3人脸识别的方法概述

人脸识别是Galton最先提出来的，但是一开始并没有提到用计算机进行人脸识别。一直到1965年Chan&Bledsoe在PanramicResearchInc。发表了相关的技术报告[11]，人们才开始进行机算计识别人脸的探索。在随后的二十多年的时间里，国内外的研究机构对计算机识别人脸进行了初步的研究工作，这些研究很多都是基于对人脸的先验知识展开的，虽然得到了一定的效果但是由于识别的过程始终无法摆脱人的干预。直到20世纪90年代，随着计算机性能的快速发展，以及摄像头的普及，使得机器识别人脸的研究开始了井喷式的发展，关于机器识别人脸的论文大量发表，而且对于机器识别人脸也开始不再局限于应用先验知识，神经网络在人脸识别的应用使得计算机能够自主的去寻找人脸特征并实现人脸识别。

相对于1965年Chan&Bledsoe发表的相关的技术报告，人脸识别的技术已经逐渐成熟并且在一些人脸库上达到令人惊叹的识别正确率。本章将对人脸识别的各种方法做出简要的介绍。

（1）基于几何特征的人脸识别方法基于几何特征的方法要求测出五官的位置以及位置间的距离，最后将这些距

离作为特征向量来识别人脸。由前文中对人脸特征的介绍知道人脸具有几何特征，人类的五官分布是有一定规律的，因此提取五官的发布特征可以用到一些先验知识来提高准确率。在确定人脸正面特征后再通过对比实现人脸的分类识别。该方法可以说是基于知识的，它更加直观、易于实现，但是识别的准确率不高。Kanada[12]等提出了一种使用几何参数来识别人脸的方法，该方法使用16个人的正面人脸几何特征来进行测试，最终识别的准确率为45%到75%之间，可以说效果不佳。Brunelli和Poggio[13]实现了一个利用几何特征的人脸识别器，它利用积分投影法提取出35维度的人脸几何特征矢量并将其用于模式分类。该识别器在一个由47个人的测试样本数据库上取得了90%的识别准确率。基于几何特征的人脸识别方法在实际运用中存在很多难点，首先要稳健的提取出特征点，这受到人脸表情和姿态的影响很大。并且该方法只考虑了人脸的几何特征而忽略了其他很多特征，可以说造成了信息的浪费。目前该方法主要用作人脸的粗略分类，需要结合其他识别算法来提高准确率。

（2）基于神经网络的人脸识别方法神经网络是通过模拟人类神经运作机理提出的运用于解决非线性问题的理

论，最早将神经网络应用于人脸识别的是Kohonen利用自联想映射神经网络解决输入图像只人脸受到噪声污染的问题。运用Kohonen网络能够实现破损人脸图像恢复完整的人脸。Cottrell等[14]运用级联的BP神经网络来实现人脸的识别，这种方法可以适应部分受损的人脸图像，对光照变化也有稳健性。Lin和Kung[15]提出了一种基于概率决策用于人脸识别的神经网络。神经网络在人脸识别方向上具有其他方法所不具备的优点，就是它可以摈弃了繁杂的特征提取工作，运用神经网络的自动训练去提取特征，它甚至能提取出研究人员无法发现的特征，所以神经网络在人脸识别方向能实现出人意料的识别准确率。