【正文】 世紀(jì) 90 年代以來(lái)，隨著高速高性能計(jì)算機(jī)的出現(xiàn)，人臉識(shí)別方法有了重大突破，進(jìn)入了真正的機(jī)器自動(dòng)識(shí)別階段。在識(shí)別方面，人臉模式的可變性導(dǎo)致了難以提取足夠多的用于分類(lèi)的不變性特征；③由于人臉自身的因素,不同的人臉在形狀、質(zhì)地、顏色、大小等方面都有很大的變動(dòng)性，人臉上有一些具有隨機(jī)性的部位(比如發(fā)型、胡須、眼鏡等),也有可能被一些物體擋住，造成了某些提取的用于檢測(cè)的人臉特征不能被提取，同時(shí)人臉還存在著不同的表情，還有一定的時(shí)間間隔內(nèi)產(chǎn)生的人臉的變動(dòng)等，以上這些都給人臉識(shí)別帶來(lái)了難度；④人臉的差異性并不是很明顯，誤識(shí)別率可能比較高，尤其是對(duì)于雙胞胎，人臉識(shí)別技術(shù)難以進(jìn)行區(qū)分；2 人臉檢測(cè)與識(shí)別技術(shù)人臉檢測(cè)問(wèn)題的提出是站在人臉識(shí)別技術(shù)之上的。根據(jù)圖像中包含的色彩信息特征可以劃分為基于彩色圖像的人臉檢測(cè)和基于灰度 像的人臉檢測(cè),彩色圖像人臉檢測(cè)可以根據(jù)唇色和膚色等色彩特征來(lái)進(jìn)行基于膚色信息的人臉檢測(cè)方法,灰度圖像人臉檢測(cè)則可以根據(jù)僅包含的256個(gè)灰度級(jí)來(lái)使用輪廓提取或者邊緣檢測(cè)的人臉檢測(cè)方法。隨著技術(shù)的提高和研究的深入,越來(lái)越多的科研人員將他們的研究中心放在人臉識(shí)別技術(shù),相繼出現(xiàn)了很多特性各異的理論和方法,并不斷應(yīng)用于實(shí)際的技術(shù)中去。到現(xiàn)在,對(duì)于動(dòng)態(tài)人臉識(shí)別的分析與探討,均建立在背景相對(duì)單一且內(nèi)容包含人物數(shù)目較少的前提下,而對(duì)于靜態(tài)的相關(guān)理論研究則更多而且成果也很豐富。矩陣變換是提取過(guò)程種的關(guān)鍵數(shù)學(xué)方法。例如人臉的器官之間的一些顯著的規(guī)律性，如人臉的對(duì)稱(chēng)性，眼睛，眉毛等都是分布在人臉的兩側(cè)，相互之間與人臉中心線呈對(duì)稱(chēng)位置，同時(shí)嘴巴，鼻子總是人臉的中心線上。首先，對(duì)檢測(cè)區(qū)域檢測(cè)的腐蝕和膨脹處理，當(dāng)然腐蝕和膨脹的次數(shù)要具體確定，然后用邊緣檢測(cè)算法檢測(cè)出邊緣，最后對(duì)邊緣進(jìn)行橢圓擬合判斷是否為人臉。因此，此種方法在適應(yīng)性上是很難做到的，同時(shí)其識(shí)別準(zhǔn)確率也不是很高，現(xiàn)在基本上不用這種算法進(jìn)程識(shí)別了。這兩種情況看似一樣，其實(shí)差別很大，后一種的難度幾乎是前一種的兩倍。clc。 for i=1:m for j=1:n if G(i,j)amp。 B=regionprops(L,39。l2=n。amp。 Sm=max(Si)。figure。Color39。end else figure。else I = Img。FontWeight39。, 39。FaceColor39。r39。, 39。 % 對(duì)應(yīng)行初始化s = r*c。 end end y1 = y1+c。 % 得到包圍矩形框Bd = cat(1, )。 endendsubplot(2, 2, 4)。r39。, 39。進(jìn)一步分析可得兩眼，嘴部坐標(biāo)，以3點(diǎn)為基礎(chǔ)畫(huà)橢圓。)。 n=[ 。for i=1:a for j=1:b if(z(i,j)th) z(i,j)=1。,3)。 %figure,imshow(f)。[L,num]=bwlabel(f,4)。 for j=1:size(r,1)%pixel loop。)%eliminate NOT face rengion。 r_min=min(r)。) flg=0。 for i=round(.5*(r_min+r_max)):1:round(1/3*(r_maxr_min)+r_min) for j=round(.5*(c_max+c_min)):round(*(c_maxc_min)+c_min) if(w(i,j)==0)flg=1。重點(diǎn)介紹當(dāng)前人臉有哪些通用的特征提取算法，同時(shí)結(jié)合相應(yīng)特征有那些檢測(cè)和識(shí)別算法。最后還簡(jiǎn)單介紹的一種人臉識(shí)別算法：隱馬爾可夫（HMM）模型。end end if(flg==1)break,end。 break。 c_min=min(c)。z。%not zero pixel =0。%region loop。square39。 f=imclose(f,se)。 end endendfigure。 p(i,j)=exp(()*(wm)*inv(n)*(wm)39。[a b c]=size(y)。這次基于膚色的人臉檢測(cè)膚色分割方法本身就是一種較為基礎(chǔ)的基于特征的靜態(tài)人臉檢測(cè)方法，如果要求更高，還需要更高級(jí)的算法，因?yàn)橐紤]到待測(cè)圖片的多樣性和復(fù)雜性，由于人的姿態(tài)、人種膚色、光照、噪聲等等都有可能影響到圖片質(zhì)量或者圖片色度，這個(gè)人臉檢測(cè)程序還需要進(jìn)一步的完善才能滿足更高的要求。)