人脸识别调研报告共20篇.docx
《人脸识别调研报告共20篇.docx》由会员分享，可在线阅读，更多相关《人脸识别调研报告共20篇.docx（50页珍藏版）》请在冰豆网上搜索。
人脸识别调研报告共20篇
人脸识别调研报告（共20篇）
第1篇：
人脸识别小结
人脸识别总结
一、概述
生物特征识别技术包括人脸识别、指纹识别、语音识别、表情分析及理解、虹膜识别等人脸识别的实质就是借助计算机工具来分析人脸面部图像，采用不同的特征表示方法提取有效地人脸特征，是可用来辨识身份的一门自动处理技术，常见重要应用案例包括银行和军事重地的自动门禁系统、智能人脸监控系统、用于公共交通体系中安检系统的嫌疑人自动识别系统、网络服务中的在线验证系统等。
产生不同个体较大差异性的内在因素主要有种族、性别、年龄、心理等。
外在因素主要有光照变化、角度偏转、姿态、噪声千扰、遮挡、以及化妆遮挡物等。
18世纪,就有一篇依据人脸特征信息进行身份鉴别的文章发表在《Nature》上,开启了近代最早的人脸识别研宄，最早的自动人脸识别系统是由Chan和Bledsoe创于1965年人脸识别包括四个主要步骤：
图像预处理、人脸检测、面部特征提取和分类识别。
二、研究领域
1、身份验证领域：
通过人脸识别技术来判断和鉴别当前用户是否合法或者具备相应的功能权限，例如2021年北京奥运所采用的人脸识别系统。
2、智能视频监控领域，例如车站安装智能监控系统,该系统中加入了人脸识别技术以捕捉人群中的可疑罪犯。
3、人机交互领，例如人脸面部为视觉系统提供了最为主要的特征信息。
三、人脸识别方法及其算法
（一）方法分类
可以分为：
基于几何特征的人脸识别、基于弹性图匹配的人脸识别、基于子空间分析的人脸识别、基于神经网络的人脸识别、基于隐马尔可夫模型等。
经典的特征脸“Eigenface”就是该时期由麻省理工学院的M.Turk和A.Pentlaiid提出的，采用PCA变换对原始图像进行降维处理,然后再进行分类识别。
P.Belhumeur等提出的Fisherfaces人脸也被广泛应用在人脸识别中。
90年代中后期,出现了一种基于动态连接结构（DynamicLinkArchitecture）的弹性图匹配（ElasticGraphMatching）识别方法。
90年代末支持向量机被应用到人脸识别技术中。
（二）流行算法
主要分为：
等距离映射_（IsometricalMapping,简称ISOMAP）、局部线性嵌入（LocallyLinearEmbedding,简称LLE、拉普拉斯算子特征映射（LaplacianEigenmaps）、拉普拉斯脸（Laplacianface）方法。
基于拉普拉斯BelkinM等提出局部投影（LPP）方法。
近期算法包括：
基于稀疏表示的人脸识别方法（Sparserepresentationrecognition,SRC）针对此识别方法还出现了较多的改进模型,典型的有
基于Gabor的稀疏表示基于Metaface的稀疏表示等
（三）难点
1、人脸图像的成像条件包括较大的随机性：
光照变化、姿态变换、表情变化、发型改变、化妆、以及遮挡等复杂条件
2、人脸面部图像的复杂的三维结构属性：
包括线性结构和非线性结构
3、人脸图像数据的维数问题
4、不同个体间的面部特征的差异性
四、人脸特征提取研究
（一）人脸特征提取和识别算法分类
基于统计方法基于几何方法
（二）具体实现
主成分分析（principalcomponentanalysis,PCA）是一种典型的数据处理和数据降维方法
Sirovich和Kirby首先研究人脸降维过程，采用基于镜像脸的技术M.Turk_提出了基于PCA表示的特征脸的概念
Fisher线性判别方法也是人工智能和模式识别领域中的重要方法之一
Foley和Sammon提出了基于Sammon最佳鉴别平面的技术
Duchene和Leclercq提出了针对多类问题的Foley-Sammon最佳鉴别矢量集的求解公式
Turk和Pentland提出了基于特征脸的特征提取方法Kittler又提出了基于Fisher鉴别准则的提取面部特征方法Hong和Yang提出了采用SVD进行特征提取方法Cheng等改进并提出了一种新的相似性鉴别准则
Liu等提出了基于最佳鉴别广义平面和最佳鉴别广义矢量集的一系列特征提取方法郭等在此基础上提出了改进的最佳鉴别矢量方法吴等又改进了广义最佳鉴别矢量方法基于模型的特征提取方法
Ka等首次提出了主动轮廊线模型（ActiveContourModel,ACM）,ACM也被称为Snake模型
Lee等提出了一种改进Snake模型的方法,改进方法是由正面和侧面结构化特征来对面部进行特征点定位
基于统计参数化模型的主动形状模型（ActiveShapeModel,ASM）优势在于它不仅能有效地定位和提取目标物体的外部轮廓信息,而且能提取目标物体的内部轮廓和形状特征
Cootes等在ASM基础上提出了主动表观模型（ActiveAppearanceModel,AAM）
（三）需要解决的问题
1、根据奇异值分解原理可以得到人脸图像的奇异值向量所在的基空间（矩阵）是由人脸图像本身决定的。
2、当光照、姿态、表情变化以及遮挡等复杂条件下,人脸的表象会产生较大变化,从而造成人脸识别系统的性能下降
。
3、需要构造一种能有效描述目标纹理特性的局部纹理轮廓模型,进一步提高模型的特征点定位精度。
