【正文】 思是自適應(yīng)性提升算法，是一種應(yīng)用了迭代思想的機(jī)器學(xué)習(xí)方法。因?yàn)橥饨缰荒芸吹礁鱾€(gè)時(shí)刻的輸出值，看不到其中復(fù)雜過程。其中，Y是亮度信號，Cr Cb是色度信號。雖然每個(gè)人臉都不同，但是可以用輪廓規(guī)則、五官分布規(guī)則。（2）變形范本法：考慮到人臉是可變形體，該方法通過非線性最優(yōu)化方法求得一個(gè)參數(shù)模板，該模版如果能使能量函數(shù)最小，那么它就能描述所求參數(shù)特征。人臉識別是把每一個(gè)人的人臉作為一個(gè)模式來對待，不同人的臉屬于不同的模式類，人臉識別的過程是將屬于不同人的臉歸于各自的模式。原理就是通過一些算法，設(shè)定黑白二色的閾值，將圖像中的像素顏色均轉(zhuǎn)換為黑白二值，“1”表示黑色，“0”表示白色，這種圖像稱之為二值圖像，便于特征提取。“S”形變換方法將灰度值處于某一范圍（人臉特征范圍）內(nèi)的像素灰度分布差距拉開，從而保證了對比度的提高，但此方法降低了其他灰度值的對比度。這些噪聲信號的存在，嚴(yán)重的情況會直接導(dǎo)致整幅圖像的不清晰，圖象中的景物和背景的混亂。6. 生理分類：對人臉生理特征分析，得出性別、年齡、種族等信息。4. 三維人臉識別為了獲得更多的特征信息，直接利用二維人臉圖像合成三維人臉模型進(jìn)行識別，即將成為該領(lǐng)域的一個(gè)主要研究方向。人臉識別應(yīng)用領(lǐng)域：身份鑒定、身份確認(rèn)、視頻監(jiān)控、面部數(shù)據(jù)壓縮。人臉識別技術(shù)是一種最友好的生物識別技術(shù)（非接觸、非侵犯），它結(jié)合了圖像處理、計(jì)算機(jī)圖形學(xué)、模式識別、可視化技術(shù)、人體生理學(xué)、認(rèn)知科學(xué)和心理學(xué)等多個(gè)研究領(lǐng)域。通過采集視頻序列來獲得比靜態(tài)圖像更豐富的信息，達(dá)到較好的識別效果，同時(shí)適應(yīng)更廣闊的應(yīng)用需求。5. 表情/姿態(tài)分析：讓計(jì)算機(jī)感知表情變化，分析理解人的情緒?；虿杉b置的抖動，也會引入噪聲，使圖像變的模糊不清；3. 在圖像數(shù)據(jù)的電子傳輸過程中，也不同程度的引入噪聲信號。增強(qiáng)對比度有很多種方法，常見的有直方圖均衡化和“S”形變換等方法。對于分析理解圖像特征和識別圖像大有裨益。人臉檢測是把所有的人臉作為一個(gè)模式，而非人臉作為另一個(gè)模式，人臉檢測的過程就是將人臉模式與非人臉模式區(qū)別開來。由于很難用一個(gè)通用的人臉模版來模擬出所有臉型，而且人的面部特征變化很大，致使這種方法很有局限性，目前該方法只作為粗檢的手段。然后通過五官位置和相互之間幾何關(guān)系來檢測人臉。所以Y Cb Cr這樣一個(gè)色差模型更符合人類視覺特點(diǎn)。這種模型對于狀態(tài)序列來說是隱的。但是想要獲得期望的性能，調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的工作量很大。既保證了效率又兼顧了檢測正確率。由多個(gè)全等的黑色或白色相鄰矩形組合成的模版，其特征值用所有白色和黑色矩形的像素總差值來定義。積分圖在多種尺度下計(jì)算不同特征時(shí)，所耗的時(shí)間是一樣的，有效地降低了計(jì)算量。因此訓(xùn)練過程中要解決的中心問題就是如何選取最優(yōu)Haar特征制成分類器。雖然第一種方法實(shí)現(xiàn)起來比較復(fù)雜，但是計(jì)算量小檢測速度較快。在許多特定場合下人臉的檢測與定位相對比較容易，因此，特征提取與人臉識別環(huán)節(jié)得到了更廣泛和深入的研究。人臉膚色不依賴于細(xì)節(jié)特征且和大多背景色相區(qū)別。由于人臉五官位置相對固定，灰度分布呈一定規(guī)律性，因此，可利用灰度特征來進(jìn)行人臉識別?；谌四樥w特征的提取是從整個(gè)人臉圖像出發(fā)，通過加強(qiáng)反映整體特征來實(shí)現(xiàn)人臉面部表情識別。彈性模板匹配是根據(jù)待檢測人臉特征的形狀信息（通常利用小波特征）?；趲缀翁卣鞯淖R別方法具有如下優(yōu)點(diǎn)：①符合人類識別人臉的機(jī)理，易于理解；②對每幅圖像只需存儲一個(gè)特征矢量，存儲量小；③對光照變化不太敏感。 