人脸识别调研报告（精选6篇）_人脸识别市场调研报告
人脸识别调研报告（精选6篇）由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“人脸识别市场调研报告”。
第1篇：人脸识别小结
人脸识别总结
一、概述
生物特征识别技术包括人脸识别、指纹识别、语音识别、表情分析及理解、虹膜识别等 人脸识别的实质就是借助计算机工具来分析人脸面部图像，采用不同的特征表示方法提取有效地人脸特征，是可用来辨识身份的一门自动处理技术，常见重要应用案例包括银行和军事重地的自动门禁系统、智能人脸监控系统、用于公共交通体系中安检系统的嫌疑人自动识别系统、网络服务中的在线验证系统等。产生不同个体较大差异性的内在因素主要有种族、性别、年龄、心理等。外在因素主要有光照变化、角度偏转、姿态、噪声千扰、遮挡、以及化妆遮挡物等。18世纪,就有一篇依据人脸特征信息进行身份鉴别的文章发表在《Nature》上,开启了近代最早的人脸识别研宄，最早的自动人脸识别系统是由Chan和Bledsoe创于1965年 人脸识别包括四个主要步骤：图像预处理、人脸检测、面部特征提取和分类识别。
二、研究领域
1、身份验证领域：通过人脸识别技术来判断和鉴别当前用户是否合法或者具备相应的功能权限，例如2008年北京奥运所采用的人脸识别系统。
2、智能视频监控领域，例如车站安装智能监控系统,该系统中加入了人脸识别技术以捕捉人群中的可疑罪犯。
3、人机交互领，例如人脸面部为视觉系统提供了最为主要的特征信息。
三、人脸识别方法及其算法
（一）方法分类
可以分为：基于几何特征的人脸识别、基于弹性图匹配的人脸识别、基于子空间分析的人脸识别、基于神经网络的人脸识别、基于隐马尔可夫模型等。 经典的特征脸“Eigenface”就是该时期由麻省理工学院的M.Turk和A.Pentlaiid提出的，采用PCA变换对原始图像进行降维处理,然后再进行分类识别。 P.Belhumeur等提出的Fisherfaces人脸也被广泛应用在人脸识别中。
90年代中后期,出现了一种基于动态连接结构(Dynamic Link Architecture)的弹性图匹配(Elastic GraphMatching)识别方法。 90年代末支持向量机被应用到人脸识别技术中。
（二）流行算法
主要分为：等距离映射_(Isometrical Mapping,简称 ISOMAP)、局部线性嵌入(Locally LinearEmbedding,简称LLE、拉普拉斯算子特征映射(Laplacian Eigenmaps)、拉普拉斯脸(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： 基于稀疏表示的人脸识别方法(Sparserepresentation recognition, SRC)针对此识别方法还出现了较多的改进模型,典型的有
基于Gabor的稀疏表示 基于Metaface的稀疏表示等
（三）难点
1、人脸图像的成像条件包括较大的随机性：光照变化、姿态变换、表情变化、发 型改变、化妆、以及遮挡等复杂条件
2、人脸面部图像的复杂的三维结构属性：包括线性结构和非线性结构
3、人脸图像数据的维数问题
4、不同个体间的面部特征的差异性
四、人脸特征提取研究
（一）人脸特征提取和识别算法分类
基于统计方法 基于几何方法
（二）具体实现
主成分分析(principal component analysis, PCA)是一种典型的数据处理和数据降维方法
Sirovich和Kirby首先研究人脸降维过程，采用基于镜像脸的技术 M.Turk_提出了基于PCA表示的特征脸的概念
Fisher线性判别方法也是人工智能和模式识别领域中的重要方法之一
Foley和Sammon提出了基于Sammon最佳鉴别平面的技术
Duchene和Leclercq提 出了针对多类问题的Foley-Sammon最佳鉴别矢量集的求解公式
Turk和Pentland提出了基于特征脸的特征提取方法 Kittler又提出了基于Fisher鉴别准则的提取面部特征方法 Hong和Yang提出了采用SVD进行特征提取方法 Cheng等改进并提出了一种新的相似性鉴别准则
Liu等提出了基于最佳鉴别广义平面和最佳鉴别广义矢量集的一系列特征提取方法 郭等在此基础上提出了改进的最佳鉴别矢量方法 吴等又改进了广义最佳鉴别矢量方法 基于模型的特征提取方法
Ka等首次提出了主动轮廊线模型(Active Contour Model,ACM), ACM也被称为Snake模型
Lee等提出了一种改进Snake模型的方法,改进方法是由正面和侧面结构化特征来对面部进行特征点定位
基于统计参数化模型的主动形状模型(Active Shape Model, ASM) 优势在于它不仅能有效地定位和提取目标物体的外部轮廓信息,而且能提取目标物体的内部轮廓和形状特征
Cootes等在ASM基础上提出了主动表观模型(Active AppearanceModel,AAM)
（三）需要解决的问题
1、根据奇异值分解原理可以得到人脸图像的奇异值向量所在的基空间(矩阵)是由 人脸图像本身决定的。
2、当光照、姿态、表情变化以及遮挡等复杂条件下,人脸的表象会产生较大变化, 从而造成人脸识别系统的性能下降。
3、需要构造一种能有效描述目标纹理特性的局部纹理轮廓模型,进一步提高模型的 特征点定位精度。
第2篇：人脸识别技术解读
人脸识别，特指利用分析比较的计算机技术。人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度；它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。
中文名 人脸识别技术 实 质
输入的人脸图象或者视频流 研究领域
热门的计算机技术研究领域 技 术
生物特征识别技术
目录
1基本介绍
2技术原理 ▪ 人脸识别内容 ▪ 人脸的识别过程 3分析算法
4功能模块
▪ 人脸捕获与跟踪功能 ▪ 人脸识别比对 ▪ 人脸的建模与检索 ▪ 真人鉴别功能 ▪ 图像质量检测 5基本方法
6技术细节 7优缺点
▪ 人脸识别优点 ▪ 人脸识别的弱点 8技术应用
9应用前景
1基本介绍编辑
人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流.首先判断其是否存在人脸 , 如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。