第2篇：
银行用人脸识别
银行人脸识别运用
银行是国家货币流通的主要场所，业务中涉及大量现金、有价证券及贵重物品，因而银行的安全一直以来都是国家安全防范的重点。
近年来，金融行业市场发展迅猛，随着营业网点、ATM机、银行资金流动等的增多，银行安防系统所面临的挑战越来越大。
为加强对银行、储蓄所、金库、贵重物品集中场所的安全防范，银行越来越重视技防的作用，作为防止犯罪发生的有效途径，双门互锁门禁系统也应运而生。
目前市场上的双门互锁门禁系统大都采用读卡或者指纹的身份验证方式，由于这两种方式都存在一定的安全隐患或不足，因而人脸识别技术的应用受到用户关注。
双门互锁系统是指两道门具有互锁联动的功能，即当一道门被打开时，另一道门则打不开，只有当两道门都关上时，才能打开其中的任一道门。
根据《银行营业场所风险等级和防护级别的规定》等相关银行安全管理规范，储蓄网点等现金柜台的进出口必需设置两道门，而且员工在进入第一道门后必需要按照规范锁好第一道门才能进入第二道门，如进入第一道门后没有按要求关好此道门，员工将不能进入第二道门，从而更好地防止犯罪分子尾随作案。
目前，市场上的双门互锁门禁系统大都采用读卡或者指纹的身份验证方式，但是这两种身份验证方式均存在一定的安全隐患。
例如：
磁卡和智能IC卡均容易被复制，窃取，丢失，它们作为验证模式已经不能满足日益增长的安全需要。
而指纹门禁虽然成本低，但是对某类人群的适应性很差，例如指纹不清晰，有磨损等，同时在指纹上有油渍，水渍，蜕皮等情况下，指纹识别的误差也是很大的。
另外，由于多年来指纹一直被当成辨识犯罪的工具，部分人会因为指纹被采集而在心理上产生抵触情绪。
而人脸识别利用人的面部特征进行身份辨识，友好，直观，不需要人的刻意配合，是目前所有生物识别技术中对使用者影响最小的，准确性也高。
更为可贵的是，有人脸识别门禁摄像头采集的人脸图像，也可为事后调查提供最直观的证据，因此，用人脸识别技术取代双门互锁系统中的读卡或者指纹的验证方式，是实现银行营业厅出入控制的一种最佳的选择。
人脸识别安全性更高
人脸识别技术上划分为1：
1比对和1：
N比对，对于银行可采用智能卡与人脸识别1：
1比对方式相结合，其优势是双重的验证机制。
首先需要智能IC卡或者ID卡验证，验证通过之后，进行人脸识别验证，人脸识别验证通过之后，才能开门。
与单纯的采用智能卡的门禁系统相比，安全性更高，适合银行这样的高安全性场所使用。
根据目前银行营业厅等重要场所的实际情况，可以设计安全通道门，由两道带人脸识别装备的防盗门、一台两门联动控制器等组成。
其工作原理是：
首先在管理系统中注册人员，注册时每人分配一张IC卡或者ID卡，将人员的注册信息和人员图像注册到联动控制器中。
以从公共区进入安全区为例，正常使用时，当人脸在门1的人脸识别上验证时，首先联动控制器查询门2是否闭合，如果门2处于开启状态，则拒绝在门1处进行验证，只有当门2闭合，才允许启动验证。
验证时，先刷卡，同时人脸识别摄像头会捕获一张图像，将卡号信息和图像传输至联动控制器中，控制器根据卡号信息找到注册时的图像，与捕获的图像进行比对识别，比对通过则控制器控制电锁开启，关上门1，在门2处重复上述的验证步骤。
在一些特殊情况下，比如卡丢失，员工需要进行挂失，重新补卡才能使用该系统；如果是有入侵者胁迫开门的情况，员工会使用胁迫开门功能，同时向后台管理系统报警，监控中心的人员在管理系统的实时监控中获取警情，可以采取相关报警动作;如果是多人脸识别，系统允许一定时间内，多人相继验证通过，系统才会开门。
智能化管理
通过管理电脑对进出人员的权限，进出时间以及进入方式进行管理。
并同时存储相应数据，以备事后查询。
多人脸识别开门功能
在重要的区域，系统可以设置同时多个人脸识别（两人以上）才能开门的方式，即打开一道门要有多人同时在规定时间内通过人脸识别验证后，门才能打开。
优势
综上所述，使用本方案有以下几个方面的优点。
第一，使安全防范级别得到有效提升。
在原有智能卡门禁系统上融入人脸识别技术，可有效防止盗取他人智能卡或者监守自盗现象的发生，是原有出入控制系统安全防范级别的有效提升。
第二，能与CCTV系统无缝结合。
随着人们安防要求的逐渐提高，CCTV系统早已成为银行安防系统中的重要环节。
本系统无须另添加任何其它设备即可与银行原有的CCTV系统无缝结合。
本方案所述的人脸识别门禁系统还设计有一些通讯接口，可以和视频监控系统进行通讯。
比如，在发生胁迫报警时，可以通知视频监控系统，使其调整监控画面，更方便观看现场的情况等。
第三，灵活的事件处理和报警联动。
本系统可以与其它报警系统联动，对各种异常事件，如非法读卡，开门超时，门锁损坏，强行进入等，可根据用户实际需求设定相应的报警处理和提示，以确保安全防范区域的安全可靠，并对犯罪分子具有极大的威慑作用。
结语
近些年来，人脸识别技术虽然取得了很大的发展，但是用户担心识别精度还是会受到光照、姿态、表情、伪装等因素的影响，正缘于此，他们在选用人脸识别产品上会有一些担心与顾虑，可喜的是，人脸识别技术的算法已越来越具鲁棒性（鲁棒性，在此指人脸识别算法的健壮性，减弱外界的光照，姿态，表情等因素对人脸识别的影响），再采用红外成像等手段，可以提升识别精度，使得人脸识别产品真正应用起来。
出入口控制作为安全防范系统中的重要环节，直接影响着整个系统内部的安全。
