简要讨论面部识别技术的方法和应用（面部识别技术的明显好处是什么）

摘要：面部识别技术的独特而积极的歧视能力可确保其他人无法使用不活跃的照片娃娃般的蜡像欺骗识别系统。 面部识别技术绝对是最容易获得的，因为它基于面部照片和实时面部图像。

面部识别是近年来在模式识别，图像处理，机器视觉，神经网络和认知科学领域的热门话题之一。它被广泛用于各个方面，包括公共安全（例如犯罪意识），安全验证系统，信用卡验证，医学，档案管理，视频会议和人类计算机交互系统。来自他们的识别信息。它用于“识别”身份。人脸识别具有强大的面部识别能力，并允许成千上万的不同面孔被记住和区分，但是计算机要困难得多。揭示了：脸的表达丰富。面部随着年龄的增长而变化。面部产生的图像受光，图像形成角度和图像形成距离的影响。面部识别还包括图像处理，计算机视觉，模式识别和神经网络等主题。这些也与对人脑的理解密切相关。

所谓的“面部识别”具有非常广泛的研究范围，可以大致分为以下方面：

1。面部检测：

也就是说，它检测到各种场景中的面孔的存在并确定其位置。 大多数情况下，场景更加复杂，因此面部的位置未知。因此，您需要首先确定场景中是否有脸。如果有脸，请确定图像中面部的位置。 面部头发，化妆品，照明，噪音，脸部倾斜，面部尺寸变化和各种障碍物使面部检测问题更加复杂。 面部检测的主要目的是在整个输入图像中找到面部区域，并将图像分为两个部分-面积和非面积区域。为后续申请做准备。

2。面部表示：

换句话说，它是使用特定的表示形式来表示数据库中检测到的面孔。 常见表达式包括几何特征（欧几里得距离，曲率，角度等），代数特征（矩阵特征矢量等），固定功能模板，特征表面，云图形图等：

已确定的检测到的面孔是在相关的相关信息中进行比较和匹配的。该过程的核心是选择适当的面部表达和匹配策略，系统结构与面部表达方法密切相关。 通常，您选择一种全局方法或基于匹配的功能方法。 显然，基于侧面图像和基于前图的功能选择的功能之间存在很大的区别。

4。表达分析：

换句话说，它涉及分析表达信息（幸福，悲伤，恐惧，惊奇等），以识别和分类面孔。

5。物理分类：

换句话说，分析面部的生理特征，以识别和获取相关信息，例如种族，年龄，性别，性别，职业等。显然，这需要很多知识才能完成，并且通常非常困难且非常复杂。

面部识别技术发展的历史

面部识别的工程应用始于1960年代。 经过50多年的研究，它可以大致分为三个阶段：

第一阶段主要解决面部识别所需的面部特征。

这个研究阶段由贝蒂隆，艾伦和帕克代表。 Bertillon的系统使用简单的语句来连接数据库中的面，同时结合指纹分析以提供强大的识别系统。 艾伦设计了一种有效的写作方法。。 但是，无论哪种方法，此阶段的识别过程仍然完全取决于操作员，需要许多人类干预措施，无法实现自动面部识别。

第二阶段是人类计算机的互动识别阶段。

研究人员使用数学模型来解释关键的几何特征，例如面部图像中五个特征的长度，并通过欧几里得距离采用了相似性度量。 Harmon和Lesk使用多维特征向量来表示人脸的面部特征，并根据此功能表示设计了识别系统。 之后，Kaya，Kobayashi和T. Canad还使用了多种方法来研究几何特征计算[5] [6]。 但是，这种方法依赖于操作员的知识，但仍然无法逃脱人类干预。

第三阶段是实际机器的自动识别阶段。

在此阶段，面部识别技术取得了重大突破，许多经典算法又一次出现，包括特征表面，子空间方法，弹性图匹配方法，统计外观模型以及基于神经网络的面部识别。库等。

常用的面部识别方法

完全自动化的面部识别系统通常包括三种重要技术：面部检测，特征提取和面部识别。

根据不同的方法，面部识别方法可以分为基于几何特征的方法，基于模型的方法，基于统计的方法，基于神经网络的方法和多分类器集成方法。 其中，最常见的方法是几何特征，模型和统计。

（1）基于几何特征的方法

最早记录的面部识别方法是基于Bledsoe提出的几何特征的方法。该方法将面部特征点之间的距离和比率作为特征，并通过最近的邻居方法识别面。 基于几何特征的方法非常直观，具有高识别速度和更少的内存要求。提取的特征对某种程度的照明变化不是很敏感。 但是，当面孔具有特定的表示或姿势变化时，特征提取是不准确的，并且忽略了整体图像细节，并且识别率较低，因此近年来几乎没有新的发展。