生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。2技术原理编辑
人脸识别内容
人脸识别技术包含三个部分：(1)人脸检测 面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法： ①参考模板法
首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；
②人脸规则法
由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；
③样品学习法
这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；
④肤色模型法
这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。⑤特征子脸法
这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子空间的投影之间的距离判断是否存在面像。
值得提出的是，上述5种方法在实际检测系统中也可综合采用。(2)人脸跟踪
面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。
(3)人脸比对
面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。主要采用特征向量与面纹模板两种描述方法：
①特征向量法
该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。
②面纹模板法
该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。
人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。人脸的识别过程
一般分三步：
(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。
(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。
(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。3分析算法编辑
人脸识别技术中被广泛采用的区域特征分析算法，它融合了计算机图
人脸识别
像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。通过这个值即可确定是否为同一人。4功能模块编辑
人脸捕获与跟踪功能
人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。人脸识别比对
人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。
人脸的建模与检索
可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
真人鉴别功能
系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。
图像质量检测
图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。5基本方法编辑
人脸识别的方法很多，主要的人脸识别方法有：
（1）几何特征的人脸识别方法：几何特征可以是眼、慧眼人脸识别考勤机 鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。这些算法识别速度快，需要的内存小，但识别率较低。
（2）基于特征脸（PCA）的人脸识别方法：特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。
（3）神经网络的人脸识别方法：神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。
（4）弹性图匹配的人脸识别方法：弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。
（5）线段Hausdorff 距离(LHD)的人脸识别方法：心理学的研究表明，人类在识别轮廓图（比如漫画）的速度和准确度上丝毫不比识别灰度图差。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。
慧眼人脸识别考勤机
（6）支持向量机(SVM)的人脸识别方法：支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本（每类300个），这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。6技术细节编辑
一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
人脸识别的算法可以分类为：
基于人脸特征点的识别算法（Feature-based recognition algorithms）。基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。
基于模板的识别算法（Template-based recognition algorithms）。利用神经网络进行识别的算法（Recognition algorithms using neural network）。7优缺点编辑
人脸识别优点
相比较其他生物识别技术而言：
非接触的，用户不需要和设备直接接触；
非强制性，被识别的人脸图像信息可以主动获取；
并发性，即实际应用场景下可以进行多个人脸的分拣、判断及识别。
人脸识别的弱点
对周围的光线环境敏感，可能影响识别的准确性； 人体面部的头发、饰物等遮挡物，人脸变老等因素，需要进行人工智能补偿；（如可通过识别人脸的部分关键特性做修正）。8技术应用编辑