目前，较为成熟的门禁解决方案是卡片或者卡片加密码的模式，但一旦卡片丢失或者密码遗失，对整个系统的安全就构成很大威胁或者对用户的使用造成不便。
而人脸识别门禁系统用人脸作为“钥匙”来开门明显安全性更高，并且具有受场地环境影响小、识别准确率高、识别速度快、结果直观等优点，已经越来越受到广大客户的重视。
第3篇：
人脸识别技术解读
人脸识别，特指利用分析比较的计算机技术。
人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度；它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。
中文名人脸识别技术实质
输入的人脸图象或者视频流研究领域
热门的计算机技术研究领域技术
生物特征识别技术
1基本介绍
2技术原理▪人脸识别内容▪人脸的识别过程3分析算法
4功能模块
▪人脸捕获与跟踪功能▪人脸识别比对▪人脸的建模与检索▪真人鉴别功能▪图像质量检测5基本方法
6技术细节7优缺点
▪人脸识别优点▪人脸识别的弱点8技术应用
9应用前景
1基本介绍编辑
人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流.首先判断其是否存在人脸,如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。
并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。
生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。
2技术原理编辑
人脸识别内容
人脸识别技术包含三个部分：
（1）人脸检测面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。
一般有下列几种方法：
①参考模板法
首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；
②人脸规则法
由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；
③样品学习法
这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；
④肤色模型法
这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。
⑤特征子脸法
这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子空间的投影之间的距离判断是否存在面像。
值得提出的是，上述5种方法在实际检测系统中也可综合采用。
（2）人脸跟踪
面貌跟踪是指对被检测到的面貌进行动态目标跟踪。
具体采用基于模型的方法或基于运动与模型相结合的方法。
此外，利用肤色模型跟踪也不失为一种简单而有效的手段。
（3）人脸比对
面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。
这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。
所以，面像的描述决定了面像识别的具体方法与性能。
主要采用特征向量与面纹模板两种描述方法：
①特征向量法
该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。
②面纹模板法
该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。
此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。
人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。
”这种算法是利用人体面部各器官及特征部位的方法。
如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。
一般要求判断时间低于1秒。
人脸的识别过程
一般分三步：
（1）首先建立人脸的面像档案。
即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹（Faceprint）编码贮存起来。
（2）获取当前的人体面像。
即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。
（3）用当前的面纹编码与档案库存的比对。
即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。
上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。
这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。
人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。
3分析算法编辑
人脸识别技术中被广泛采用的区域特征分析算法，它融合了计算机图
人脸识别
像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型,即人脸特征模板。
