STYLEREF"標(biāo)題1"摘要Ⅲ 計算機人臉識別技術(shù)在交通安檢系統(tǒng)中的實現(xiàn)摘要隨著近些年人工智能、大數(shù)據(jù)、云計算的技術(shù)創(chuàng)新幅度的增大，城市化進(jìn)程日益加快，城市人口數(shù)量的不斷增多，城市交通的重要性正變得越來越高。而技術(shù)更迭速度的加快，更使計算機人臉識別技術(shù)成為人工智能的一項重要應(yīng)用，搭上了這3輛“快車”，這幾年已經(jīng)普遍應(yīng)用到人們的日常工作、生活當(dāng)中。在此背景下，我國也是不斷加速交通基礎(chǔ)設(shè)施的建設(shè)，利用地鐵、高鐵、輕軌、單軌、磁浮、快速軌道等多種新型公共交通系統(tǒng)，來緩解城市交通擁堵、出行困難、環(huán)境污染等各種問題。不過，交通建設(shè)雖然簡單，管理起來卻十分不易。尤其在人口紅利不斷消散、出行需求愈發(fā)強烈的情況下，更是給管理和服務(wù)提出了高要求與嚴(yán)標(biāo)準(zhǔn)。鑒于此，近年來國家提出了“智慧交通”的全新概念，以期利用智能化的新技術(shù)和新手段助推交通有效發(fā)展。其中，計算機人臉識別技術(shù)展現(xiàn)出了強大作用和價值。因此對計算機人臉識別技術(shù)的發(fā)展、日常生活應(yīng)用和在交通安檢系統(tǒng)中的實現(xiàn)等的研究與探討尤為重要。關(guān)鍵詞：人臉識別技術(shù)；交通安檢；人臉識別技術(shù)應(yīng)用；論文類型：應(yīng)用研究目錄TOC\o"2-3"\h\z\t"標(biāo)題1,1"1緒論 51.1選題背景及意義 51.2國內(nèi)外研究現(xiàn)狀 51.2.1國外研究現(xiàn)狀 61.2.2國內(nèi)研究現(xiàn)狀 71.3研究內(nèi)容 52相關(guān)理論基礎(chǔ) 82.1人臉識別技術(shù) 82.2人臉識別技術(shù)原理與基本思想 92.2.1基于幾何特征的方法 92.2.2局部特征分析方法（LocalFaceAnalysis） 102.2.3特征臉方法（Eigenface或PCA） 102.2.4基于KL變換的特征人臉識別方法 112.2.5基于彈性模型的方法 152.2.6神經(jīng)網(wǎng)絡(luò)方法（NeuralNetworks） 152.2.7人臉等密度線分析匹配方法 163人臉識別技術(shù)的特點 173.1人臉識別安檢與傳統(tǒng)安檢的區(qū)別 173.2人臉識別技術(shù)的優(yōu)勢與不足 173.2.1人臉識別技術(shù)的優(yōu)勢 173.2.2人臉識別技術(shù)的不足 174人臉識別技術(shù)目前存在的問題 185人臉識別技術(shù)在交通安檢中的應(yīng)用 19結(jié)語 20致謝 21參考文獻(xiàn) 22附件 235緒論1.1研究背景及意義隨著人工智能，物聯(lián)網(wǎng)等等先進(jìn)技術(shù)手段的飛速發(fā)展，智能科技時代暗暗到來，“人臉識別”漸漸演變成一種新趨勢。近來這兩年不斷應(yīng)是在中國全面應(yīng)用面部辨別技術(shù)手段的重要結(jié)點。并且隨著面部識別技術(shù)的商業(yè)應(yīng)用不斷擴展，“面部擦拭”服務(wù)變得越來越普遍。2018年，面部辨別技術(shù)手段在更多領(lǐng)域打開了更多應(yīng)用程序。廣東省，江蘇省，浙江省，河北省，青島市等等省區(qū)已然在2018年高考中激活了人臉識別網(wǎng)絡(luò)系統(tǒng)。北京大學(xué)已然將面部辨別技術(shù)手段應(yīng)用于身份辨別領(lǐng)域，以便進(jìn)入校園。北京市人力資源和社會保障局還計劃在所有市政公租房中安裝面部識別系統(tǒng)，以防止非法代位公租房；6的Didi面部識別系統(tǒng)已于本月正式啟動.在目前中國主要企業(yè)在人臉識別技術(shù)領(lǐng)域的應(yīng)用布局中，安全和金融領(lǐng)域相對較多。物流，零售，智能手機，汽車，教育，房地產(chǎn)，娛樂和廣告，旅行安全等部門也已開始參與。人臉識別具有重要的理論和技術(shù)重要性。首先，它可以帶動人們對于視覺網(wǎng)絡(luò)系統(tǒng)本身的理解，其次，它可以滿足人工智能應(yīng)用的需求。面部辨別技術(shù)手段的使用，自動面部識別系統(tǒng)的建立以及使用計算機的自動面部圖像識別的實現(xiàn)具有廣泛的應(yīng)用領(lǐng)域和誘人的應(yīng)用前景。1.2國內(nèi)外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀顧及到面部辨別技術(shù)在各個方面的重要性，由美國國防部資助的ARPA創(chuàng)建了現(xiàn)有的面部辨別技術(shù)評估程序，該類程序分別為1994年8月，1995年3月和1996年9月（1997年）。截止2010年3月），展開了面部辨別和面部辨別三項力學(xué)性能評估，目標(biāo)應(yīng)是展現(xiàn)面部辨別研究的最新進(jìn)展和學(xué)術(shù)研究技術(shù)水平。面臨的主要關(guān)鍵問題應(yīng)是為日后的研究提供指向性指導(dǎo)。盡管此測驗僅對于美國研究專門機構(gòu)開放，可是確實已然演變成該類領(lǐng)域公認(rèn)的測驗規(guī)范，并且測驗結(jié)果被看來反映了面部辨識研究的最高規(guī)范。