1．企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。2．电子护照及身份证。这或许是未来规模最大的应用。在国际民航组织（ICAO）已确定，从 2010年 4月 1日起，其 118个成员国家和地区，人脸识别技术是首推识别模式，该规定已经成为国际标准。美国已经要求和它有出入免签证协议的国家在2006年10月 26日之前必须使用结合了人脸指纹等生物特征的电子护照系统，到 2006年底已经有 50多个国家实现了这样的系统。美国运输安全署（Transportation Security Administration）计划在全美推广一项基于生物特征的国内通旅行证件。欧洲很多国家也在计划或者正在实施类似的计划，用包含生物特征的证件对旅客进行识别和管理[7]。中国的电子护照计划公安部一所正在加紧规划和实施。
3．公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4．自助服务。如银行的自动提款机，如果同时应用人脸识别就会避免被他人盗取现金现象的发生。
5．信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现。如果密码被盗，就无法保证安全。如果使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一。从而大大增加电子商务和电子政务系统的可靠性。9应用前景编辑
生物识别技术被广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。
随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。
1、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。
2、电子护照及身份证。这或许是未来规模最大的应用，国际民航组织(ICAO)已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。
3、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4、自助服务。如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。
5、信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。[1]
2012年无锡采用物联网人脸识别技术规范建筑市场。无锡的建筑工地将从6月1日起每天通过物联网技术进行人脸识别，通过考勤管理，确保项目负责人到位，挂靠、层层转包等现象将有望受到限制。
京沪高铁三站将建人脸识别系统，整容也能被识别。铁路部门发布计划表示，将在京沪高铁段的上海虹桥站、天津西站、济南西站这三个站点，建设人脸识别系统工程，以协助公安部门抓捕在逃罪犯。利用这个系统，作案后的犯罪分子，即使整容，也将能够被识别。[2]
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
第3篇：二进制人脸表情识别
1、我觉得团队介绍的时候应该介绍一下老师，毕竟我们的基础还是比较薄弱的吧~~~ 老师的介绍（从申请表中摘录的）：发表十几篇科研论文，并且取得很好的成果，获得苏州大学本科生毕业设计优秀指导教师。
2、下面是我找到的素材，我觉得可能会让人感兴趣，你看一下能串到你的稿子里么？
（1）心理学家梅尔贝因给出了一个公式：
感情表露=7%的言词+38%的声音+55%的面部表情，通过研究人脸表情，我们可以大致了解一个人的内心情感。
（2）6种基本情感类别：惊奇、恐惧、厌恶、高兴、愤怒、悲伤
（3）目前存在的缺陷：特征提取的方法存在一些缺陷；某些表情易于识别，某些表情不易识别，心理学方面的研究认为，最容易辨认的是快乐、痛苦，较难辨认的是恐惧、悲哀，更难辨认的是怀疑、怜悯
（4）应用前景：①安全领域：表情识别可用于核电站的管理和长途汽车司机等着重强调安全的工作岗位。在岗者一旦出现疲劳、瞌睡的征兆，识别系统及时发出警报避免险
情发生。②医疗领域：表情识别还可用于机器人手术操作和电子护士的护理。可根据患者面部表情变化及时发现其身体状况的变化，避免悲剧发生。③电脑游戏：如果游戏可以根据游戏者的喜、怒、衷、乐来做出实时的反应，那么这样的游戏肯定比那些传统规定好规则的游戏更加吸引人。
第4篇：银行用人脸识别
银行人脸识别运用
银行是国家货币流通的主要场所，业务中涉及大量现金、有价证券及贵重物品，因而银行的安全一直以来都是国家安全防范的重点。近年来，金融行业市场发展迅猛，随着营业网点、ATM机、银行资金流动等的增多，银行安防系统所面临的挑战越来越大。为加强对银行、储蓄所、金库、贵重物品集中场所的安全防范，银行越来越重视技防的作用，作为防止犯罪发生的有效途径，双门互锁门禁系统也应运而生。目前市场上的双门互锁门禁系统大都采用读卡或者指纹的身份验证方式，由于这两种方式都存在一定的安全隐患或不足，因而人脸识别技术的应用受到用户关注。
双门互锁系统是指两道门具有互锁联动的功能，即当一道门被打开时，另一道门则打不开，只有当两道门都关上时，才能打开其中的任一道门。根据《银行营业场所风险等级和防护级别的规定》等相关银行安全管理规范，储蓄网点等现金柜台的进出口必需设置两道门，而且员工在进入第一道门后必需要按照规范锁好第一道门才能进入第二道门，如进入第一道门后没有按要求关好此道门，员工将不能进入第二道门，从而更好地防止犯罪分子尾随作案。目前，市场上的双门互锁门禁系统大都采用读卡或者指纹的身份验证方式，但是这两种身份验证方式均存在一定的安全隐患。例如：磁卡和智能IC卡均容易被复制，窃取，丢失，它们作为验证模式已经不能满足日益增长的安全需要。而指纹门禁虽然成本低，但是对某类人群的适应性很差，例如指纹不清晰，有磨损等，同时在指纹上有油渍，水渍，蜕皮等情况下，指纹识别的误差也是很大的。另外，由于多年来指纹一直被当成辨识犯罪的工具，部分人会因为指纹被采集而在心理上产生抵触情绪。而人脸识别利用人的面部特征进行身份辨识，友好，直观，不需要人的刻意配合，是目前所有生物识别技术中对使用者影响最小的，准确性也高。更为可贵的是，有人脸识别门禁摄像头采集的人脸图像，也可为事后调查提供最直观的证据，因此，用人脸识别技术取代双门互锁系统中的读卡或者指纹的验证方式，是实现银行营业厅出入控制的一种最佳的选择。
人脸识别安全性更高
