關于“人臉識別”的科技文獻檢索【Abstract】Withthedevelopmentofcomputerscience,asakindofbiometricdetectionandrecognitionhasbecomeoneofthemostactivetopicsforcomputervisionandpatternrecognitsystemisdevelopedunderOpenCrecognitionproblems.Accordingtotheprocessoffacedetectionandrecognition,skindetection,Adaboostalgorithm,dilation,erosithefacedatabasedynamicallyisadsystemcandetecomposedoffourparts:Thefirstpartisimagepreprocessing,consideringthatthedeviation,colorbalanceandlightcompensationareusedtowhichcouldreducethecomdilationanderosionareusedthepracticalpictures,thesystemhasshownsatisfyingresultswhi摘要本文綜述了人臉識別理論的研究現(xiàn)狀，根據(jù)人臉自動識別技術發(fā)展的時間進行了分類，分析和比較各種識別方法優(yōu)缺點，討論了其中的關鍵技術及發(fā)展前景。并從科研及論文的角度，首先闡述了文獻檢索的概念及重要意義，然技文獻的檢索，并對檢索過程、結果總結討論，以熟悉掌握文獻檢索方法。關鍵詞人臉識別；特征提取前沿習得到的分類器參數(shù)并不是一些固定值，而是參數(shù)的概率分布。參數(shù)的先驗概率分布函數(shù)形式的選擇、超參數(shù)(先驗概率分布的參數(shù))的確定在計算上是比較復雜的。在識別時，需要對分類器的參數(shù)進行隨機采樣，然后把很多個參數(shù)值得到的分類結果組合起來，因而識別的計算量也是很大的。近年來，基于Bayes學習的分類器設計取得了明顯進展等，得到了優(yōu)異的分類性能。但是，這些方法的計算還是很復雜的，對于大類別數(shù)、大樣本集的學習問題在大部分應用情況下，模式分類器經(jīng)過訓練后就固定不變，或者使用相當長一段時間才重新訓練一次。在訓練分類器時，樣本的數(shù)量和代表性總是不夠的，這就希望分類器能不斷地適應新的樣本而不損失體的方法，但還沒有一個統(tǒng)一的理論框架。新增加的樣本可能是沒有類別標記的，因為無標記樣本很容易得到，而標記過程費時費力。同時對標記樣本和無標記樣本進行學習的過程稱為半監(jiān)督學習，這是近年來機器學習領域的一個研究熱點[85]。在標記樣本比較少的情況下采用標記樣本能有效提高完全監(jiān)督學習的分類性能。大多數(shù)模式識別問題假設模式是與背景信號和其他模式分離的且表示成一個特征矢量。模式的特性。在實際應用問題中經(jīng)常要將模式分類與分割問題統(tǒng)一考慮，有些模式被表示成結構性數(shù)據(jù)結構(如屬性圖、概率圖)。這些方面出現(xiàn)了大量的研究工作，這里不打算細述。目前有一類廣受關注的模式識別問題，識別對象是沒有分割的圖像，訓練圖像的標記是其中有沒有某一類目標，而不知道目標的具體位置、大小和方位。對這種標記不足的樣本進行訓練和識別的方法可以統(tǒng)稱為弱監(jiān)督學習，可用于目標識別、圖像檢索、景物分類等。研究計算機模式識別的目的是讓機器具備人的感知和認知能力，代替人完成繁重的信息處理工作。