依照2000年下發(fā)的FERET'97測試報告，來自南加州大學(xué)（USC），馬里蘭大學(xué)（UMD），麻省理工學(xué)院（MIT）和別的研究專門機構(gòu)的面部辨別技術(shù)手段帶有最佳的辨別力學(xué)性能。在訓(xùn)練和測驗集中對于200名帶有類似攝像機前提的業(yè)務(wù)人員展開辨識測驗時，幾種網(wǎng)絡(luò)系統(tǒng)產(chǎn)生的準(zhǔn)確率趨近100％。值得一提的是，即使應(yīng)是最最簡單的相關(guān)匹配遺傳算法亦帶有很高的辨別力學(xué)性能。對在相同相機前提下采集的正面人臉識別，以及對于在各異相機和各異照明前提下采集的圖像展開圖像測驗，F(xiàn)ERET測驗中根據(jù)一組巨大對象（小于1166人）的最高優(yōu)先級準(zhǔn)確率應(yīng)是95％。首選準(zhǔn)確率最高，增至82％，一年后獲取的圖像評測的最大精確性趨近51％。評測結(jié)果表明，現(xiàn)如今的面部辨識遺傳算法在順應(yīng)各異的相機，各異的光照前提和年齡變化方面極為弱，需要研究業(yè)務(wù)人員給與足夠的注重。值得注意的應(yīng)是，此評測中使用的面部圖像應(yīng)是相對質(zhì)量標(biāo)準(zhǔn)的正面面部圖像，沒能指出很小的手型變化，夸張的手勢和造型以及面部毛發(fā)變化。因而，除了上述經(jīng)由FERET評測看到的面部辨識研究關(guān)鍵問題外，她看來也應(yīng)顧及各種因素，例如肢體，配件（眼鏡，帽子等等），面部手勢和面部毛發(fā)。料定使用性能的影響。這些環(huán)境因素亦應(yīng)是開發(fā)實用的面部辨別商品時不可避免地應(yīng)當(dāng)面對的最重要的技術(shù)手段關(guān)鍵問題。為了進(jìn)一步評測商用面部識別系統(tǒng)的力學(xué)性能而是在2000年左右發(fā)布面部辨識技術(shù)手段的最新進(jìn)展，美國國防部禁毒技術(shù)開發(fā)時間表辦公室于2000年5月和2000年6月展開了調(diào)查報告。評價了一種冠以FRVT'2000（面部辨識銷售商評測）的面部識別系統(tǒng)。該類時間表請來了美國面部識別系統(tǒng)的所有制造廠商，總共24家，只有8家作出了回應(yīng)，之后有5家公司舉辦了評估，只有3家網(wǎng)絡(luò)系統(tǒng)在指定的時間內(nèi)完成了所有相當(dāng)實驗。這三家公司的商品應(yīng)是現(xiàn)如今最最具競爭力的業(yè)務(wù)管理識別系統(tǒng)，可以冠以FaceIt系統(tǒng)，LauTech系統(tǒng)和C-VIS系統(tǒng)。FRVT’2000評估了這些網(wǎng)絡(luò)系統(tǒng)在圖像壓縮，用戶相機距離，手勢，照明，記錄設(shè)備，手型，分辨率和時間間隔方面的感知力學(xué)性能。結(jié)果表明，與1997年的評測相比，面部識別系統(tǒng)的使用性能有所提高，然而該類辨識使用性能遠(yuǎn)尚未達(dá)到人們對于光線，衰老，距離和坐姿等等各種前提的期待。1.2.2國內(nèi)研究現(xiàn)狀在對本征表面技術(shù)手段的認(rèn)真研究的根底上，國內(nèi)經(jīng)濟學(xué)家嘗試了一種將本征表面特征提取辦法與各種后端算法相結(jié)合的辦法，而是給出了各種改進(jìn)的版本或是擴充遺傳算法。主要研究具體內(nèi)容包含線性/非線性判別分析（LDA/KDA），貝葉斯概率模型，扶持函數(shù)機（SVM），人工神經(jīng)網(wǎng)絡(luò)（NN），類內(nèi)和類間雙空間（類間/類間雙子空間）分析方式等等。最近，中國科學(xué)院計算技術(shù)研究所對于人臉識別技術(shù)手段展開了認(rèn)真的研究，嘗試了一種結(jié)合人臉固有特征提取辦法和各種后端算法的辦法，而是給出了各種改進(jìn)保護(hù)措施。版本或是擴充遺傳算法，主要研究具體內(nèi)容包含線性/非線性判別分析（LDA/KDA），貝葉斯概率模型，扶持函數(shù)機（SVM），人工神經(jīng)網(wǎng)絡(luò)（NN），類內(nèi)和協(xié)方差（協(xié)方差/類內(nèi)）的雙子空間雙子空間）分析法等等顧及到特質(zhì)臉遺傳算法的缺點，中國科學(xué)院計算技術(shù)研究所給出了一種特定的臉部子空間（FSS）遺傳算法。該類技術(shù)手段來自傳統(tǒng)式的“獨特的面部”面部識別方法，可是其本質(zhì)上各有不同。在“惟一臉孔”辦法中，每位人均共享面部子空間，而是中國科學(xué)院計算技術(shù)研究所的辦法為每位臉孔設(shè)置一個。個體對象的個體面部子空間比傳9統(tǒng)式的“特質(zhì)”更好，因為它們可以更好地推斷各異個體面部之間的差異，而是丟棄盡可能有助于辨識的類中的差異和噪音?！叭四樳z傳算法”帶有更好的辨別能力。此外，對應(yīng)當(dāng)辨別的個體只有一個訓(xùn)練樣本的面部辨別關(guān)鍵問題，中國科學(xué)院計算技術(shù)研究所給出了一種鑒于一個訓(xùn)練樣本生成多個訓(xùn)練樣本的技術(shù)手段，因而需要多個訓(xùn)練樣本的每一面部部分?？臻g方式適用于單個訓(xùn)練樣本人臉識別關(guān)鍵問題。在該類實訓(xùn)室展開的耶魯人臉數(shù)據(jù)庫系統(tǒng)與350人的圖像數(shù)據(jù)庫系統(tǒng)之間的相當(dāng)實驗也表明，中國科學(xué)院給出的辦法優(yōu)于現(xiàn)有的獨特人臉辦法以及在一定范圍內(nèi)手勢，照明和手型變化的模板匹配辦法。