for the characterization ofhuman faces[J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1990,12(1): 103-108.[28] 劉成明，張立明.一種改進(jìn)的人臉特征點(diǎn)定位方法[J].復(fù)旦學(xué)報(bào)：自然科學(xué)版，2006,45(4)：452-463.[29] 杜春華.人臉特征點(diǎn)定位及識(shí)別的研究[D].上海：上海交通大學(xué).2008.[30] 馬艷妮，耿國(guó)華等.臉部特征點(diǎn)的定位與提取方法[J].計(jì)算機(jī)工程與應(yīng)用，2009,45(18)：167-170.讀書的好處

1、行萬(wàn)里路，讀萬(wàn)卷書。

2、書山有路勤為徑，學(xué)海無(wú)涯苦作舟。

3、讀書破萬(wàn)卷，下筆如有神。

4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來(lái)的?！_(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來(lái)。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無(wú)書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時(shí)方恨少、事非經(jīng)過(guò)不知難。——陸游

15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽(yáng)；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光。——?jiǎng)⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂(lè)、給人以光彩、給人以才干。——培根