當我們把計算機的模式識別能力與人的模式識別(視覺、聽覺感知)能力相比，就會發(fā)現(xiàn)現(xiàn)有的模式識別方法與人的感知過程有很大區(qū)別，在性能上也相差很遠，很多對人來說是輕而易舉的事情對計算機來說卻很難做到。這是由于目前對人的感知過程的機理和大腦結構還不是很了解，即使已經(jīng)了解的部分也不容易在計算上或硬件上模擬。進一步研究人的感知機理并借鑒該機理設計新的模式識別計算模型和方法是將來的一個重要方向。人臉識別算法描述屬于典型的模式識別問題，主要有在線匹配和離線學習兩個過程組成，如圖1所示。融合分類器進行樣圖1一般人臉識別算法框架在人臉識別中，特征的分類能力、算法復雜度和可實現(xiàn)性是確定特征提取法需要考慮的因素。所提取特征對最終分類結果有著決定性的影響。分類器所能實現(xiàn)的分辨率上限就是各類特征間最大可區(qū)分度。因此，人臉識別的實現(xiàn)需要綜合考慮特征選擇、特征提取和分類器設計。二.人臉識別的發(fā)展歷史及分類人識別的領域中，國際上形成了以下幾類主要的人臉識別方法：1)基于幾何特征的人臉識別方法臉識別的研究已經(jīng)有相當長的歷史，它的發(fā)展大致可以分為四個階段：第一階段：人類最早的研究工作至少可追朔到二十世紀五十年代在心理學方面的研究和六十年代在工程學方面的研究。J.S.Bruner于1954年寫下了關于心理學的Theperceptionofpeople,Bledsoe在1964年就工程學寫了FacialRecognitionProjectReport,國外有許多學校在研究人臉識別技術川，其中有從感知和心理學角度探索人類識別人臉機理的，如美國TexasatDallas大學的Abdi和Tool小組l2.3),由Stirling大學的Bruce教授和Glasgow大學的Burton教授合作領導的小組等B;也有從視覺機理角度進行研究的，如英國的Graw小組14.51和荷蘭Groningen大學的Petkov小組@等。第二階段：關于人臉的機器識別研究開始于二十世紀七十年代。Allen和Parke為代表，主要研究人臉識別所需要的面部特征。研究者用計算機實現(xiàn)了較高質(zhì)量的人臉灰度圖模型。這一階段工作的特點是識別過程全部依賴于操作人員，不是一種可以完成自動識別的系統(tǒng)。第三階段：人機交互式識別階段。Harmon和Lesk用幾何特征參數(shù)來表示人臉正面圖像。他們采用多維特征矢量表示人臉面部特征，并設計了基于這一特征表示法的識別系統(tǒng)。Kaya和Kobayashi則采用了統(tǒng)計識別方法，用歐氏距離來表征人臉特征。但這類方法需要利用操作員的某些先驗知識，仍然擺脫不了人的干預。第四階段：20世紀90年代以來，隨著高性能計算機的出現(xiàn)，人臉識別方法有了重大突破，才進入了真正的機器自動識別階段。在用靜態(tài)圖像或視頻圖像做人臉基于幾何特征的方法是早期的人臉識別方法之一。常采用的幾何特征有人臉的五官如眼睛、鼻子、嘴巴等的局部形狀特征。臉型特征以及五官在臉上分布的幾何特征。提取特征時往往要用到人臉結構的一些先驗知識。識別所采用的幾何特征是以人臉器官的形狀和幾何關系為基礎的特征矢量，本質(zhì)上是特征矢量之間的匹配，其分量通常包括人臉指定兩點間的歐基于幾何特征的識別方法比較簡單、容易理解，但沒有形成統(tǒng)一的特征提取標準；從圖像中抽取穩(wěn)定的特征較困難，特別是特征受到遮擋時；對較大的表情變化或姿態(tài)變化的魯棒性2)基于相關匹配的方法基于相關匹配的方法包括模板匹配法和等強度線方法。匹配的人臉識別方法，并得出結論：基于幾何特征的人臉識別方法具有識別速度快和內(nèi)存要求小的優(yōu)點，但在識別率上模板匹配要優(yōu)于基于幾何特征的識別方法。