魯棒性和更好的辨別使用性能。彈性見圖匹配技術(shù)手段應(yīng)是一種鑒于灰色分布教學(xué)信息的幾何特質(zhì)和波紋肌理分析的辨識遺傳算法。因為該類遺傳算法更好地利用了人臉的內(nèi)部結(jié)構(gòu)和灰度分布教學(xué)信息，因而帶有自動清晰地擱置人臉特質(zhì)點的能力，辨識效果極佳，該類技術(shù)手段在FERET評測中應(yīng)是最好的，缺點應(yīng)是時間復(fù)雜度高且實現(xiàn)復(fù)雜。應(yīng)是。中國科學(xué)院計算技術(shù)研究所對此遺傳算法展開了研究，而是給出了幾種啟發(fā)式謀略。1.3研究內(nèi)容本文主題是人臉識別技術(shù)，在中國知網(wǎng)上查看相關(guān)文獻(xiàn)資料對人臉識別技術(shù)在交通安檢中的實現(xiàn)與應(yīng)用進(jìn)行分析。第一章緒論主要講了在日常出行當(dāng)中注意到了近幾年比較近熱門的人臉識別技術(shù)，在大部分高鐵站、地鐵站等機場中安檢時都要進(jìn)行人臉識別，“刷臉”成功后進(jìn)站。通過相關(guān)的資料查詢了解到了人臉識別技術(shù)其實從20世紀(jì)六七十年代初步研究以來到今天該技術(shù)已經(jīng)日益成熟已有四十多年的時間。第二章講了人臉識別技術(shù)的概念和歷經(jīng)的三個階段。依次是半機械式識別階段，人機交互式識別階段，自動人臉識別階段。通常情況下，人臉識別首先需要進(jìn)行人臉輸入，對圖像進(jìn)行預(yù)處理，然后對圖像進(jìn)行特征提取，最后進(jìn)行人臉識別，進(jìn)行人臉驗證。人臉識別的實現(xiàn)基本上可以歸結(jié)為三類，即：基于幾何特征的方法、基于模板的方法和基于模型的方法，并對每種方法的技術(shù)原理和基本思想進(jìn)行分析。第三章主要講了人臉識別安檢的特點，相對傳統(tǒng)安檢的區(qū)別和人臉識別技術(shù)的優(yōu)勢與不足。第四章主要對人臉識別技術(shù)目前為止所存在的問題進(jìn)行了整理第五章講述我國雖接觸人臉識別技術(shù)較晚，但最近幾年隨著人工智能越來越火，人臉識別技術(shù)的研究也引起了越來越多的關(guān)注。資料顯示經(jīng)過科研人員和學(xué)者們多年的研究和實驗，目前我國的人臉識別技術(shù)已經(jīng)達(dá)到國際先進(jìn)的水平，被廣泛地應(yīng)用于如鐵路交通、相機拍攝、門禁系統(tǒng)、身份識別、網(wǎng)路應(yīng)用等各個領(lǐng)域。通過資料查詢進(jìn)一步了解到了人臉識別系統(tǒng)在安檢時實現(xiàn)的技術(shù)。13相關(guān)理論基礎(chǔ)2.1人臉識別的技術(shù)人臉識別，是基于人的臉部特征信息進(jìn)行身份識別的一種生物特征識別技術(shù)。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進(jìn)而對檢測到的人臉進(jìn)行臉部識別的一系列相關(guān)技術(shù)，通常也叫做人像識別、面部識別。人臉識別主要用來在缺乏介質(zhì)的前提下確認(rèn)人的身份，是生物識別技術(shù)的一種，近年來被廣泛用于交通、商業(yè)、公共安全等領(lǐng)域。關(guān)于面部識別的研究可以追溯到1960年代和1970年代，經(jīng)過數(shù)十年的曲折發(fā)展，該技術(shù)已經(jīng)變得越來越成熟。與面部識別有關(guān)的第一批調(diào)查不是在計算機工程領(lǐng)域進(jìn)行的，而是在心理學(xué)領(lǐng)域進(jìn)行的。早在1950年代，一些學(xué)者就試圖從心理學(xué)的角度解釋面部認(rèn)知的奧秘。除了從感知和心理學(xué)的角度研究面部識別的原理外，還從生物視覺的角度探索奧秘。但是，與我們當(dāng)前的面部識別技術(shù)最相關(guān)的研究出現(xiàn)在1970年代。人臉識別技術(shù)的發(fā)展階段如果將面部識別技術(shù)的發(fā)展過程分為三個階段，則第一階段是起源于1970年代的半機械設(shè)備識別方法；第二個階段應(yīng)是半機械識別方法。第四階段主要應(yīng)是人機交互識別方法，第四階段應(yīng)是自動面部辨別階段，機器可以自動展開面部辨別和判斷我們在下面分別介紹了這三個階段。第一階段：半機械式識別階段這一時期的代表性文章是Parke等人發(fā)表的《Computergeneratedanimationoffaces》。在本文中，研究人員實現(xiàn)了人臉的灰度模型，并且現(xiàn)階段還考慮了人臉識別技術(shù)的代表人物。該時期的面部識別過程主要基于大量的手動操作，并且識別過程幾乎所有操作都需要操作員完成，因此這種系統(tǒng)不能獨自完成面部識別過程。第二階段：人機交互式識別階段在此階段，人臉識別技術(shù)取得了進(jìn)一步的發(fā)展。研究業(yè)務(wù)人員可以使用遺傳算法來完成人臉的高級稱，亦可以使用一些簡單的烘托方式來稱人臉圖像的高級特質(zhì)。例如，在文章《Man-machineinteractioninhuman-faceidentification》中，AJGoldstein，LDHarmon和ABLesk使用幾何特征參數(shù)來表示面部的正面圖像；Kaya等人在文章010310中使用統(tǒng)計方法，使用歐幾里得距離作為人臉的特征；Kanade實施了半自動追溯識別系統(tǒng)。