摘 要：科學(xué)技術(shù)快速發(fā)展的過程中，各種新技術(shù)也不斷的走入人們的工作生活。人臉自動識別系統(tǒng)以及逐漸的成為考勤系統(tǒng)的重要組成部分。探討人臉自動識別系統(tǒng)及其識別方法，對其發(fā)展有著積極意義。本文從人臉自動識別系統(tǒng)出發(fā)，探討了人臉識別方法的研究。

關(guān)鍵詞：人臉自動識別系統(tǒng)；方法；幾何特征

中圖分類號：TP391.41

1 人臉自動識別系統(tǒng)

人臉識別通過存儲的數(shù)據(jù)的特征來鑒別多個人的身份，類似與指紋識別技術(shù)，但是相比而言較為復(fù)雜。人臉自動識別系統(tǒng)主要包括人臉檢測定位以及識別提取特征并匹配的兩個重要環(huán)節(jié)，下圖1為你工作模式。

圖1 人臉自動識別系統(tǒng)

1.1 人臉檢測與定位

人臉檢測與定位是人臉自動識別的開始，其判斷圖像中是否存在人臉。然后將人臉從圖片背景中分離開來，確定人臉在圖像中所取的位置。在某些控制拍攝條件的場合，背景相對簡單，定位比較容易。背景較為復(fù)雜的適合，獲取人臉將受到一定程度的影響。影響人臉識別與定位的主要因素包括：其一，人臉?biāo)幍奈恢靡约俺叨壬系淖兓?，其二，臉上的裝扮以及發(fā)型的更改都會對結(jié)果的準(zhǔn)確性造成很大的影響，其三，圖像噪聲影響。

1.2 特征提取與人臉識別

特征提取和人臉識別是自動識別系統(tǒng)的核心部分，其主要分為三個部分的圖像處理、特征提取及識別。為使得圖像處理的準(zhǔn)確性能夠達(dá)到適用性的要求，就需要對圖像的特征信息處理。目前常用的處理方法是幾何歸一化處理，幾何歸一化是指根據(jù)圖像的人臉定位，然后進(jìn)行對比規(guī)模，將位置調(diào)整到相同的尺寸和相同的位置?；叶葰w一化是使用照明補償?shù)忍幚矸椒?，解決照明的變化對人臉檢測的影響，也就是降低光線影響導(dǎo)致的準(zhǔn)確性下降的問題。特征提?。焊鶕?jù)不同的識別方法，采用不同形式的提取。基于幾何特征的識別方法，在識別的過程中，需要提取特征點和特征點作為基準(zhǔn)結(jié)構(gòu)特征向量。在統(tǒng)計識別方法基于特征臉，臉是完成相關(guān)矩陣的提取圖像特征。模板匹配方法，特征提取相關(guān)系數(shù)作為人臉識別的基礎(chǔ)。特征提取的人臉識別的過程，需要待識別圖像和數(shù)據(jù)庫中存儲的數(shù)據(jù)匹配，如果滿足識別的特征值則完成識別工作。

2 人臉識別方法的研究

2.1 基于幾何特征的人臉識別方法

基于幾何特征的人臉識別方法主要是通過檢查面部的性質(zhì)特征來確定的，通過檢測面部形狀特征以及其相對位置，獲得相對位置的參數(shù)，這樣就能得到特征矢量，每個人的特征矢量是不同的。在進(jìn)行人臉識別的過程中，將這些特征矢量與庫中已知的臉的特征矢量相互比較，就能夠匹配出個人信息。Roder對此種識別方法的精確性進(jìn)行了研究，試驗結(jié)果較差，這表明幾何特征的人臉識別方法的精確性有待提升。Yuille的彈性模板的人臉檢測方法采用的是可調(diào)模板，當(dāng)模板在待測圖像上移動的時候，能夠動態(tài)的調(diào)整參數(shù)。這樣就能夠檢測出大小、偏移不同的人臉。但是其并不是盡善盡美，彈性模板的輪廓必須根據(jù)待測人的臉型來設(shè)計，不然結(jié)果的準(zhǔn)確性也難以保證。同時在進(jìn)行檢測的時候，因為需要進(jìn)行全面搜索，所以檢測計算的時間較長，效率較低?；趲缀翁卣鞯娜四樧R別方法對獲得圖像的質(zhì)量要求較高，其要求特征點的定位需要非常的準(zhǔn)確。人臉有一定的偏移或者化妝都會嚴(yán)重的影響到結(jié)果的準(zhǔn)確性，目前這種方法僅僅用于識別過程中的輔助手段。