人脸识别技术上划分为1：1比对和1：N比对，对于银行可采用智能卡与人脸识别1：1比对方式相结合，其优势是双重的验证机制。首先需要智能IC卡或者ID卡验证，验证通过之后，进行人脸识别验证，人脸识别验证通过之后，才能开门。与单纯的采用智能卡的门禁系统相比，安全性更高，适合银行这样的高安全性场所使用。根据目前银行营业厅等重要场所的实际情况，可以设计安全通道门，由两道带人脸识别装备的防盗门、一台两门联动控制器等组成。
其工作原理是：首先在管理系统中注册人员，注册时每人分配一张IC卡或者ID卡，将人员的注册信息和人员图像注册到联动控制器中。以从公共区进入安全区为例，正常使用时，当人脸在门1的人脸识别上验证时，首先联动控制器查询门2是否闭合，如果门2处于开启状态，则拒绝在门1处进行验证，只有当门2闭合，才允许启动验证。
验证时，先刷卡，同时人脸识别摄像头会捕获一张图像，将卡号信息和图像传输至联动控制器中，控制器根据卡号信息找到注册时的图像，与捕获的图像进行比对识别，比对通过则控制器控制电锁开启，关上门1，在门2处重复上述的验证步骤。
在一些特殊情况下，比如卡丢失，员工需要进行挂失，重新补卡才能使用该系统；如果是有入侵者胁迫开门的情况，员工会使用胁迫开门功能，同时向后台管理系统报警，监控中心的人员在管理系统的实时监控中获取警情，可以采取相关报警动作;如果是多人脸识别，系统允许一定时间内，多人相继验证通过，系统才会开门。智能化管理
通过管理电脑对进出人员的权限，进出时间以及进入方式进行管理。并同时存储相应数据，以备事后查询。多人脸识别开门功能
在重要的区域，系统可以设置同时多个人脸识别（两人以上）才能开门的方式，即打开一道门要有多人同时在规定时间内通过人脸识别验证后，门才能打开。优势
综上所述，使用本方案有以下几个方面的优点。第一，使安全防范级别得到有效提升。
在原有智能卡门禁系统上融入人脸识别技术，可有效防止盗取他人智能卡或者监守自盗现象的发生，是原有出入控制系统安全防范级别的有效提升。第二，能与CCTV系统无缝结合。随着人们安防要求的逐渐提高，CCTV系统早已成为银行安防系统中的重要环节。本系统无须另添加任何其它设备即可与银行原有的CCTV系统无缝结合。本方案所述的人脸识别门禁系统还设计有一些通讯接口，可以和视频监控系统进行通讯。比如，在发生胁迫报警时，可以通知视频监控系统，使其调整监控画面，更方便观看现场的情况等。第三，灵活的事件处理和报警联动。
本系统可以与其它报警系统联动，对各种异常事件，如非法读卡，开门超时，门锁损坏，强行进入等，可根据用户实际需求设定相应的报警处理和提示，以确保安全防范区域的安全可靠，并对犯罪分子具有极大的威慑作用。结语
近些年来，人脸识别技术虽然取得了很大的发展，但是用户担心识别精度还是会受到光照、姿态、表情、伪装等因素的影响，正缘于此，他们在选用人脸识别产品上会有一些担心与顾虑，可喜的是，人脸识别技术的算法已越来越具鲁棒性（鲁棒性，在此指人脸识别算法的健壮性，减弱外界的光照，姿态，表情等因素对人脸识别的影响），再采用红外成像等手段，可以提升识别精度，使得人脸识别产品真正应用起来。
出入口控制作为安全防范系统中的重要环节，直接影响着整个系统内部的安全。目前，较为成熟的门禁解决方案是卡片或者卡片加密码的模式，但一旦卡片丢失或者密码遗失，对整个系统的安全就构成很大威胁或者对用户的使用造成不便。而人脸识别门禁系统用人脸作为“钥匙”来开门明显安全性更高，并且具有受场地环境影响小、识别准确率高、识别速度快、结果直观等优点，已经越来越受到广大客户的重视。
第5篇：人脸识别相关技术分析报告解读
人脸识别相关技术
分析报告
2015年10月
目 录
第一章 分析概述...........................................................................................................................................2
一、背景调研............................................................................................................................................2
二、检索及分析内容................................................................................................................................2 第二章 人脸识别专利态势及技术研发分析...............................................................................................4
一、专利态势及技术研发分析................................................................................................................4
（1）人脸识别专利申请趋势分析......................................................................................................4
（2）技术生命周期..............................................................................................................................5（3）人脸识别技术构成......................................................................................................................6（4）人脸识别竞争对手分析..............................................................................................................7