但是，這些面部識別方法仍然需要研究人員的高度參與。例如，必須將操作員的先驗知識輸入到面部識別過程中，并且識別過程不能完全消除手動干預(yù)。第三階段：自動人臉識別階段面對真實條件的人臉識別問題，只有通過自動執(zhí)行識別過程，才能實現(xiàn)真實的人臉識別效果。該技術(shù)的發(fā)展與機器學(xué)習(xí)的發(fā)展密不可分。在我們的印象中，早期的自動面部識別與機器學(xué)習(xí)不太相似。通常，主要使用幾何特征和相關(guān)的匹配方法。在模型的設(shè)計中，經(jīng)常引入一些背景知識。另外，還有基于統(tǒng)計和基于子空間的識別方法。例如，著名的特征臉方法屬于基于子空間的面部識別方法。人臉識別技術(shù)基本上可以歸結(jié)為三類，即：基于幾何特征的方法、基于模板的方法和基于模型的方法。①基于幾何特征的方法是最早、最傳統(tǒng)的方法，通常需要和其他算法結(jié)合才能有比較好的效果；②基于模板的方法可以分為基于相關(guān)匹配的方法、特征臉方法、線性判別分析方法、奇異值分解方法、神經(jīng)網(wǎng)絡(luò)方法、動態(tài)連接匹配方法等。③基于模型的方法則有基于隱馬爾柯夫模型，主動形狀模型和主動外觀模型的方法等。2.2人臉識別技術(shù)原理與基本思想2.2.1基于幾何特征的方法原理：人臉由耳朵，鼻子，嘴巴，下巴等等部分組成。正是因為這些部分的樣子，大小和內(nèi)部結(jié)構(gòu)上的各種差異，世界上每位人的臉均極為各異，因而這些部分的顏色和內(nèi)部結(jié)構(gòu)均應(yīng)是幾何描述，可以用于辨別的重要特征面部幾何特征首次用作描述和辨別人臉輪廓。首先，依照輪廓直線設(shè)定各種高光，而是從這些高光中得出一組用作辨識的特質(zhì)度量，例如距離和視角。對Jia等等人來說，這應(yīng)是一種極為新穎的方式。模擬之后灰色圖像中交點附近的整體投影的輪廓圖像。通常經(jīng)由篩選重要特征（例如眼睛，鼻子和嘴巴）的點位置以及重要臟器（例如眼睛）的幾何紋理視為分類管理特征，來將幾何特征用作正面面部辨識。Roder已然經(jīng)由實驗測驗了幾何特征提取的精準(zhǔn)度。考查結(jié)果不盡人意?？勺冃文０宸梢砸暈閹缀翁卣鞣椒ǖ囊环N改進(jìn)，其基本思想是：設(shè)計帶有能調(diào)整參數(shù)（即可變形模板）的臟器分析模型，界定能量方程，而是經(jīng)由調(diào)整分析模型參數(shù)來最小化能量方程。此時的分析模型參數(shù)應(yīng)是臟器的幾何特質(zhì)。這種辦法有一個好主意，然而有兩個關(guān)鍵問題。一個應(yīng)是能量公式中各種成本的權(quán)數(shù)只能依照實踐經(jīng)驗設(shè)定，這挺難厚此薄彼。另一個應(yīng)是能量方程優(yōu)化過程耗時且難以實際應(yīng)用。鑒于參數(shù)的面部烘托可以有效地解釋面部的顯著特質(zhì)，然而需要大量的預(yù)處理和參數(shù)的精致挑選。此外，一般幾何特征的使用僅解釋了器件的基本紋理和內(nèi)部結(jié)構(gòu)關(guān)系，而是忽略了局部的細(xì)微特征，從而造成某個教學(xué)信息的喪失，這更適于于近似分類管理；現(xiàn)如今的特征點測試技術(shù)也不完善。這遠(yuǎn)遠(yuǎn)不能滿足要求，計算量亦不小。2.2.2局部特征分析方法（LocalFaceAnalysis）原理：主成分子空間的方式很嚴(yán)密，特質(zhì)的維數(shù)很小，然而沒能局部化。對于內(nèi)核功能的扶持拓展到整個坐標(biāo)空間。此外，它不是拓?fù)?。在投影儀了某個主軸以后，附近的點與原始圖像空間中點的趨近度無關(guān)。局部性和拓?fù)鋺?yīng)是模式分析和分段的理想特質(zhì)。似乎這更符合神經(jīng)數(shù)據(jù)處理激勵機制，因而尋求帶有此極為重要特質(zhì)的函數(shù)。鑒于這一顧及，Atick給出了一種鑒于局部特征的人臉特征辨別和篩選方式。該類方式在實際應(yīng)用中收到了良好的效果，而是組成了FaceIt人臉識別軟件的根底。2.2.3特征臉方法（Eigenface或PCA）原理：特征臉方式應(yīng)是Turk和Pentland在1990年代初給出的最受歡迎的算法之一，它帶有簡單而強勁的基本功能。它亦被冠以鑒于主成分分析（PCA）的面部識別方法。特征子臉技術(shù)的基本思想是：從統(tǒng)計角度看，尋求人臉圖像分布的基本意象，即人臉圖像訓(xùn)練樣本集協(xié)方差向量的特征向量，以近似圖像的臉。這些特征向量稱作本征面。提取出特征臉有兩個目的，首先是為了壓縮數(shù)據(jù)，對于一張圖片，只需要保存其最重要的部分就是了，然后是為了使得程序更容易處理，在提取主要特征的時候，很多的噪聲都被過濾掉了。基于特征臉的人臉識別實現(xiàn)過程：1）將訓(xùn)練集的每一個人臉圖像都拉長一列，將他們組合在一起形成一個大矩陣A。假設(shè)每個人臉圖像是MxM大小，那么拉成一列后每個人臉樣本的維度就是d=MxM大小了。假設(shè)有N個人臉圖像，那么樣本矩陣A的維度就是dxN了。2）將所有的N個人臉在對應(yīng)維度上加起來，然后求個平均，就得到了一個“平均臉”。3）將N個圖像都減去那個平均臉圖像，得到差值圖像的數(shù)據(jù)矩陣Φ。4）計算協(xié)方差矩陣C=ΦΦT。