②等強度線法：等強度線利用灰度圖像的多級灰度值的等強度線作為特征進行兩幅人臉圖像的匹配識別。等強度曲線反映了人臉的凸凹信息。這些等強度線法必須在背景與頭發(fā)均為黑色，表面光照均勻的前提下才能求出符合人臉真實形狀的等強度線。3)基于子空間方法常用的線性子空間方法有：本征子空間、區(qū)別子空間、獨立分量子空間等。此外，還有Turk等I采用本征臉(Eigenfaces)方法實現(xiàn)人臉識別。由于每個本征矢量的圖像形式類似于人臉，所以稱本征臉。對原始圖像和重構圖像的差分圖像再次進行K-L變換，得到二階本空間，并聯(lián)合本征臉子空間的方法獲得了好的識別結果。Shan等[14采用特定人的本征空間法獲得了好于本征臉方法的識別結果。Albert等[5提出了TPCA(TopologicalPCA)方法，識別率有所提高。Penev等0提出的局部特征分析(LFALocalFeatureAnalysis)法的識別效果好Analysis)的方法識別人臉，獲得了比PCA方法更好的識別效果。4)基于統(tǒng)計的識別方法①KL變換：將人臉圖像按行(列)展開所形成的一個高維向量看作是一種隨機向量，因此采用K-L變換獲得其正交K-L基底，對應其中較大特征值基底具有與人臉相似的形狀。國外，在用靜態(tài)圖像或視頻圖像做人臉識別的領域中，比較有影響的有MIT的Media實驗室作為觀察矢量獲得了好的識別效果，如圖2(a)所示。Eickeler等l23采用2-DPseudoHMM識所示。后來集成coupledHMM和HMM通過對超狀態(tài)和各嵌入狀態(tài)采用不同的模型構成混基于HMM的人臉識別方法具有以下優(yōu)點：第一，能夠允許人臉有表情變化，較大的頭部轉動；第二，擴容性好.即增加新樣本不需要對所有的樣本進行訓練；第三，較高的識別圖2(a)人臉圖像的1-DHMM(b)嵌入式隱馬爾科夫模型5)基于神經(jīng)網(wǎng)絡的方法神經(jīng)網(wǎng)絡進行人臉識別。神經(jīng)網(wǎng)絡的優(yōu)勢是通過學習的過程獲得對這些規(guī)律和規(guī)則的隱性表6)彈性圖匹配方法人臉用格狀的稀疏圖如圖3所示。圖3人臉識別的彈性匹配方法圖3中的節(jié)點用圖像位置的Gabor小波分解得到的特征向量標記，圖的邊用連接節(jié)點的息和背景信息，并使用一個多層的分級結構。Grudin等135也采用分級結構的彈性圖，通過像I(x,y)表示為可變形的3D網(wǎng)格表(x,y,I(x,y)),將人臉匹配問題轉換為曲面匹配問題，利用有限分析的方法進行曲面變形，根據(jù)兩幅圖像之間變形匹配的程度識別人臉。7)幾種混合方法的有效性K-L變換的核心過程是計算特征值和特征向量。而圖像的奇異值具有良好的穩(wěn)定性，當圖像有小的擾動時，奇異值的變化不大。奇異值表示了圖像的代數(shù)特征，在某種程度上，SVD特征同時擁有代數(shù)與幾何兩方面的不變性。利用K-L投影后的主分量特征向量與SVD(2)HMM和奇異值分解相融合的分類判別方法。求取其奇異值作為人臉識別的特征。在這里我們采用采樣窗對同一幅圖片進行重疊采樣(如圖4),對采樣所得到的矩陣分別求其對應的前k個最大的奇異值，分別對每一組奇異值進行矢量標準化和矢量重新排序，把這些處理后的奇異值按采樣順序組成一組向量，這組向量綜合上述論文中的實驗數(shù)據(jù)表明391,如表1:方法識別時間識別率基于SVM+KL變換的方法基于特征臉的方法法基于SvM+BP神經(jīng)網(wǎng)絡方法基于HMM的方法8)基于三維模型的方法該類方法一般先在圖像上檢測出與通用模型頂點對應的特征點，然后根據(jù)特征點調(diào)節(jié)通用模型，最后通過紋理映射得到特定人臉的3D模型。