二、技术路线分析...................................................................................................................................8
（1）人脸定位技术路线....................................................................................................................8（2）图像获取技术路线....................................................................................................................9（3）人脸跟踪技术路线....................................................................................................................10 第一章 分析概述
一、背景调研
人脸检测识别技术是基于人脸特征来进行身份识别的技术。与其他识别方式相比，由于人脸始终暴露在外面，采集人脸特征有直接、友好、方便的特点。现在，国际银行组织、国际民航组织的生物特征识别护照的标准中明文规定必选的特征是人脸，可选的特征是指纹、虹膜或者在其它特征中任何一种。目前我国公民的第二代身份证有嵌入可机读的人脸图像信息，这也为下一步人脸识别广泛应用打下有利的基础。
上世纪九十年代以来，人脸检测识别技术研究达到了高潮时期，一批具有代表性的论文和算法产生，自动人脸识别技术也得到了长足的发展，相关机构组织了如人脸手势识别等专门的国际学术会议。另外，现在很多的研究型理工大学和兀公司都在着手人脸检测识别研究。领域内最著名的国际研究机构包括：美国麻省理工学院媒体实验室及人工智能实验室、南加州大学、马里兰大学、卡内基一梅隆大学机器人研究及交互系统实验室等。在我国，清华大学计算机系、电子系瞻嘲、中科院自动化所阳吲、南京理工大学、南京航空航天大学、哈尔滨工业大学等进行了许多很有意义的尝试，积累了经验。国内的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法和基于连接机制的人脸识别方法。人脸识别由于具有直接、友好、方便的特点，使用者无任何心理障碍，易于被用户所接受，从而得到了广泛的应用。主要在以下几个方面：(1)档案管理系统(2)安全验证系统(3)信用卡验证(4)公安系统的罪犯身份识别(5)银行和海关的监控(6)人机交互等。
人脸识别系统包括：(1)人脸图像的获取(2)人脸的检测(3)特征提取(4)基于人脸图像比对的身份识别(5)基于人脸图像比对的身份验证
二、检索及分析内容
本分析对人脸识别相关专利进行了中国专利检索，检索采用国家知识产权局专利数据库，以该专利数据为基础对其相关技术进行了分析，以期能从战略层面为汉柏的技术研发、专利布局和专利风险预防提供借鉴参考。
具体分析项如下：（1）专利申请趋势分析（2）技术构成（3）竞争对手分析（4）技术路线图分析
第二章 人脸识别专利态势及技术研发分析
第二章 人脸识别专利态势及技术研发分析
截至报告检索完成日期，共检索得到人脸识别公司专利3516件。我们以此3516件专利作为基础进行人脸识别技术专利态势技术及研发分析，包括专利申请趋势分析、技术生命周期、技术构成、发明人分析、竞争对手分析等，由此获取人脸识别技术发展情况，为汉柏的科研和决策提供参考。
一、专利态势及技术研发分析
（1）人脸识别专利申请趋势分析
图表 1 人脸识别专利申请趋势
图表1显示了人脸识别专利申请趋势。如上图所示，自1995年起首次出现人脸识别相关专利申请，1995-2004年期间专利申请量发展平稳，增长率不大，自2005年起该领域专利申请量呈快速增长，2010年后呈爆发式增长。
应注意的是，受到报告截止的统计时间的影响，2015年的数据必然不是最终数据，仅起到一定参考作用，以下情况相同，不做另述。
第二章 人脸识别专利态势及技术研发分析
（2）技术生命周期
分析人脸识别相关技术的申请人数量及专利申请数量随时间分布，可分析该技术生命周期发展情况。
图表 2 人脸识别专利申请趋势
1995-2005年为该技术发展起步阶段，申请人及申请量都较少，2005-2014年为该技术发展的成长阶段，申请人数量及申请量均迅猛增长，2015年之后，将陆续有专利超过保护期限而失效，行业壁垒逐渐减少，可能竞争会更加激烈。
第二章 人脸识别专利态势及技术研发分析
（3）人脸识别技术构成分析人脸识别相关技术的技术构成，可以看出该的技术发展的热点。
图表 3 人脸识别重点技术随时间分布图
图表2显示了人脸识别技术构成前10位技术领域的IPC和专利量。人脸识别的技术构成主要集中于：G06K 数据识别；数据表示
第二章 人脸识别专利态势及技术研发分析
（4）人脸识别竞争对手分析
通过对该技术申请人统计分析，可以找到掌握该技术最重要的竞争对手。
图表4 人脸识别技术重要竞争对手
图表4显示出掌握该技术专利数量最大的几个申请人，主要以应用类产品研发的公司及研究型大学为主。
第二章 人脸识别专利态势及技术研发分析
二、技术路线分析
（1）人脸定位技术路线
第二章 人脸识别专利态势及技术研发分析
（2）图像获取技术路线
第二章 人脸识别专利态势及技术研发分析
（3）人脸跟踪技术路线
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
第6篇：前沿人脸识别综述解读
人脸识别综述
王军军
（西安交通大学，西安，710086）
摘要：人脸识别已成为多个学科领域的研究热点之一，本文对人脸识别的发展历史、研究现状进行了综述，系统地对目前主流人脸识别方法进行了分类针对人脸识别面临的挑战，着重对近几年来在光照和姿态变化处理方面的研究进展进行了详细沦述，并对未来人脸识别的发展方向进行了展望。
关键词：人脸识别，人脸检测，模式识别
一、引言
