1.2 发展现状
1.3 研究历史及常见的识别方法
〖Francis Galton〗^([3])早在十九世纪就开始了人脸识别的研究，他当时是用一组数字代表不同的人脸特征值。直到上个世纪九十年代，人脸识别技术的发展才有了实质性的提高。随着科学技术的进步和人们对社会安全的要求进一步提高，现在人们越来越多的研究人脸正面模式。人脸识别技术的发展大致可分为3个阶段。
第1阶段以Bertilkin、Parke和Allen为代表，他们主要研究如何得到人脸识别技术中所需要的面部特征值。Bertilkin在研究中用一个简单的语句与数据库中某一张脸相联系，同时在系统中结合了指纹识别法，提供了一个功能较强的识别系统。为了进一步提高识别率，Allen设计了一种逼真和有效的摹写来仿真待识别人脸^([4])，Parke用计算机把这一想法变成了现实，并生成了较高质量的人脸灰度图模型^([5])。这一阶段的特点主要是识别过程依赖于操作人员，显然这还不能称之为自动识别系统。
第2阶段是人机交互式识别阶段。这一阶段的代表性工作有：Harmon、Gold-stion和Lesk^([6])。他们表示正面人脸图像时采用几何特征参数。T．Kanad则首次运用积分投影方法计算出一组面部特征值，再利用模式分类的技术与标准人脸的特征参数相匹配进行人脸识别。Kaya和Kobayashi则采用了统计识别方法，表征人脸特征时采用欧氏距离，如鼻与眼睛之间的距离，鼻与嘴唇之间的距离等。在这一阶段，人们使用的方法还需要利用操作员的某些先验知识，因此还是不能称为自动识别。
第3阶段是真正的机器自动识别阶段。进入本世纪后，随着嵌入式系统和高速度高性能计算机的快速发展，产生了更多的人脸模式识别方法，多种全自动机器识别系统被提出，在利用视频图像或静态图像来进行人脸识别的系统中，主要有以下几类识别方法：
(1) 基于几何特征的人脸识别方法：人脸的几何特征是指两眼之间的距离，口鼻之间的距离，眼鼻之间的距离和脸型特征及人脸的五官局部形状特征等。现在是较多的提取正面人脸的特征值，通过人脸面部拓扑结构的几何关系，用一组几何特征矢量来表示人脸图像，最后采用匹配特征矢量来识别人脸。判别方法中最常用的就是欧氏距离判别法，基于几何特征的大多数人脸识别方法都采用欧氏距离作为相似性度量^([7])。
基于几何特征的识别方法具有如下优点：
1) 对光照变化不太敏感；
2) 比较容易理解，符合人类识别人脸的机理；
3) 存储量较小，一幅图像只需存储一个特征矢量。
这种方法同样存在如下问题：
1) 对表情变化的鲁棒性较差；
2) 很难从图像中抽取稳定的特征值，特别是在特征受到遮挡时；
3) 一般几何特征适合于粗分类，因为它只描述了人脸或五官的基本形状与结构关系，忽略了局部细微特征，造成部分信息丢失。
(2) 基于统计的人脸识别方法：该方法表示人脸图像时采用代数特征矢量，由图像本身的灰度分布决定。所运用的主要是一些标准的数据统计方法，它从整体上描述和捕捉人脸的特征，描述了图像的内在信息，运算比较复杂。隐马尔可夫(HMM)模型方法和特征脸方法都属于基于统计的人脸识别方法。隐马尔可夫模型是采用概率统计的方法来描述时变信号^([7])。隐马尔可夫过程法刚开始时是用于处理一文信号，要是想把它应用于二文图像，就必须先将图像转换为一文序列。这个一文序列代表模型中的状态，这种特征通常是较为稳定的，能够描述数据中的某种全局特征，它能够反映出观测特征矢量在较大时间尺度上的统计特征变化。由于HMM是一个统计模型，对于同一特征序列，可能会对应多个状态序列。 PCA安检面部识别系统研究+文献综述(4):http://www.youerw.com/zidonghua/lunwen_8202.html