。LineWidth39。 hold on。mx = 0。 % 列跳躍 end x1 = x1+r。 y2 = c。)。subplot(2, 2, 3)。None39。, 39。Bold39。 % 二值化figure。 end 實(shí)例二 處理前后圖片對(duì)比(包括圖像二值化、灰度處理及人臉識(shí)別)圖像處理的Matlab程序如下:clear all。LineWidth39。hold onh1=line([l_y1+g_y1,l_y1+g_y1+g],[k_y1,k_y1])。 g_y1=m1。 [n1 m1]=size(I1)。 break end end for i=k_y1:m if B1(i,:)==0 k2=i。)。G(i,j) U(i,j)=1。D:\39。人臉檢測(cè)在視頻識(shí)別中有著自己的優(yōu)點(diǎn)就是可以進(jìn)行跟蹤，從而得到更多的圖片用以輔助人臉識(shí)別。 基于代數(shù)特征的方法：次方法的人臉識(shí)別方法現(xiàn)在的代表算法為 PCA 主元分析發(fā)，它的想法是，假設(shè)有一個(gè) M*N 的人臉圖片，那么可以得到一個(gè) 1* (M*N) 的一維向量，如果是 10 張人臉樣本圖片，那么就得到 10*(M*N)的一個(gè)矩陣，然后采用提取矩形的特征向量和特征值的方法得出代表此樣本人臉的特征臉。同時(shí)國(guó)內(nèi)外相關(guān)人士也做大量的工作，并深入研究人臉識(shí)別算法，使之更有實(shí)用性。 基于統(tǒng)計(jì)的人臉檢測(cè) 此方法在某種程度上比其他的人臉檢測(cè)算法有更好的實(shí)用性，它的本質(zhì)不是從單個(gè)人臉出發(fā)，而是基于人臉某種通用特征訓(xùn)練相應(yīng)的人臉模型。結(jié)果使得樣新舊空間的映射過(guò)程中突出特征值，因此提取的本質(zhì)是找到理想的高效的變換過(guò)程。因?yàn)閷?shí)際中,大家多進(jìn)行正面的人臉識(shí)別,所以相關(guān)的研究更多更深入,所以本文也將該種識(shí)別算法作為自己的研究方向和重點(diǎn),以下將詳細(xì)介紹應(yīng)用于人臉識(shí)別的較常用的算法?，F(xiàn)在,兒乎全部的商新技術(shù)研究公司和權(quán)威的理工類(lèi)或綜合性大學(xué)都開(kāi)展了相關(guān)科研活動(dòng)。根據(jù)圖像自身狀態(tài)的信息特征可以分為基于靜態(tài)人臉檢測(cè)和基于視頻序列的人臉檢測(cè),學(xué)者們針對(duì)靜態(tài)圖像下的人臉檢測(cè)方法往往是把重點(diǎn)放在如何能夠檢測(cè)出多張人臉同時(shí)出現(xiàn)的情況,并且降低漏檢率,而對(duì)于動(dòng)態(tài)視頻序列下的人臉檢測(cè),學(xué)者則要求算法要有較高的實(shí)時(shí)性。人臉識(shí)別技術(shù)的研究經(jīng)過(guò)了幾十年的發(fā)展現(xiàn)已日趨成熟。更多的學(xué)者則從事利用輸入圖像進(jìn)行計(jì)算機(jī)人臉識(shí)別的研究工作[7]。 國(guó)內(nèi)的研究工作主要是集中在三大類(lèi)方法的研究：基于幾何特征的人臉正面自動(dòng)識(shí)別方法、基于代數(shù)特征的人臉正面自動(dòng)識(shí)別方法和基于連接機(jī)制的人臉正面自動(dòng)識(shí)別方法。Li[4,5]的研究組繼承并發(fā)展了Viola[5]等的AdaBoost方法，并將該方法用于其他方面的檢測(cè)，比如多視角的人臉檢測(cè),以上研究代表了目前人臉檢測(cè)研究的最高水平。(1)基于彩色圖像的人臉檢測(cè)方法,由于彩色圖像能夠提供豐富的信息,因此可以利用彩色圖像的自身特征進(jìn)行檢測(cè)。(2)人臉識(shí)別就是將上一步檢測(cè)出的人臉，與人臉庫(kù)中的人臉進(jìn)行比較，出同一個(gè)人的人臉的過(guò)程。 研究人臉識(shí)別在理論和技術(shù)上都有重要的意義：一是可以推進(jìn)對(duì)人類(lèi)視覺(jué)系統(tǒng)本身的認(rèn)識(shí)；二是可以滿足人工智能應(yīng)用的需要。所以，人臉識(shí)別技術(shù)己經(jīng)逐漸成為人們?cè)谌斯ぶ悄茴I(lǐng)域所研究的重點(diǎn)課題。由于具有以上優(yōu)點(diǎn)，近幾年來(lái)，人臉識(shí)別技術(shù)引起了越來(lái)越多科研人員的關(guān)注。一個(gè)完善的智能人臉識(shí)別系統(tǒng)需要能夠應(yīng)對(duì)大自然環(huán)境中各種光照條件下的復(fù)雜圖像，由此應(yīng)用要求引發(fā)的問(wèn)題，使得對(duì)人臉檢測(cè)技術(shù)的探索漸漸地成為一個(gè)單獨(dú)的研究方向，并受到越來(lái)越多的關(guān)注，相關(guān)的應(yīng)用也得到了擴(kuò)展。(2)基于灰度圖像的人臉檢測(cè)方法,目前主要分為三個(gè)類(lèi)別:人