人脸识别是近年来模式识别、图像处理、机器视觉、神经网络以及认知科学等领域研究的热点课题之一。所谓人脸识别，是指给定一个场景的静态图像或动态视频，利用存储有若干已知身份的人脸图像的数据库验证和鉴别场景中单个或者多个人的身份[1]。人脸识别按照人脸信息的来源可以分为两类:基于静态人脸图像的识别和基于包含人脸的动态视频信息的识别。因为动态视频信息并不能明显提高人脸识别的性能，因此本文只研究基于静态人脸图像的识别[2]。
作为生物特征识别的一个重要方面，人脸识别在档案管理系统、安全验证系统、信用卡验证、公安系统的罪犯身份识别、银行和海关的监控、人机交互等领域具有广阔的应用前景。与指纹识别、视网膜识别、虹膜识别等[3]技术相比，人脸识别技术在数据采集方面手续比较简单，使用者更容易接受。人脸作为生物特征，虽然唯一性比指纹和虹膜要差[4]，在高安全性要求的系统中只能作为辅助手段。然而，对于一般安全性要求的身份验证和鉴别系统[5]，人脸识别技术已经足够应用了。
人脸识别研究在二十世纪六七十年代引起了诸多学科领域研究者的浓厚兴趣。进人九十年代后，随着各行业对人脸识别系统的迫切需求，人脸识别研究再次成为热门课题。当前世界各国有许多研究机构在从事这方面的研究，这些研究受到军方、警方以及大公司的高度重视和资助[6]。美国军方还专门组织了人脸识别竞赛以促进人脸识别研究的发展。经过三十多年的研究，人脸识别已经成为图像分析与图像理解领域最成功的应用之一研究人员提出了很多识别方法，建成了一些实验系统，也有一些成功的人脸识别商业软件投人市场。
人脸识别作为模式识别的一种，一般可以分为三个组成部分:从场景中检测并分割人脸;抽取人脸特征;匹配和识别人脸[7]。由于人脸检测已经发展成为一个独立的课题，具有特定的思想和方法，所以本文假定人脸已经被正确检测并从场景中分割出来。
二、人脸识别的方法
目前，人脸识别的方法大致可以分为以下几类：基于几何特征的方法、基于模型的方法、基于统计的方法、基于神经网络的方法和多分类器集成的方法[8]。目前主流的方法有基于几何特征的方法和基于模型的方法。
2.1基于几何特征的方法
文献中记载最早的人脸识别方法就是Bledsoe[9]提出的基于几何特征的方法。该方法以面部特征点之间的距离和比率作为特征，通过最近邻方法来识别人脸，以该方法建立的人脸识别系统是一个半自动系统，面部特征点必须由人手工定位。也正是由于人工的参与，该系统对光照变化和姿态变化不敏感[10]。
侧影[11](Profile)识别也是早期基于几何特征人脸识别的一个重要方法，其基本原理是从人脸的侧影轮廓线上提取特征点，将侧影转化为轮廓曲线，从中提取基准点，根据这些点之间的几何特征来进行识别，由于侧影识别相对较简单且应用面小，对侧影识别的研究较少。
基于几何特征的方法非常直观，识别速度快，内存要求较少，提取的特征在一定程度上对光照变化不太敏感[12]。但是，当人脸具有一定的表情或者姿态变化时，特征提取不精确，而且由于忽略了整个图像的很多细节信息，识别率较低，所以近年来已经很少有新的发展。
2.2基于模型的方法
隐马尔可夫模型[13](Hidden Markov Model,HMM)是一种常用的模型，基于HMM的方法首先被用于声音识别等身份识别上，之后被Nefian和Hayes引人到人脸识别领域。它是用于描述信号统计特性的一组统计模型。HMM用马尔可夫链来模拟信号统计特性的变化，而这种变化又是间接通过观察序列来描述的，因此马尔可夫过程是一个双重的随机过程。在HMM中结点表示状态，有向边表示状态之间的转移，一个状态可以具有特征空间中的任意特征，对同一特征，不同形态表现出这一特征的概率不同[14]。在人脸识别过程中，Nefian首先采用两维离散余弦变换(Discrete Cosine Transform,DCT)抽取人脸特征，得到观察向量，构建HMM人脸模型，然后用EM(Expectation Maximization)算法训练，利用该模型就可以算出每个待识别人脸。观察向量的概率，从而完成识别。HMM方法的鲁棒性较好，对表情、姿态变化不太敏感，识别率高[15]。
主动形状模型[16](Active Shape Model, ASM)方法由Cootes等人提出，Cootes对形状和局部灰度表象建模，用建立的ASM在新的图像中定位易变的物体。后来，Lanitis等将其应用于解释人脸图像，在使用ASM找出人脸的形状后，将人脸切割并归一到统一的框架，对这个与形状无关的人脸采用亮度模型来进行解释和识别，其鲁棒性和识别效率均较高，但需要手动标会人脸的特征点，算法的自动化程度有待加强。
主动表象模型[17](Active Appearance Model, AAM)可以看成是对ASM的进一步扩展，是一种通用的非线性图像编码模式，通过变形处理将通用人脸模型与输人图像进行匹配，并将控制参数作为分类的特征向量。
2.3 基于统计的方法
基于统计的方法将人脸图像视为随机向量，从而用一些统计方法来分析人脸模式，这类方法有着完备的统计学理论支持;得到了较好地发展，出现了一些较成功的算法。
特征脸[18](Eigenface)方法由Turk和Pentland提出。对于每一幅人脸图像，按照从上到下、从左到右的顺序将所有像素的灰度值串成一个高维向量，然后通过主成分分析(Principal Component Analysis, PCA)将高维向量降低维数。用PCA[19]降维主要基于以下三点:(1)压缩功能，在低维空间内比较图像将提高计算效率;(2)人脸样本的分布近似正态分布，方差大的维可能与有用信号相关，而方差小的维可能对应噪声，因此去掉小方差对应的维将有利于提高识别精确率;(3)因为每幅图像都被减去均值，且被放缩成单位向量，两幅图像之间的相关性与特征空间中投影之间的距离成反比，因此特征空间中的最近邻匹配是图像相关性的有效近似。PCA技术首先由Kirby[20]和Sirovich引人到人脸识别领域，并且证明了PCA是使原始图像与重构图像之间的均方误差极小化的最佳压缩方式。一幅图像在各个特征脸上的投影组成了该图像的权值向量，将待识别图像的权值向量与人脸数据库中各图像的权值向量相比较，确定哪一幅图像与待识别图像的权值向量最接近。后来Pentland等人进一步扩展了特征脸方法，将类似的思想运用到面部特征上，分别得到了本征眼、本征鼻、本征嘴，并且将它们结合起来进行人脸识别。实验结果表明，这样比单独使用特征脸效果更好。特征脸方法计算量低，使用方便，并且效果良好，目前已经成为人脸识别的基准程序(Benchmark)和事实上的工业标准。但是它对于外界因素所带来的图像差异和人脸自身所造成的差异是不加区分的，因此外界因素(例如光照、姿态)变化会引起识别率的降低。
