人臉識(shí)別調(diào)研報(bào)告

　　在人們?cè)絹?lái)越注重自身素養(yǎng)的今天，報(bào)告的用途越來(lái)越大，我們?cè)趯憟?bào)告的時(shí)候要注意涵蓋報(bào)告的基本要素。那么你真正懂得怎么寫好報(bào)告嗎？下面是小編精心整理的人臉識(shí)別調(diào)研報(bào)告，歡迎大家分享。

　　一、概述

　　生物特征識(shí)別技術(shù)包括人臉識(shí)別、指紋識(shí)別、語(yǔ)音識(shí)別、表情分析及理解、虹膜識(shí)別等 人臉識(shí)別的實(shí)質(zhì)就是借助計(jì)算機(jī)工具來(lái)分析人臉面部圖像，采用不同的特征表示方法提取有效地人臉特征，是可用來(lái)辨識(shí)身份的一門自動(dòng)處理技術(shù)，常見(jiàn)重要應(yīng)用案例包括銀行和軍事重地的自動(dòng)門禁系統(tǒng)、智能人臉監(jiān)控系統(tǒng)、用于公共交通體系中安檢系統(tǒng)的嫌疑人自動(dòng)識(shí)別系統(tǒng)、網(wǎng)絡(luò)服務(wù)中的在線驗(yàn)證系統(tǒng)等。 產(chǎn)生不同個(gè)體較大差異性的內(nèi)在因素主要有種族、性別、年齡、心理等。外在因素主要有光照變化、角度偏轉(zhuǎn)、姿態(tài)、噪聲千擾、遮擋、以及化妝遮擋物等。 18世紀(jì),就有一篇依據(jù)人臉特征信息進(jìn)行身份鑒別的文章發(fā)表在《Nature》上,開(kāi)啟了近代最早的人臉識(shí)別研宄，最早的自動(dòng)人臉識(shí)別系統(tǒng)是由Chan和Bledsoe創(chuàng)于1965年 人臉識(shí)別包括四個(gè)主要步驟：圖像預(yù)處理、人臉檢測(cè)、面部特征提取和分類識(shí)別。

　　二、研究領(lǐng)域

　　1、身份驗(yàn)證領(lǐng)域：通過(guò)人臉識(shí)別技術(shù)來(lái)判斷和鑒別當(dāng)前用戶是否合法或者具備相應(yīng)的功能權(quán)限，例如2021年北京奧運(yùn)所采用的人臉識(shí)別系統(tǒng)。

　　2、智能視頻監(jiān)控領(lǐng)域，例如車站安裝智能監(jiān)控系統(tǒng),該系統(tǒng)中加入了人臉識(shí)別技術(shù)以捕捉人群中的可疑罪犯。

　　3、人機(jī)交互領(lǐng)，例如人臉面部為視覺(jué)系統(tǒng)提供了最為主要的特征信息。

　　三、人臉識(shí)別方法及其算法

　�。ㄒ唬┓椒ǚ诸�

　　可以分為：基于幾何特征的人臉識(shí)別、基于彈性圖匹配的人臉識(shí)別、基于子空間分析的人臉識(shí)別、基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別、基于隱馬爾可夫模型等。

　　經(jīng)典的特征臉“Eigenface”就是該時(shí)期由麻省理工學(xué)院的M.Turk和A.Pentlaiid提出的，采用PCA變換對(duì)原始圖像進(jìn)行降維處理,然后再進(jìn)行分類識(shí)別。

　　P.Belhumeur等提出的Fisherfaces人臉也被廣泛應(yīng)用在人臉識(shí)別中。

　　90年代中后期,出現(xiàn)了一種基于動(dòng)態(tài)連接結(jié)構(gòu)(Dynamic Link Architecture)的彈性圖匹配(Elastic GraphMatching)識(shí)別方法。 90年代末支持向量機(jī)被

　　應(yīng)用到人臉識(shí)別技術(shù)中。

　�。ǘ�）流行算法

　　主要分為：等距離映射_(Isometrical Mapping,簡(jiǎn)稱 ISOMAP)、局部線性嵌入(Locally LinearEmbedding,簡(jiǎn)稱LLE、拉普拉斯算子特征映射(Laplacian Eigenmaps)、拉普拉斯臉(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：

　　基于稀疏表示的人臉識(shí)別方法

　　(Sparserepresentation recognition, SRC) 針對(duì)此識(shí)別方法還出現(xiàn)了較多的改進(jìn)模型,典型的有