再對其進(jìn)行特征值分解。就可以得到想要的特征向量（特征臉）了。（實踐中，通常對Φ進(jìn)行奇異值分解代替協(xié)方差矩陣的特征值分解）5）將訓(xùn)練集圖像和測試集的圖像都投影到這些特征向量上了，再對測試集的每個圖像找到訓(xùn)練集中的最近鄰或者k近鄰啥的，進(jìn)行分類即可。特征值分解。如果人臉的特征維度d很大，例如256x256的人臉圖像，d就是65536了。那么協(xié)方差矩陣C的維度就是dxd=65536x65536。對這個大矩陣求解特征值分解是很費力的。那怎么辦呢？如果人臉的樣本不多，也就是N不大的話，我們可以通過求解C’=ΦTΦ矩陣來獲得同樣的特征向量?？梢钥吹竭@個C’=ΦTΦ只有NxN的大小哦。如果N遠(yuǎn)遠(yuǎn)小于d的話，那么這個力氣就省得很值了。那為什么求解C’=ΦTΦ矩陣的特征向量可以獲得C=ΦΦT的特征向量？萬眾矚目時刻，數(shù)學(xué)以完美舞姿登上舞臺。證明如下：其中，ei是C’=ΦTΦ的第i個特征向量，vi是C=ΦΦT的第i個特征向量，由證明可以看到，vi=Φei。所以通過求解C’=ΦTΦ的特征值分解得到ei，再左乘Φ就得到C=ΦΦT的特征向量vi了。也就是我們想要的特征臉。如圖2-1,2-2圖2-1圖2-22.2.4基于KL變換的特征人臉識別方法原理:KL變換應(yīng)是圖像壓縮中的最佳正交變換。人們使用它來提取統(tǒng)計特質(zhì)，這構(gòu)成了子空間模式識別的根底。假使將KL變換用作面部辨別，也必須假設(shè)面部處在低維線性空間中并且各異的面部應(yīng)是能別離的。因為高維圖像空間的KL變換可以獲取一組新的正交基，因而可以保留一些正交基以生成較低的正交基。經(jīng)由分析訓(xùn)練樣本集的統(tǒng)計特征，可以獲取低維面部空間的基。面部KL變換的生成向量可以應(yīng)是訓(xùn)練樣本集合的一般離散向量，或者可以應(yīng)是訓(xùn)練樣本集合的中間類?？梢允褂猛粋€人的幾張圖像的平均數(shù)訓(xùn)練散射矩陣，可以在一定程度上緩解光干擾，并且推算量亦減少了，識別率不能降低。具體做法及流程圖：ORL人臉庫是由英國劍橋Olivetti實驗室從1992年4月到1994年4月期間拍攝的一系列人臉圖像組成，共有40個不同年齡、不同性別和不同種族的對象。每個對象10幅圖像共計400幅灰度圖像組成，圖像尺寸是92×112，圖像背景為黑色。其中人臉部分表情和細(xì)節(jié)均有變化，例如笑與不笑、眼睛睜著或閉著，戴或不戴眼鏡等，人臉姿態(tài)也有變化，其深度旋轉(zhuǎn)和平面旋轉(zhuǎn)可達(dá)20度，人臉尺寸也有最多10%的變化。該庫是目前使用最廣泛的標(biāo)準(zhǔn)數(shù)據(jù)庫，它含有大量的比較結(jié)果。本次試驗我們用的是ORL人臉庫中的人臉樣本集，每個人的人臉樣本集中含有十個人臉樣本。我們從其中挑出訓(xùn)練樣本和測試樣本。對訓(xùn)練樣本集采用K-L變換進(jìn)行特征臉提取，并對測試樣本集進(jìn)行人臉識別。步驟：1、讀入訓(xùn)練人臉庫。讀入時，將每個人臉圖像轉(zhuǎn)化為一維的列向量。本次實驗參與訓(xùn)練的人臉圖像有N=40個，每個圖像大小為92*112.則訓(xùn)練圖像可以表示為一個（92×112）×40的矩陣X。其中，第i個人臉可以表示為,2、計算平均臉和相應(yīng)的距離向量。平均臉就是所有人臉圖像的平均值向量。計算公式如下：則每張人臉與平均臉之間的距離向量可以表示為：3、計算特征臉。設(shè)矩陣,本次試驗我們選擇訓(xùn)練樣本集的類間散布矩陣作為K-L變換的產(chǎn)生矩陣，即：計算特征臉時要計算出協(xié)方差矩陣的前Z（Z<<N）個較大特征值的特征向量。但是由于上式是一個（92*112）×（92*112）的高維向量，計算這個矩陣的特征值和特征向量的計算量非常大，所以先計算的特征值與特征向量，設(shè)它們分別為和。再將的值從大到小排列，選取前Z個特征值，使其滿足：15這里的表示樣本集的前Z個軸上的能量占整個能量的以上。本次實驗我們?nèi)〉臑?9%。然后，從，計算，則由Z個可以組成一個特征臉空間。4、投影。將每一幅人臉與平均臉的差值矢量投影到“特征臉”空間，得到第i個人臉的特征臉向量表示為：5、對待識別的人臉進(jìn)行識別（利用歐氏距離分類）。先選定一個距離閾值，如果待識別的人臉圖像投影到特征臉空間后與人臉集空間中點的最小距離仍然大于這個閾值，則說明待識別人臉包含的是未知人臉。本次實驗我們選取的閾值為把待識別的人臉圖像R投影到特征臉空間，得到：P與每個人臉的距離定義為：人臉分類的規(guī)則如下：（1）、若則輸入圖像中包含的是未知人臉。（2）、若則輸入圖像為庫中第k個人的人臉。流程圖如下：圖2-3實驗結(jié)果與分析首先，我們從人臉庫中的二十個人臉樣本集每個人臉樣本集中抽取兩個樣本組成一個包含四十個樣本的訓(xùn)練樣本集，并將這二十個人臉樣本集中每個人臉樣本集剩下的8個人臉樣本作為測試樣本集待測試。測試結(jié)果如下：測試結(jié)果樣本集錯誤個數(shù)錯誤率S1450%S200S3112.5%S4112.5%S500S600S700S800S900S10225%S11225%S1200S13225%S14225%S1500S16337.5%S178100%S1800S19225%S20337.5%表2-1172.2.5基于彈性模型的方法Lades等等人給出了一種動態(tài)鏈接方程（DLA），用作辨識帶有裂縫不變性的對象，而是使用散點圖解釋對象。