特征脸方法使用由各个特征脸扩展的空间来表示人脸，虽然可以有效地表示人脸信息，但是并不能有效鉴别和区分人脸。很多研究者提出了使用其他线性空间来代替特征脸空间以取得更好的识别效果。此中线性判别分析方法[21](也叫Fisher脸方法)，利用了类别归属信息，它选择类内散布正交的矢量作为特征脸空间，从而压制了图像之间与识别信息无关的差异，强调了不同人脸之间的差别，同时弱化了同一人脸由于光照、视角和表情而引起的变化，获得了比特征脸更好的识别效果。LDA[22]是一种监督学习方法，而PCA是非监督学习方法。Belhumeur对16个人的各10幅图像进行识别实验，PCA方法的识别率为81%，而Fisher脸方法的识别率为99.4%。
Moghaddam[23]等人提出了贝叶斯人脸识别方法。他们提出了一种基于概率的图像相似度度量方法，将人脸图像之间的差异分为类间差异和类内差异。其中类间差异表示不同对象之间的本质差异。类内差异为同一对象的不同图像之间的差异。而实际人脸图像之间的差异为两者之和。如果类内差异大于类间差异，则认为两人脸图像属于同一对象的可能性大，他们提出了类间差异和类内差异度量的概率模型和计算方法。由于贝叶斯相似度的计算涉及复杂的非线性计算。Moghaddam等人提出了一种线性的快速计算方法。这种人脸识别方法在1996年美国DAPAR组织的FERET人脸测试中是效果最好的方法之一特别是在克服光照和表情变化对识别的影响方面性能较好。
奇异值分解[24](Singular Valor Decomposition。SVD)是一种有效的代数特征提取方一法。奇异值特征具有良好的稳定性、转置不变性、旋转不变性、位移不变性以及镜像变换不变性等重要性质。因此奇异值分解技术也被应用到人脸识别领域。
独立成分分析[25](Independent Component Anal-ysis,ICA)，可以看成是对PCA的推广，PCA利用二阶矩去掉输人数据的相关性。使得数据的协方差为零。而ICA使得输人数据的二阶和高阶矩依赖性最小，ICA首先被用于盲源分离(Blind Source Separation。BSS)问题，用来将观察信号分解成一系列独立信号的线性组合。ICA用于人脸识别有两种结构(ICA Architecture I和ICA Architecture II)和多种算法(例如FastICA和InfoMax)，PCA和ICA Architecture II利用的是全局特征，而ICA Architecture I利用的是空间局部特征。B Draper等人详细比较了PCA和ICA在人脸验证和面部表情识别中的性能，人脸验证实验中，ICA Architecture II的性能最好。PCA的性能与距离度量标准有关。ICA Architecture I的性能较差，ICA用Fast I-CA算法较好;表情识别实验中，用InIoMax算法实现的ICA A rchitecture I性能最好。
3、人脸识别面临的挑战
当光照、姿态、表情变化时，人脸的表象会产生较大变化，从而造成人脸识别系统的性能下降。FE-RET测试川表明，光照和姿态变化问题是当前人脸识别系统面临的挑战。随着人脸识别研究的深人，很多研究者对光照和姿态变化进行了专门的研究，也取得了一定的进展。本节专门针对这两方面问题进行论述。
3.1 光照变化
因为光照会改变人脸图像灰度的相对分布，所以由光照引起的人脸图像变化甚至比因个体差异引起的变化还要大。因此，光照变化会造成人脸识别系统性能的严重下降。对光照变化的处理已经引起了很多研究者的重视，并且取得了较大进展。目前已经出现了很多光照处理方法，这些方法大致可以分为三类: 第一类方法的主要思想是寻找对于光照变化不敏感的人脸图像表示方法。第二类方法是对原来某些不存在光照变化时人脸识别算法的简单改进和推广。第三类方法的主要出发点是构建图像合成(Synthesize)模型[26]，这些模型可以合成与测试(Probe)图像具有相同或相似光照条件的新图像作为数据库(Gallery)中的图像。这类方法的关键是对光照进行建模。
3.2 姿态变化
视角的变化，即人脸姿态变化也会造成人脸识别系统性能的降低，因此对多视角人脸图像的处理是人脸识别面临的另一挑战。Beymer[27]先对输人图像的视角进行估计，接着根据自动检测到的三个特征点进行二维仿射变换使之与原型(Prototype)的视角相同，然后直接使用模板匹配来实现多视角人脸识别。在一个62人的多视角人脸数据库上取得了较好的实验结果，但测试集和训练集的视角比较接近，因此识别难度较低。
Pentland[28]等人提出的基于视角的特征脸(View-based Eigenface)方法为每个视角构建一个
特征空间。取得了比标准特征脸方法更高的性能。Huang等人在基于视角的特征脸方法的基础上，采用神经网络集成(Neural Network Ensemble)的方法，实现多视角人脸的识别。这类方法的缺点是每人需要多张人脸图像作为训练集，而且将光照变化问题与视角变化问题分开来考虑，这些前提条件在很多场合不能满足。
3.3同时存在光照和姿态变化
上述的很多方法只是对光照或姿态变化中的一种进行了处理，但在现实情况下，光照和姿态变化会同时存在。因此，要使人脸识别技术真正实用，人脸识别系统必须能够处理同时存在两种甚至任意多种成像条件变化的情况。光场(Light Field)[29]方法是最新提出的较有效的方法，对各种外部成像条件的变化都能进行较好处理。由于人脸是三维的，因此利用三维模型(或者三维和两维相结合)可以显著地提高识别性能。
4总结与展望
本文对人脸识别的发展历史、研究现状进行了综述，尤其是对近几年来在光照和姿态变化处理方面的研究进展进行了详细论述。
经过几十年的研究，人脸识别已经取得了很大的进展，但现有的人脸识别方法一般都是针对某一类问题提出的，由于人脸识别问题的复杂性，实现一个通用的人脸识别系统目前还不现实。因此，解决特定条件或者特定应用领域的人脸识别问题仍然是目前人脸识别研究的重要课题。要构建一个稳健的人脸识别系统，以下是有待于解决的几个主要问题:
1、非线性建模问题。目前统计方法中的子空间方法有一个共同的特点，即都是线性方法。人脸图像显然是一种高度非线性的模式。也就是说，人脸图像的分布应该是位于某种高度非线性的流形[30](Mani-fold)上的，因此用非线性方法来进行人脸识别是一个必然的发展趋势。人脸识别技术由线性向非线性发展可能的现实途径有两条:一是利用核理论将现有的线性分析方法向非线性扩展，这是一种间接的方法。典型代表是核主成分分析(Kernel Principal Component Analysis, KPCA)，也就是利用核理论对PCA进行扩展;二是直接从数据分布本身出发，研究高效的非线性流形学习算法，从而将人脸图像投影到其实际分布所在的流形上进行识别，目前，已有研究人员将其应用到人脸识别领域，对人脸图像采用流型的方法来进行识别。
2、三维建模问题。目前只利用二维信息的人脸识别方法只能在特定环境下取得较好的性能，然而在处理光照、视角和表情等方面的变化时会遇到较大的困难。由于人脸是三维的，因此利用三维模型可以显著提高识别性能本文论述的三维可变型模型方法就是在这方面较好地尝试。但是目前三维人脸识别在识别算法、三维人脸库以及实验方法等方面还存在很多挑战。
3、三维模型计算开销问题。利用三维模型可以显著提高识别性能，然而，构造和存储完整的三维人脸模型需要的开销太大，因此如何通过二维图像对三维人脸参数进行建模将是未来人脸识别研究的一个热点。另外，利用2.5维信息进行识别也是减小存储和计算开销的一条可能途径。
4、算法的自动化与时间开销问题。本文所提到的算法中，基于几何特征的方法与基于模型的方法中的部分算法存在手工标定人脸特征点的问题，算法的自动化程度有待进一步加强。另外，算法中某些鲁棒性与准确率较高的算法，计算量巨大，运算时间比较长，人脸识别的实时性有待加强。[1] 厉小润,赵光宙,赵辽英.改进的核直接Fisher描述分析与人脸识别[J].浙江大学学报:工学版, 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,杨新,彭宁嵩.改进的线性判别分析算法及其在人脸识别中的应用[J].上海交通大学学报, 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,杨静宇.基于奇异值特征和统计模型的人像识别算法[J].计算机研究与发展, 1994,31(3): 60-65.[6] 杜干,朱雯君.基于局部奇异值分解和模糊决策的人脸识别方法[J].中国图象图形学报, 2006,11(10): 1456-1459.[7] 高全学,梁彦,潘泉,等.SVD用于人脸识别存在的问题及解决方法[J].中国图象图形学报, 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] 孙大瑞,吴乐南.基于特征的弹性图匹配人脸识别算法[J].应用科学学报, 2002,20(4): 377-381.[12] 张海旸,马华东.基于网格的自适应弹性图人脸匹配方法[J].计算机辅助设计与图形学报, 2008,20(2): 253-258.[13] 刘小军,王东峰,张丽飞,等.一种基于奇异值分解和隐马尔可夫模型的人脸识别方法[J].计算机学报, 2003,26(3): 340-344.[14] 李耀东,崔霞,肖柏华,等.自动人脸识别技术综述[J].计算机科学, 2002,29(12): 1-11.[15] 邹志煌,孙鑫,程武山.人脸识别技术产品的发展概况[J].视频应用与工程, 2008,32(3): 91-93.[16] 刘瑾,徐可欣,陈小红,等.采用图像融合技术的多模式人脸识别[J].工程图学学报, 2007,28(6): 72-78.[17] 王耀明,王仲国,沈毅俊.基于图像集似然度的人脸识别[J].计算机工程, 2001, 27(7): 113-114.[18] 王宏勇，廖海斌，段新华，丁汨.基于奇异值与特征融合矩阵的自适应人脸识别[J].计算机工程与应用，2010，46（7）：162-174.[19] 斯华龄,张立明.智能视觉图像处理-多通道图像的无监督学习方法及其他方法[M].上海:上海科技教育出版社,2002.[20] 郭武,张鹏,王润生.独立分量分析及其在图像处理中的应用现状[J].计算机工程与应用，2008，44（23）：172-176.[21] 白晓明,王成章,石勤.基于二维线性判别分析的彩色人脸识别[J].北京工业大学学报.2010,12(36):1717-1721.[22] 王晓慧.线性判别分析与主成分分析及其相关研究评述[J].中山大学研究生学刊(自然科学、医学版).2007,4(28):50-59.[23] 聂会星,梁坤,徐枞巍.基于小波变换和支持向量机的人脸识别研究[J].合肥工业大学学报(自然科学版).2022，2（34）：208-211 [24] 段锦著.人脸自动机器识别[M].北京: 科学出版社, 2009．
[25] 吴巾一，周德龙.计算机应用研究[J].人脸识别方法综述，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] 刘成明，张立明.一种改进的人脸特征点定位方法[J].复旦学报：自然科学版，2006,45(4)：452-463.[29] 杜春华.人脸特征点定位及识别的研究[D].上海：上海交通大学.2008.[30] 马艳妮，耿国华等.脸部特征点的定位与提取方法[J].计算机工程与应用，2009,45(18)：167-170.读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
报告是一种对特定主题或问题进行详细描述和解释的书面陈述。在写作过程中，我们需要合理安排时间，确保有足够的时间来整理和修改报告。这份报告范文提供了详细的参考文献，供读者......
报告需要提供准确、权威和可信的数据和分析结果。报告的引言部分应该引起读者的兴趣并概括研究或分析的背景和目的。以下是小编为大家收集的报告范文，仅供参考，大家一起来看看......
人脸识别总结一、概述生物特征识别技术包括人脸识别、指纹识别、语音识别、表情分析及理解、虹膜识别等 人脸识别的实质就是借助计算机工具来分析人脸面部图像，采用不同的特......
1、我觉得团队介绍的时候应该介绍一下老师，毕竟我们的基础还是比较薄弱的吧~~~ 老师的介绍（从申请表中摘录的）：发表十几篇科研论文，并且取得很好的成果，获得苏州大学本科生毕业设......
方案是从目的、要求、方式、方法、进度等都部署具体、周密，并有很强可操作性的计划。方案能够帮助到我们很多，所以方案到底该怎么写才好呢？接下来小编就给大家介绍一下方案应该......
