中国无线安防技术资源网

        随着图形图象识别算法的革命性改进和计算机处理速度的飞速提高，"人脸识别"技术脱颖而出。他以其独特的方便、经济、准确而受到世人的瞩目。
  
    1.人脸识别技术简介
  
    　人脸识别技术包含人脸检测、人脸跟踪与人脸比对等课题。人脸检测是指在动态的场景与复杂的背景中，判断是否存在人脸并分离出人脸。人脸跟踪指对被检测到的人脸进行动态目标跟踪。人脸比对则是对被检测到的人脸进行身份确认或在人脸库中进行目标搜索。
  
        人脸检测分为参考模板、人脸规则、样本学习、肤色模型与特征子脸等方法。参考模板方法首先设计一个或数个标准人脸模板，然后计算测试样本与标准模板之间的匹配程度，通过计算机比对来判断是否存在人脸；人脸具有一定的结构分布特征，人脸规则即提取这些特征生成相应的规则以判断是否测试样本包含人脸；样本学习则采用模式识别中人工神经网络方法，通过对人脸样本集和非人脸样本集的学习产生分类器；肤色模型依据人脸肤色在色彩空间中分布相对集中的规律来进行检测；特征子脸将所有人脸集合视为一个人脸子空间，基于检测样本与其在子空间的投影之间的距离判断是否存在人脸。上述方法在实际系统中也可综合采用。
  
       人脸跟踪一般采用基于模型的方法或基于运动与模型相结合的方法，另外，肤色模型跟踪也不失为一种简单有效的手段。
  
       人脸比对从本质上讲是采样人脸与库存人脸的依次比对并找出最佳匹配对象。因此，人脸的描述决定了人脸识别的具体方法与性能。目前主要有特征向量与面纹模板两种描述方法，特征向量法先确定眼虹膜、鼻翼、嘴角等人脸五官轮廓的大小、位置、距离、角度等等属性，然后计算出它们的几何特征量，这些特征量形成一描述该人脸的特征向量；面纹模板法则在库中存储若干标准人脸模板或人脸器官模板，在比对时，采样人脸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。另外，还有模式识别的自相关网络或特征与模板结合的方法。
  
        人脸识别系统则采用 "局部特征分析"(Local Feature Analysis,LFA)算法，该算法速度快，误认低，无需学习，利用人脸各器官及特征部位的方位、比例、对应几何关系等数据形成识别参数，与数据库中所有原始参数比较、判断、确认。
  
        与其他生物识别技术，诸如指纹识别，掌形识别，眼虹膜识别和声音识别相比较，人脸识别具有以下两点独一无二的特性：