　　基于Gabor的稀疏表示 基于Metaface的稀疏表示等

　�。ㄈ�）難點(diǎn)

　　1、人臉圖像的成像條件包括較大的隨機(jī)性：光照變化、姿態(tài)變換、表情變化、發(fā) 型改變、化妝、以及遮擋等復(fù)雜條件

　　2、人臉面部圖像的復(fù)雜的三維結(jié)構(gòu)屬性：包括線性結(jié)構(gòu)和非線性結(jié)構(gòu)

　　3、人臉圖像數(shù)據(jù)的維數(shù)問(wèn)題

　　4、不同個(gè)體間的面部特征的差異性

　　四、人臉特征提取研究

　�。ㄒ唬┤四樚卣魈崛『妥R(shí)別算法分類

　　基于統(tǒng)計(jì)方法 基于幾何方法

　�。ǘ�）具體實(shí)現(xiàn)

　　主成分分析(principal component analysis, PCA)是一種典型的數(shù)據(jù)處理和數(shù)據(jù)降維方法

　　Sirovich和Kirby首先研究人臉降維過(guò)程，采用基于鏡像臉的技術(shù)

　　M.Turk_提出了基于PCA表示的特征臉的概念

　　Fisher線性判別方法也是人工智能和模式識(shí)別領(lǐng)域中的重要方法之一

　　Foley和Sammon提出了基于Sammon最佳鑒別平面的技術(shù)

　　Duchene和Leclercq提 出了針對(duì)多類問(wèn)題的Foley-Sammon最佳鑒別矢

　　量集的求解公式

　　Turk和Pentland提出了基于特征臉的特征提取方法 Kittler又提出了基于Fisher鑒別準(zhǔn)則的提取面部特征方法 Hong和Yang提出了采用SVD進(jìn)行特征提取方法

　　Cheng等改進(jìn)并提出了一種新的相似性鑒別準(zhǔn)則

　　Liu等提出了基于最佳鑒別廣義平面和最佳鑒別廣義矢量集的一系列特征提取方法

　　郭等在此基礎(chǔ)上提出了改進(jìn)的最佳鑒別矢量方法

　　吳等又改進(jìn)了廣義最佳鑒別矢量方法

　　基于模型的特征提取方法

　　Ka等首次提出了主動(dòng)輪廊線模型(Active Contour Model,ACM), ACM也被稱為Snake模型

　　Lee等提出了一種改進(jìn)Snake模型的方法,改進(jìn)方法是由正面和側(cè)面結(jié)構(gòu)化特征來(lái)對(duì)面部進(jìn)行特征點(diǎn)定位

　　基于統(tǒng)計(jì)參數(shù)化模型的主動(dòng)形狀模型(Active Shape Model, ASM) 優(yōu)

　　勢(shì)在于它不僅能有效地定位和提取目標(biāo)物體的外部輪廓信息,而且能提取目標(biāo)物體的內(nèi)部輪廓和形狀特征

　　Cootes等在ASM基礎(chǔ)上提出了主動(dòng)表觀模型 (Active

　　AppearanceModel,AAM)

　　（三）需要解決的問(wèn)題

　　1、根據(jù)奇異值分解原理可以得到人臉圖像的奇異值向量所在的基空間(矩陣)是由 人臉圖像本身決定的。

　　2、當(dāng)光照、姿態(tài)、表情變化以及遮擋等復(fù)雜條件下,人臉的表象會(huì)產(chǎn)生較大變化, 從而造成人臉識(shí)別系統(tǒng)的性能下降。

　　3、需要構(gòu)造一種能有效描述目標(biāo)紋理特性的局部紋理輪廓模型,進(jìn)一步提高模型的 特征點(diǎn)定位精度。

【人臉識(shí)別調(diào)研報(bào)告】相關(guān)文章：

有人臉的器物11-17

人臉的藝術(shù)作文11-24

統(tǒng)計(jì)調(diào)研報(bào)告-調(diào)研報(bào)告07-25

消防調(diào)研報(bào)告_調(diào)研報(bào)告06-13

醫(yī)院調(diào)研報(bào)告_調(diào)研報(bào)告04-20

汽車調(diào)研報(bào)告范文_調(diào)研報(bào)告05-06

制藥企業(yè)調(diào)研報(bào)告-調(diào)研報(bào)告02-23

停車場(chǎng)調(diào)研報(bào)告-調(diào)研報(bào)告07-27

鄉(xiāng)鎮(zhèn)鄉(xiāng)村旅游調(diào)研報(bào)告-調(diào)研報(bào)告02-22