Wiscott等人他們在此基礎(chǔ)上展開了改進(jìn)，而是使用FERRET圖像庫視為300的實驗。將一張人臉的圖像與別的300張圖像展開相當(dāng)，正確率達(dá)到97.3％。這種辦法的缺點應(yīng)是計算量不小。Nastar將人臉圖像建模為能變形的3D網(wǎng)格表面，從而將人臉匹配關(guān)鍵問題轉(zhuǎn)換為能變形表面的彈性匹配關(guān)鍵問題。使用有限元分析方法使得平面變形，而是依照變形判斷兩個圖像是否是同一個人。該類辦法的特征應(yīng)是在3D空間中此外顧及了空間和灰度，實驗表明，該類辦法的辨識效果顯著優(yōu)于人臉識別辦法。Lanitis等等人給出了一種靈活的烘托分析模型辦法，該類辦法經(jīng)由自動細(xì)分人臉最最突出的特質(zhì)點，在83個分析模型參數(shù)值中對于人臉展開編碼，而是使用判別分析辦法展開鑒于人臉的辨識。在表格信息內(nèi)容中。彈性映射技術(shù)手段應(yīng)是一種鑒于幾何特質(zhì)和灰度分布教學(xué)信息的波肌理分析相結(jié)合的辨識遺傳算法。因為該類遺傳算法更好地利用了人臉的內(nèi)部結(jié)構(gòu)和灰度分布教學(xué)信息，因而帶有自動，清晰的細(xì)分基本功能。面部特質(zhì)點的基本功能帶有良好的辨別效果，巨大的適應(yīng)性和較高的準(zhǔn)確率。該類技術(shù)應(yīng)是FERET測驗中最好的技術(shù)之一。它的缺點應(yīng)是時間復(fù)雜度高，速度慢和實現(xiàn)復(fù)雜。2.2.6神經(jīng)網(wǎng)絡(luò)方法（NeuralNetworks）人工神經(jīng)網(wǎng)絡(luò)應(yīng)是帶有良好的自組織性和自適應(yīng)能力的非線性動力學(xué)網(wǎng)絡(luò)系統(tǒng)?，F(xiàn)如今，關(guān)于面部辨別中的神經(jīng)網(wǎng)絡(luò)方式的研究正在蓬勃發(fā)展。Valentin給出了一種方式，首先從面部篩選50個主要意象，接著使用自相關(guān)神經(jīng)網(wǎng)絡(luò)將其投射到5維空間中，接著使用普通的多層感知器來區(qū)分和評測一些簡單的圖像效果。Intrator等等人給出了一種用作面部辨識的混合神經(jīng)網(wǎng)絡(luò)，其中使用非監(jiān)督神經(jīng)網(wǎng)絡(luò)展開特征提取，而是使用監(jiān)督神經(jīng)網(wǎng)絡(luò)展開分類管理。Lee等等人用六個規(guī)則解釋了人臉的特質(zhì)，接著依照這六個規(guī)則對于五個感官展開了細(xì)分，而是在模糊神經(jīng)網(wǎng)絡(luò)中輸入了五個感官之間的幾何距離以展開辨識。該類效果比鑒于歐幾里得距離的常規(guī)方式應(yīng)當(dāng)好得多。Laurence等等人使用卷積神經(jīng)網(wǎng)絡(luò)方式展開面部辨識，因為卷積神經(jīng)網(wǎng)絡(luò)將相鄰像素之間的相關(guān)性知識整合到一定程度，從而在一定程度上融合了像素的局部平移，旋轉(zhuǎn)和裂縫不變性幻燈片。因而，獲取了極為理想的辨別結(jié)果。Lin等等。他們給出了一種鑒于幾率管理決策的神經(jīng)網(wǎng)絡(luò)辦法。主要思想應(yīng)是使用虛擬訓(xùn)練樣本（正例和負(fù)例）展開增筋和減筋學(xué)習(xí)，從而獲取更理想的機率回歸系數(shù)，因而，采取模塊化系統(tǒng)結(jié)構(gòu)（OCON）來加速學(xué)習(xí)過程。該類方式已然很好地應(yīng)用于面部測試，面部定位和面部辨別的每一步驟。別的研究包含:Dai等等。他們建議使用Hopfield網(wǎng)路展開低分辨率人臉關(guān)聯(lián)和辨別，Gutta等等人，Phillips等等人的MatchingPursui結(jié)合了RBF和樹分類器的混合分類器方程用作面部辨別過濾器用于面部辨識，統(tǒng)計學(xué)習(xí)方法論中的扶持函數(shù)機在中國用于面部分類管理。神經(jīng)網(wǎng)絡(luò)辦法在人臉識別中的應(yīng)用相對于上述辦法帶有一定品牌優(yōu)勢，因為在學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)辦法的此外挺難明確解釋人臉識別的許多規(guī)律或是游戲規(guī)則。獲取這些法律和規(guī)則的隱藏表達(dá)的過程更容易順應(yīng)并且通常更易于實現(xiàn)。因而，人工神經(jīng)網(wǎng)絡(luò)的辨別速度很快，然而識別率仍舊挺低。神經(jīng)網(wǎng)絡(luò)方式通常需要將面部視為一維函數(shù)輸入，因而輸入結(jié)點較大，其辨識的主要戰(zhàn)略目標(biāo)應(yīng)是降維處理。其它方法：①隱馬爾可夫模型方法（HiddenMarkovModel）②Gabor小波變換+圖形匹配2.2.7人臉等密度線分析匹配方法（1）多重模板匹配方法該類方式應(yīng)是在庫中存貯若干質(zhì)量標(biāo)準(zhǔn)面像模板或面好像臟器模板，在展開比對于時，將采樣面像所有象素與庫中所有模板采取歸一化相關(guān)量度量展開匹配。（2）線性判別分析方法（LinearDiscriminantAnalysis，LDA）（3）本征臉法本征臉法將圖像視作向量,推算本征值和對應(yīng)的本征函數(shù)視為代數(shù)特征展開辨識,帶有無需篩選眼嘴巴鼻等等幾何特征的優(yōu)點,可是在單樣本時識別率不高,且在人臉模式數(shù)巨大時推算量大。