Tibbalds140基于結構光源和立體視覺理論，通過攝像機獲取立體圖像，根據(jù)圖像特征點之間匹配構造人臉的三維表面，如圖5Zhao?1提出了一個新的SSFS(SymetricShape-from-Shading)理論來處理像人臉這類對稱對象的識別問題，基于SSFS理論和一個一般的三維人臉模型來解決光照變化問題，通過基于SFS的視圖合成技術解決人臉姿態(tài)問題，針對不同姿態(tài)和光照條件合成的三維人臉模型如圖6所示。在人臉姿態(tài)每變化一次后，需要重新搜索特征點的坐標，而前者只需調(diào)整3D變形模型的參數(shù)。三維重建的系統(tǒng)框圖，如圖7所示。紋理映射紋理映射局部特圖7三維建模的系統(tǒng)框圖三維人臉建模、待識別人臉的姿態(tài)估計和識別匹配算法的選取是實現(xiàn)三維人臉識別的關鍵技術。隨著采用三維圖像識別人臉技術的發(fā)展，利用直線的三維圖像信息進行人臉識別已經(jīng)成為人們研究的重心。1.前期準備階段，明確有哪些檢索資源庫以及檢索技術，初步制定檢索方案在查找文獻之前，要了解有哪些科技文獻檢索資源庫，檢索工具中收錄了與所查專題有關的文獻，在哪些檢索工具中該專題的文獻比較豐富、質(zhì)量比較高等，以及包括哪些檢索技術，并根據(jù)自己的畢設題目確定初步的檢索方案。2.科技文獻資料資源庫科技文獻資料的形式多種多樣，主要包括：期刊、圖書、報紙、科技報告、會議文獻、專利文獻、政府出版物、學位論文、標準資料、產(chǎn)品說明書等十大類。其中期刊和圖書的種類和數(shù)量最多，在科技工作中應用也最廣泛。可利用的數(shù)據(jù)資源庫主要有以下：中國期刊網(wǎng)(),其包含中國博士學位論文和優(yōu)秀碩士學位論文；CNKI中國知網(wǎng)();萬方數(shù)據(jù)庫()能提供萬方數(shù)據(jù)資源系統(tǒng)、中國學術會議論文全文庫、中國學位論文全文數(shù)據(jù)庫等；維普資訊包含外文科技期刊文摘數(shù)據(jù)庫和中國科技經(jīng)濟新聞數(shù)據(jù)庫、期刊全文數(shù)據(jù)庫、期刊引文數(shù)據(jù)庫等.國外學術資源也非常豐富，可以檢索到所需要的各種學術信息資源，與電子工程相關的主要有：美國電氣電子工程師學會數(shù)據(jù)庫()、美國計算機學會全文數(shù)據(jù)庫等。圖書資源庫包括有：超星數(shù)字圖書館()可以提供大量的電子圖書；方正阿帕比(Apabi)電子圖書(),能提供教學參考書全文數(shù)據(jù)庫、工具書資源全文數(shù)據(jù)庫和年鑒資源全文數(shù)據(jù)庫；另外，通過訪問各種論壇也可以獲得相關信息，電子專業(yè)常用網(wǎng)站及論壇有：EDN電子技術設計(),可以為電子設計工程師提供第一手的業(yè)界資訊，深度技術文章，海量技術資源；中國電子設計網(wǎng)；CSDN(Chinesesoftwaredevelopnet,中國軟件開發(fā)聯(lián)盟),中國最大的開發(fā)者技術社區(qū)，它是集新聞、論壇、群組、Blog、文檔、下載、讀書、Tag、網(wǎng)摘、搜索、Java、游戲、視頻、人才、外包、第二書店、《程序員》等多種項目于一體的大型綜合性IT門戶網(wǎng)站，它有非常強的專業(yè)性，其會員囊括了中國地區(qū)百分之九十以上的優(yōu)秀程序員，在IT技術交流及其周邊國內(nèi)中第一位的網(wǎng)站；ICDev論壇；3.常用的檢索技術有：1)布爾邏輯檢索技術：為了正確地表達檢索提問，系統(tǒng)中采用布爾邏輯運算符將不同的檢索詞組配起來，使一些具有簡單概念的檢索單元通過組配成為一個具有復雜概念的檢索式，用以表達用戶的信息檢索要求；2)位置檢索(鄰近檢索)技術：適用于兩個檢索詞以指定間隔距離或者指定的順序出現(xiàn)的場合?？