2.2 基于主元分析的人臉識別方法

基于主元分析的人臉識別方法最早由Sirovitch和Kirby引入。此種方法在特征臉識別中具有代表性。此種算法工作的時候并不是單獨存在的，其與普通的模板算法一起工作。通過Turk等人的試驗，此種算法具有較高的準(zhǔn)確性，在關(guān)照不變的情況下，準(zhǔn)確性能夠達(dá)到95%以上，甚至人臉朝向出現(xiàn)變化的時候也能夠達(dá)到85%以上的準(zhǔn)確性。

特征臉（Eigenface）方法：特征臉方法是由Turk和Pentland等人提出，此種方法是識別的過程是人臉圖像映射到特征臉上，然后對比分析特征空間的位置特征來達(dá)到識別的目的。根據(jù)下面公式1可以知道你方法原理，隨機向量組成了包含人臉的特征區(qū)域，正交K-L基由K-L變換得到，然后具有人臉相似的形狀的是其中較大特征值的基。人臉的識別與合成，正可以利用由這些基的線性組合所描述、表達(dá)和逼近人臉圖像來完成。

式中：Xk為第k個圖像向量，μ為本集的平均向量，N為樣本總數(shù)。

特征臉方法中考慮到了圖像直接的差異，其產(chǎn)生最大的特征向量，但是此種方法不能夠有效的區(qū)分出差異的來源。外在因素和人臉本身都對結(jié)果準(zhǔn)確性影響較大，所以此方法的局限性較大。

2.3 基于奇異值分解的人臉識別方法

基于奇異值分解（SVD）的人臉識別方法由洪子泉和楊靜宇提出，基于Sammon最佳判斷平面，建立了Baves分類模型。在使用此種方法的過程中，為了保證識別效果的準(zhǔn)確性，往往將其與其他的算法進(jìn)行組合使用。

2.4 隱馬爾科夫模型（HMM）方法

隱馬爾科夫模型（HMM）方法是較為經(jīng)典的一種算法，此理論早在20世紀(jì)60年代就形成了。最早建立此種模型的是Samaria等人，判斷人臉識別的好壞，往往取決于對原始信息的利用率，隱馬爾科夫模型包含了人臉圖像五個顯著特征區(qū)域，此種做法具有高精度性的有點，但是確定就是需要儲存的數(shù)據(jù)較多，而且人臉識別的速度較慢。

2.5 基于圖像重建的人臉識別方法

人臉識別的準(zhǔn)確性與光照和人臉偏移有著直接關(guān)系，其中光照的影響為甚。為了解決這兩者帶來的影響，需要采取基于圖像重建的人臉識別方法。其一般可以分為以下兩種情況：（1）根據(jù)對人臉的多角度拍攝生成人臉的三維模型，然后進(jìn)行與數(shù)據(jù)庫中的三維模型的對比，當(dāng)二者特征值滿足要求的時候完成識別。（2）根據(jù)二維人臉圖計算出姿態(tài)偏轉(zhuǎn)角度。數(shù)據(jù)庫的圖樣進(jìn)行偏轉(zhuǎn)，然后進(jìn)行匹配，這樣準(zhǔn)確性大大的提升。

3 結(jié)束語

人臉識別逐漸的成為考勤系統(tǒng)不可分割的組成部分，其復(fù)雜性決定了其難以適用單一的方法。所以一般采用多種方法組合，來提升識別的準(zhǔn)確性以及效率。利用其它生物特征進(jìn)行身份識別也是目前研究的一個方向。

參考文獻(xiàn)：

[1]劉永信，李琳莉，巴雅日圖.人臉識別方法綜述[J].內(nèi)蒙古大學(xué)學(xué)報（自然科學(xué)版），2009（04）：493-498.

[2]鄒志煌，孫鑫，程武山.人臉識別技術(shù)產(chǎn)品的發(fā)展概況[J].視頻應(yīng)用與工程，2008（03）：91-93.

作者單位：廣東工業(yè)大學(xué)，廣州 510000