人脸识别技术综述

文章首先对人脸识别技术进行了介绍，其次回顾了人脸识别研究的发展历程及识别方法的基本分类，然后对当前主流的人脸识别方法展开了详细的论述，最后提出了人脸识别技术面临的问题及研究方向。     

基于三维人脸成像系统的复数域人脸识别方法

三维人脸识别是模式识别和人工智能领域的研究热点。提出了一种利用人脸图像的二维灰度信息和三维深度信息进行人脸识别的算法。首先利用相关型图像传感器构成三维实时人脸成像系统,并将获得的三维人脸物理数据用复数形式表达。再将特征脸（Eigenface）方法和Fisherface方法拓展到复数域,提出了复数域特征脸方法和复数域Fisherface方法。改进的复数域人脸识别方法在三维实时成像系统的人脸数据库中进行的人脸识别实验表明,复数域的三维人脸识别方法明显优于传统的人脸识别方法。     

基于费歇尔脸方法的人脸识别算法

提出一种基于费歇尔方法的人脸识算法。分别论述了特征脸和费歇尔脸方法用于人脸识别的基本原理,给出了详细的算法过程。最后在ORL人脸数据库对算法进行了验证,采用三阶近邻分类器对测试图像进行了分类识别,比较了两种算法的识别效率。实验表明,费歇尔方法方法要优于特征脸方法。     

基于不同光照方向的子空间人脸识别方法

提出了一种方法，用于解决人脸识别问题中光照方向变化所带来的困难。首先建立对应不同光照方向的子空间，再确定测试样本所对应的子空间，然后在这个子空间中利用最近邻法进行匹配，达到识别的目的。利用SHIMON人脸数据库，分仅有光照变化和同时有视角变化和光照变化两种情况进行了实验，实验结果证明该方法是有效的。     

Spatially eigen-weighted Hausdorff distances for human face recognition

Hausdorff distance is an efficient measure of the similarity of two point sets. In this paper, we propose a new spatially weighted Hausdorff distance measure for human face recognition. The weighting function used in the Hausdorff distance measure is based on an eigenface, which has a large value at locations of importance facial features and can reflect the face structure more effectively. Two modified Hausdorff distances, namely, “spatially eigen-weighted Hausdorff distance” (SEWHD) and “spatially eigen-weighted ‘doubly’ Hausdorff distance” (SEW2HD) are proposed, which incorporate the information about the location of important facial features such as eyes, mouth, and face contour so that distances at those regions will be emphasized. Experimental results based on a combination of the ORL, MIT, and Yale face databases show that SEW2HD can achieve recognition rates of 83%, 90% and 92% for the first one, the first three and the first five likely matched faces, respectively, while the corresponding recognition rates of SEWHD are 80%, 83% and 88%, respectively.     

一种改进的特征脸方法

在实际应用中,我们发现,已有的一些人脸识别方法对于每人一个样本的识别来说,效果不太理想。鉴于此,本文将在传统的特征脸方法理论基础上提出一种改进的特征脸方法——特征半脸方法。所谓特征半脸方法,就是把人脸图像分成上下两个部分,分别应用特征脸方法,最后在识别计算距离时上部采用较大的权重,下部采用较小的权重,求得综合距离最小的人脸图像序号,从而完成人脸识别的方法。我们把特征脸和特征半脸方法进行了对比实验,结果表明:新的特征半脸方法优于传统的特征脸方法。     

基于频谱的人脸识别方法

小波变换后的低频子带图像既去除了某些表情变化，又减小了数据量，而图像的频谱特征则具有良好分类特性，因此两者结合后得到的频谱脸在人脸识别方面具有相当高的应用价值。先利用小波变换和Fourier变换求得原始人脸图像的频谱脸(Spectrofaces)，再对频谱脸继续求取各自的本征脸(Eigenface)和LDA(Linear Discriminant Analysis)特征作为分类特征，并利用了不同的分类方法进行识别。实验是利用ORL人脸库进行的，实验结果证明了比起直接利用空间域上原始图像的识别方法来说，基于频谱的方法可以有效提高识别率。     

多姿态人脸识别

人脸识别在很多场合都有重要的作用,传统的身份验证是采用某种识别号码等方法, 以阻止伤造的发生。由于人的视觉特征如面部,姿态等是相对稳定而且各不相同的,因此采用这些特征进行身份的识别是可行的本文提出了一种处理多姿态人脸识别的多候选类加权识别方法,为了减少姿态变化的影响,提出了相应的预处理法。     

可变光照条件下的人脸图像识别

对于人脸图像识别中光照变化的影响,传统的解决方法是对待识别图像进行光照补偿,先使它成为标准光照条件下的图像,然后和模板图像匹配来进行识别。为了提高在光照条件大范围变化时,人脸图像的识别率,提出了一种新的可变光照条件下的人脸图像识别方法。该方法首先利用在9个基本光照方向下分别获得的9幅图像来构成人脸光照特征空间,再通过这个光照特征空间,将图像库中的人脸图像变换成与待识别图像具有相同光照条件的图像,并将其作为模板图像;然后利用特征脸方法进行识别。实验结果表明,这种方法不仅能够有效地解决人脸识别中由于光照变化影响所造成的识别率下降的问题,而且对于光照条件大范围变化的情况,也可以得到比较高的正确识别率。     

Face recognition using a fuzzy fisherface classifier

In this study, we are concerned with face recognition using fuzzy fisherface approach and its fuzzy set based augmentation. The well-known fisherface method is relatively insensitive to substantial variations in light direction, face pose, and facial expression. This is accomplished by using both principal component analysis and Fisher's linear discriminant analysis. What makes most of the methods of face recognition (including the fisherface approach) similar is an assumption about the same level of typicality (relevance) of each face to the corresponding class (category). We propose to incorporate a gradual level of assignment to class being regarded as a membership grade with anticipation that such discrimination helps improve classification results. More specifically, when operating on feature vectors resulting from the PCA transformation we complete a Fuzzy K-nearest neighbor class assignment that produces the corresponding degrees of class membership. The comprehensive experiments completed on ORL, Yale, and CNU (Chungbuk National University) face databases show improved classification rates and reduced sensitivity to variations between face images caused by changes in illumination and viewing directions. The performance is compared vis-à-vis other commonly used methods, such as eigenface and fisherface.