（4）特定人臉子空間(FSS)算法該類技術(shù)手段來自傳統(tǒng)式的面部辨別“自身的臉”方式，可是實質(zhì)上各有不同。在“自身的臉”方式中，所有人共享一個臉部子空間，并且該類方式為每位單獨的臉部的單個對象創(chuàng)建一個私有的臉部子空間，因而它不光可以更好地解釋各異的單個臉部之間的關(guān)系。差異以及對于類型內(nèi)差異和有助于辨識的噪音的最大可能回絕，因而與傳統(tǒng)式的“自臉遺傳算法”相比，它帶有更好的區(qū)分能力。此外，對其中每位待辨別個人帶有單個訓(xùn)練樣本的面部辨別關(guān)鍵問題，給出了一種技術(shù)手段，該類技術(shù)手段鑒于單個樣本生成多個訓(xùn)練樣本，從而需要多個樣本的個人面部子空間方式訓(xùn)練可以應(yīng)用于單個樣本。訓(xùn)練樣本面部辨別問題。（5）奇異值分解(singularvaluedecomposition,簡稱SVD)應(yīng)是提取代數(shù)特征的有效辦法。因為奇異差值特質(zhì)在解釋圖像時挺穩(wěn)定，并且?guī)в兄T如轉(zhuǎn)置不變性，擺動不變性，位移不變性和鏡像變換不變性等等重要特性，因而它極為獨特。圖象的有效代數(shù)特征。奇異差值分解技術(shù)手段已然廣泛應(yīng)用于圖像數(shù)據(jù)壓縮，信號處理和模式分析。19人臉識別技術(shù)的特點3.1人臉識別安檢與傳統(tǒng)安檢的區(qū)別除改變傳統(tǒng)的道路監(jiān)控形式外，面部識別還大大改善了交通服務(wù)。如今，人們越來越在尋求交通的便利性和快捷性，但是排隊購票和進(jìn)行安全檢查的步驟降低了每個人的旅行體驗。在無法取消這些必要程序的情況下，面部識別技術(shù)的集成和應(yīng)用無疑會帶來重要的好處。傳統(tǒng)的排隊，購票和安全檢查會讓人們感覺太慢，主要是因為服務(wù)的主要對象是人。他們需要一張一張地檢查機票信息，然后一張一張地檢查旅客。自然，它們不能顯示出高效率。加上面部識別功能，只需輕掃一下臉部，即可輕松完成購票和安全檢查的步驟。整個過程輕而易舉，并且在確保安全性的同時提高了效率。而且，過去，交通管理不僅需要人員，而且還需要安全檢查小組來進(jìn)行乘客安全檢查。一個城市中各個站點的人工和設(shè)備的總成本肯定會很高。人臉識別技術(shù)應(yīng)用后，由于提高了安全檢查的效率和質(zhì)量，從理論上講，進(jìn)一步降低了安全檢查的成本。例如，安全檢查人員將減少，安全檢查團(tuán)隊也將減少。這些節(jié)省的成本將有助于提高服務(wù)質(zhì)量。3.2人臉識別技術(shù)的優(yōu)勢與不足3.2.1人臉識別技術(shù)的優(yōu)勢接受度高適應(yīng)性強；非接觸；智能交互；方便快速效率高；節(jié)省成本（攝像頭、人力與時間）；幫助公安部們在必要時收集人員流動信息；有助于更快速確定抓捕疑犯和尋找失蹤人員的行蹤等。3.2.2人臉識別技術(shù)的不足對周圍環(huán)境光敏感；人臉的頭發(fā)，配件和其他覆蓋物；面部老化會影響識別準(zhǔn)確性，并需要人工智能補償；使用面部識別技術(shù)肯定會導(dǎo)致更困難的隱私問題。人臉識別技術(shù)目前存在的問題我國接觸人臉識別技術(shù)較晚，但最近幾年隨著人工智能越來越火，人臉識別技術(shù)的研究也引起了越來越多的關(guān)注。然而當(dāng)人臉識別技術(shù)逐漸變得無處不在，在無法保證非法科技公司使用人臉識別技術(shù)合法使用用戶臉部數(shù)據(jù)的前提之下，一直被關(guān)心的個人隱私等問題也開始成為人們關(guān)注的焦點。是什么問題呢？第一點是面部數(shù)據(jù)收集端口（相機）和傳輸網(wǎng)絡(luò)中存在安全漏洞。具有簡單密碼或沒有密碼的設(shè)備容易受到非法攻擊。第二點是面部識別信息的所有權(quán)和機密性尚不清楚，仍然處于法律空白區(qū)域。目前，我國尚無針對人臉識別技術(shù)的具體法律法規(guī)，因此人臉識別技術(shù)所產(chǎn)生的個人隱私問題不容忽視，這也是推動人臉識別技術(shù)成熟的動力。面部識別技術(shù)。例如，當(dāng)比較一張臉時，與存儲在系統(tǒng)中的臉存在差異。例如，胡須刮胡子，發(fā)型改變，更多眼鏡以及表情改變都可能導(dǎo)致比較失敗。換句話說，如果此人稍有變化，則系統(tǒng)可能無法認(rèn)證。如今，據(jù)保守估計，人臉識別技術(shù)的準(zhǔn)確性可能達(dá)到95％，但尚未達(dá)到100％。同時，對于雙胞胎來說，由于太多相似的特征，面部識別基本上是不可能的。第三點是，隨著人臉數(shù)據(jù)庫規(guī)模的增長，人臉識別算法的性能將下降。在大規(guī)模應(yīng)用環(huán)境中如何保持或提高面部識別算法的識別率也很重要。問題。“單刃是刀，雙刃是劍”。世界上的所有事物都具有雙重特征，面部識別技術(shù)無濟于事。隨著技術(shù)的發(fā)展以及相關(guān)法律制度的不斷完善，面部識別技術(shù)的弊端應(yīng)得到緩解。盡管不能完全消除它，但這也是發(fā)展現(xiàn)代文明必須犧牲的一部分。盡管面部識別技術(shù)仍然存在一些缺陷和隱患，但該技術(shù)是在克服和解決問題的基礎(chǔ)上開發(fā)的，在這個快速發(fā)展的過程中，最大的障礙是推出鼠標(biāo)。