梢钥闯商厥夤δ艿腁ND算符，AND算符不限制兩個檢索詞的位置和出現(xiàn)順序；4)字段限定檢索：適用于在已有一定數(shù)量輸出記錄的基礎上，通過指定字段的方法，減少輸出篇數(shù)，提高檢索結果的查準率；5)原文檢索技術：以原始記錄中的檢索詞與檢索詞間特定位置關系為對象的檢索，可以彌補布爾邏輯檢索、截詞方法檢索的一些不足，增強選詞的靈活性，部分地解決布爾檢索不能解決的問題，從而提高文獻檢索的水平和篩選能力。但是，原文檢索的能力是有限的；6)擴檢與縮檢技術：擴大檢索范圍的方法包括概念的擴大、范圍的擴大、增加同義詞、年代的擴大；縮檢是指開始的檢索范圍太大，命中文獻太多，或查準率太低的一個方法，包括概念的縮小、范圍的限定、年代的減少、核心概念的限定、語種的限定、特定期刊的限定；7)計算機檢索：指從可被計算機讀取的各種載體的專利數(shù)據(jù)庫中，依靠計算機查找專利信息的工作。計算機檢索，按照檢索功能，又可分為：字段檢索，通配檢索，一般邏輯組配檢索，鄰詞檢索與共存檢索，范圍檢索，跨字段邏輯組配檢索。我設計的題目是《人臉識別的研究》,資源庫以檢索期刊文獻為主，輔助參照論壇設計資源，檢索方法采用基本的布爾邏輯檢索技術。5.具體實現(xiàn)文獻檢索步驟(1)根據(jù)制定好的檢索式，進行初步檢索學校圖書館具有豐富的科技文獻資源，可以利用購買的數(shù)據(jù)庫免費進行檢索，我所用的是萬方數(shù)據(jù)庫()和CNKI中國知網(wǎng)(),工具書刊就可以使用超星數(shù)字圖書館等，數(shù)據(jù)資源很豐富，在校園內(nèi)可直接免費訪問。打開學校圖書館的中文資源CKKI中國知網(wǎng)()頁面，在檢索項選擇主題，匹配度選擇模糊，檢索詞為“人臉識別”,數(shù)據(jù)庫選擇中國期刊全文數(shù)據(jù)網(wǎng)、中國博士學位論文全文數(shù)據(jù)庫、中國優(yōu)秀碩士學位論文全文數(shù)據(jù)庫，然后點擊跨庫檢索。以下是 退出登錄數(shù)據(jù)庫導航>歡迎使用中國知識資源總庫?中州全文數(shù)為車(1939)躬女戴標題人后識別及其在智能監(jiān)控系統(tǒng)中的應用報巴-訂開在千生岸空據(jù)(2)從檢索結果中篩選并查看，獲得可用信息。重新制定檢索詞，重復上述操作多次檢索后，了解到可采用不同的設計方案實現(xiàn)電路的設計，有通過PCA控制實現(xiàn)，也有采用局6.進行相關正式檢索的多功能數(shù)字鐘設計，使用OuartusII軟件編程運用自頂向下的設計思想設計電子鐘?？赏ㄟ^點擊相關鏈接進一步檢索，如下：entandstatecffacerecogntfionandsummarcesthere-s中國博士學位論文全文數(shù)據(jù)庫共找到1務QlXing-minLJGua-mei(DepanmentofComputerJiangiBlueSkyUriversit,Nanchang330098China);江西藍天學院計算機系江西查天學院學報JcumalcfJjiargiBlueSkyUmiversit,箱2008年03期期制榮譽：CJFD收錄刊UJian-wenKONGFeng-juan(Colle計算機仿真，計算機仿真，ComputerSimulation,編輯部郵罐2011年10期Remotefacerecognifion,terativematix3Dfeatures;ionalfeaturesmaticoffaces,asingularvaluema為了熟悉所用到的技術及編