（2）基于模型的方法

基于模型的方法也是面部识别的一种重要形式，最广泛使用的是隐藏的马尔可夫模型。 这是一种总体紧急统计方法。 对于积极的面孔，马尔可夫的“状态”包括额头，眼睛，鼻子，嘴和下巴，以相同的顺序从上到下出现。 这样，可以将面部图像与隐藏的马尔可夫模型结合使用，这些面部特征区域被指定为状态。 其他模型包括主动形状模型和主动表示模型。

（3）基于统计的方法

三种基于统计的面部识别方法包括特征面，渔夫面和奇异值分解。 Sirobikand Kirby首先提出了一种使用特色脸的面部识别方法，并由Matthew Turkey和Alex Pentland用于面部分类。 这些特征向量是根据高维矢量空间中面部图像的协方差矩阵计算得出的，该方法被认为是面部识别的第一种有效方法。 Fisher Face方法是由Ronald Fisher发明的。它基于的LDA理论类似于其特征方面使用的PCA。两者都是从原始数据到低维空间的总体尺寸还原映射的方法。 奇异值分解方法涉及通过提取与噪声相对应的高频信息（例如图像光，方程式，态度和其他噪声）来重建图像，从而将功能向量与对应于先前奇异值分解的较大奇异值相对应。

面部识别技术的好处

作为一种新的生物识别技术（生物识别），面部识别技术在应用方面具有独特的优势，与虹膜识别，指纹扫描，手掌扫描和其他技术相比。它易于使用，并且非常友好。

面部识别技术使用典型的摄像头作为识别设备，以非接触方式完成识别过程，而无需意识到识别对象。

2。强调直觉。

面部识别技术中使用的基础是人脸的形象，人脸无疑是最直观的信息来源，可以通过肉眼来区分，方便人工确认和审计。 “看人们的外表”与人们的认知方法一致。

3。高识别精度和速度。

与其他生物识别技术相比，面部识别技术具有较高的识别精度，错误识别和拒绝率较低。

4。模仿并不容易。

在具有高安全性要求的应用程序中，面部识别技术要求在网站上访问和识别识别对象，从而使其他人难以模仿。 面部识别技术的独特而积极的歧视能力使其他人无法使用不活动的照片，洋娃娃和蜡数欺骗识别系统。 这使得难以实现生物识别技术，例如指纹。 例如，使用合法的用户手指切割将阻止识别系统在伪造合法用户的身份时被检测到。

5。使用通用设备。

面部识别技术中使用的设备是常见的传统设备，例如PC和相机。借助计算机，CCTV监视系统并更广泛地使用，对于大多数用户来说，无需添加众多特殊设备来保护用户的原始投资，还可以扩大用户现有设备的功能并使用面部识别技术来满足用户的安全性预防需求。

6。基本信息很容易获得。

面部识别技术中使用的基础是实时拍摄的面部或面部图像的照片，因此绝对是最容易获得的。

7。这是低成本，易于促进和使用。

面部识别技术使用传统的通用设备，因此价格在一般用户的公差范围内。与其他生物特征识别技术相比，面部识别产品具有高性能比率。

总而言之，面部识别技术是一种高度准确，易于使用，高度稳定，难以伪造的，并且具有非常广泛的市场应用程序前景。

应用面部识别技术

生物识别技术在近几十年以来，由于社会的持续发展以及对所有方面快速有效的自动身份验证的紧急要求，近几十年来迅速发展。 当前的生物识别技术包括以下内容：指纹识别，视网膜识别，虹膜识别，步行识别，静脉识别，面部识别等。。

与其他识别方法相比，由于具有直接，友好和方便的属性，因此对面部识别进行了广泛的研究和应用，并且用户没有心理障碍，并且很容易被用户接受。 当前的面部识别技术主要适用于以下方面：

（1）公共安全部门可以在存档系统中存储嫌疑人的照片，并通过其他渠道获取可疑或面部特征的照片，然后快速搜索并从数据库中查看它们，从而极大地改善犯罪调查的准确性和效率。

（2）在许多情况下（海关，机场，机密部门等）对文档进行验证，文档验证是验证一个人身份的常见方法。 许多其他文档，例如身份证，驾驶执照，都有照片。使用面部识别技术，机器可以完成验证和识别任务，从而实现自动化和智能管理。

（3）在许多银行，企业，公共场所等都可以使用视频监视。实时跟踪，监视，标识和警报是在异常情况下或陌生人闯入时需要的。这需要对收集的图像进行特定分析，并需要面对检测，跟踪和识别技术。

（4）输入控制输入控制范围非常宽，包括入口处的安全检查，例如建筑物，房屋和ID验证，然后进入计算机系统或智能系统。

（5）表达分析根据面部图像（例如幸福，愤怒等）的面部变化来识别并分析一个人的情绪状态。此外，面部识别技术为药物，档案管理，面部模型，面部建模，视频会议等提供了主要的应用程序前景。技术仍然有开发空间。 探索在各种光和角度条件下解决面部识别的方法，以及如何提高识别速度和准确性将是开发未来面部识别技术的方向。

本文的版权属于原始作者。