我相信，在將來，面部識別技術(shù)將得到越來越廣泛的應(yīng)用，而這個理想的未來需要社會各階層的共同努力。面部識別技術(shù)是未來基于大數(shù)據(jù)的重要發(fā)展方向。這將成為未來人臉識別的主要發(fā)展趨勢。21人臉識別在交通安檢中的應(yīng)用人臉識別流程人臉識別技術(shù)應(yīng)是在人臉測試技術(shù)的根底上，展開教學(xué)信息分辨。在辨別面部信息內(nèi)容的過程中，它主要歸結(jié)為兩個錄入階段：“什么？”和“應(yīng)是什么？”在正常狀況下，面部辨別必須首先執(zhí)行面部輸入，對于圖像展開預(yù)處理，接著對于圖像展開特征提取，之后執(zhí)行面部辨別和面部驗證。面部辨別主要歸結(jié)為兩個辨別方向，一應(yīng)是分析面部特征和面部強度線的分布。另一個應(yīng)是面部標(biāo)志和別的面部特征參數(shù)的組合。發(fā)展與應(yīng)用：眾所周知，在我們的日常生活中，航空，高鐵，公路客運和許多其他旅行方式是我們大多數(shù)人的選擇?，F(xiàn)在，以實名購買機票已變得很流行。為了避免人，證書和票據(jù)與技術(shù)的不一致，不斷發(fā)展與發(fā)展近年來，使用面部技術(shù)進(jìn)行安全檢查已逐漸取代了手動票據(jù)驗證，需要使用面部識別技術(shù)來確定是否有人和證書匹配。航空業(yè)已經(jīng)實施了所有面部識別安全控制措施。交通安全檢查可能是將來最大的應(yīng)用。國際民航組織（ICAO）已確定，截至2010年，其118個成員國和地區(qū)必須使用機器可讀護(hù)照。面部識別技術(shù)是第一種識別方式。它已成為國際標(biāo)準(zhǔn)。目前，國內(nèi)外海關(guān)和機場安全監(jiān)管部門已推出人臉識別過境計劃，以快速檢查乘客和持有人是否為同一人，以幫助快速清關(guān)并進(jìn)出更方便。從2009年9月20日起，首都機場將使用面部識別門禁系統(tǒng)來驗證人員的身份。2016年7月，深圳安檢人臉識別系統(tǒng)在深圳機場國家安檢區(qū)正式投入使用。深圳機場成為全國第一個將面部識別系統(tǒng)集成到機場安全檢查信息系統(tǒng)中并實現(xiàn)這兩個系統(tǒng)的集成運行的機場。隨后，高速列車也開始流行，普通火車站也開始流行。2018年9月2日，東莞火車站打開了人臉識別門，售票完成，無需手動“人臉識別”即可輸入“人臉”?！霸谕ǔＧ闆r下，整個過程僅需3-5秒，比以前的人工檢查效率更高，并且可以有效地確保票證，證書和人員的一致性。公路客運應(yīng)該是城市之間促進(jìn)面部識別驗證的主要旅行方式中的最后一種。最近修訂的《道路旅客運輸及客運站管理規(guī)定》要求，跨省和城際客運專線運營商或其售票單位，起止點和中途停留地客運站應(yīng)實施實名票銷售和姓名檢查真實。2017年，交通運輸部在全國主要客運站實施了人臉識別比較。在2018年春節(jié)，許多旅客航站樓都能夠?qū)嵤嵜?。這種面部識別方法需要相對較短的識別時間，因為它主要是人與證書是否匹配的比較。識別后，首先讀取身份證，然后進(jìn)入公民信息系統(tǒng)以找到相應(yīng)的身份證。然后將圖像與捕獲的面部進(jìn)行實時比較，以確認(rèn)是否匹配。收集設(shè)備的要求相對較低，方向固定，受光照環(huán)境變化的影響較小，并且如果不被認(rèn)可，可能會無響應(yīng)。2018年7月，廣州地鐵的珠江新城站和萬勝衛(wèi)站安裝了前防盜門，成為國內(nèi)首家測試面部識別技術(shù)智能安檢項目的地鐵公司。根據(jù)交通出行的特殊性，使用人臉識別不光方便高速，也能讓公安部們在必要時收集工作人員流動教學(xué)信息，不利于更高速設(shè)定追捕疑犯和尋求殺害工作人員的行蹤。結(jié)語結(jié)論綜上所述，在本文中對計算機人臉識別的技術(shù)、實現(xiàn)與原理進(jìn)行分析，研究其在實際生活中的應(yīng)用。計算機人臉識別技術(shù)的發(fā)展、實現(xiàn)到現(xiàn)在普遍為人們的日常生活提供便利，是科技研發(fā)中的重要產(chǎn)物?？偟膩碚f，人臉識別對交通各行業(yè)的影響主要體現(xiàn)在效率性、安全性、服務(wù)質(zhì)量和成本等方面，而這些方面的變化則帶來了行業(yè)的快速轉(zhuǎn)型與升級。展望本文的研究方法是通過統(tǒng)計文獻(xiàn)資料的相關(guān)內(nèi)容對人臉識別技術(shù)來進(jìn)行分析。文章中有很多不足，查找的資料文獻(xiàn)都是中文，資料偏少導(dǎo)致分析的內(nèi)容有些淺薄，分析內(nèi)容有小許誤差。文獻(xiàn)數(shù)據(jù)都是從中國知網(wǎng)、知乎、文庫、論壇和各種新聞網(wǎng)中獲取，部分資料文獻(xiàn)發(fā)表的時間有些久，所以文章的內(nèi)容存在時效性的不準(zhǔn)確。22致謝感謝一直以來給予我指導(dǎo)的周延杰老師，在這期間給老師添了不少麻煩。周老師總是在百忙之中盡量的抽出時間來給我們分析、解決研究和設(shè)計中所遇到的各種問題。謝謝家人對我的支持，謝謝所有幫助過我的人。2223參考文獻(xiàn)周杰，盧春雨，張長水等.人臉自動識別方法綜述[J].電子學(xué)報,2000(04):103-107.高俊祥，杜海清.智能視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)[J].中國多媒體通信,2008