神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)是利用大量簡單處理單元（神經(jīng)元)互聯(lián)構(gòu)成的復(fù)雜系統(tǒng)來解決識別問題。人工神經(jīng)網(wǎng)絡(luò)由于其固有的并行運(yùn)算機(jī)制以及對模式的分布式全局存儲，故可用于模式識別，而且不受模式形變影響?？捎?DHMM表示人臉。利用該方法進(jìn)行人臉識別時(shí)，可同時(shí)考慮節(jié)點(diǎn)特征向量匹配和相對幾何位置匹配。支持向量機(jī)主要解決的是一個(gè)2分類問題，它的基本思想是試圖把一個(gè)低維的線性不可分的問題轉(zhuǎn)化為一個(gè)高維的線性可分的問題。通過在視頻序列中提取連續(xù)的多幀圖像，經(jīng)過圖像重建，可以得到解析度高于輸入視頻序列圖像的單幅高解析度復(fù)原圖像?；趫D像特征的方法實(shí)現(xiàn)的過程類似人臉重建的方法：首先匹配人臉整體的尺寸輪廓和三維空間方向；然后，在保持姿態(tài)固定的情況下，去作臉部不同特征點(diǎn)的局部匹配。2. 海量存儲和計(jì)算量龐大：由于3D識別的數(shù)據(jù)容量和計(jì)算量十分巨大，給存儲和運(yùn)算帶來困難，也對計(jì)算機(jī)的硬件提出了更高要求。為了消除它們對識別效果的影響，通常的做法是擴(kuò)大樣本空間，收集各種光照和姿態(tài)下的樣本，識別判斷時(shí)考慮測試圖像與各種條件下樣本的差異，然后進(jìn)行綜合分類。人臉識別是模式識別的一個(gè)典型案例，它為模式識別問題研究提供了一個(gè)良好的實(shí)驗(yàn)平臺，所以，眾多模式識別的知名專家、學(xué)者都在從事人臉識別的研究！關(guān)于傳感器與預(yù)處理傳感器：客觀世界模式的測量問題人臉：數(shù)字化為2D圖像？3D形狀？紅外溫譜？分辨率、精度、靈敏度、失真度等等真實(shí)性？穩(wěn)定性？預(yù)處理：保證數(shù)據(jù)的純潔度模式識別理論基本不關(guān)心這兩項(xiàng)內(nèi)容，而在應(yīng)用上，是必須作為重要內(nèi)容來考慮的，否則可能根本就是不可解的問題！關(guān)于特征表示問題關(guān)于特征提取與分類器：理想的特征提取過程可使得后續(xù)的分類器設(shè)計(jì)成為小菜一碟，萬能的分類器似乎也應(yīng)該使得設(shè)計(jì)者不必刻意設(shè)計(jì)特征提取過程！沒有萬能的分類器！甚至沒有所謂最好的分類器，不同的分類器有不同的適用范圍！但對具體問題，可能會有最適合的特征表示方法，而不同的特征表示也需要采用不同的分類器。08), 2008, 59~64[5] Zhifei Wang, Zhenjiang Miao. Featurebased superresolution for face recognition[J]. 2008 IEEE International Conference on Multimedia and Expo (ICME), 2008, 1569~1572[6] Frederick , Xiaoming Liu, Peter . Multiframe superresolution for face recognition[J]. 2007 First IEEE International Conference on Biometrics: Theory, Applications, and Systems BTAS 39。 Abidi, .. Multiscale fusion of visible and thermal IR images for illuminationinvariant face recognition[J]. International Journal of Computer Vision, 2007, v71, n2, 215~233[9] , ChinSeng Chua. Image level fusion method for multimodal 2D + 3D face recognition[J]. Image Analysis and Recognition. 5th International Conference, ICIAR 2008, 2008, 984~992[10] AlOsaimi,