利用已建成的人脸特征模板与被测者的人的面像进行特征分析，根据分析的结果来给出一个相似值。
通过这个值即可确定是否为同一人。
4功能模块编辑
人脸捕获与跟踪功能
人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。
人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。
人脸识别比对
人脸识别分核实式和搜索式二种比对模式。
核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。
搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。
人脸的建模与检索
可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。
在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
真人鉴别功能
系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。
以此杜绝使用者用照片作假。
此项技术需要使用者作脸部表情的配合动作。
图像质量检测
图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。
5基本方法编辑
人脸识别的方法很多，主要的人脸识别方法有：
（1）几何特征的人脸识别方法：
几何特征可以是眼、
慧眼人脸识别考勤机鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。
这些算法识别速度快，需要的内存小，但识别率较低。
（2）基于特征脸（PCA）的人脸识别方法：
特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。
高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。
如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。
这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。
目前有一些改进型的特征脸方法。
（3）神经网络的人脸识别方法：
神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。
这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。
（4）弹性图匹配的人脸识别方法：
弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。
该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。
（5）线段Hausdorff距离（LHD）的人脸识别方法：
心理学的研究表明，人类在识别轮廓图（比如漫画）的速度和准确度上丝毫不比识别灰度图差。
LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。
实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。
慧眼人脸识别考勤机
（6）支持向量机（SVM）的人脸识别方法：
支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。
支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。
通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本（每类300个），这在实际应用中往往是不现实的。
而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。
6技术细节编辑
一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别（身份确认或者身份查找）。
系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
人脸识别的算法可以分类为：
基于人脸特征点的识别算法（Feature-basedrecognitionalgorithms）。
基于整幅人脸图像的识别算法（Appearance-basedrecognitionalgorithms）。
基于模板的识别算法（Template-basedrecognitionalgorithms）。
利用神经网络进行识别的算法（Recognitionalgorithmsusingneuralnetwork）。
7优缺点编辑
人脸识别优点
相比较其他生物识别技术而言：
非接触的，用户不需要和设备直接接触；
非强制性，被识别的人脸图像信息可以主动获取；
并发性，即实际应用场景下可以进行多个人脸的分拣、判断及识别。
人脸识别的弱点
对周围的光线环境敏感，可能影响识别的准确性；人体面部的头发、饰物等遮挡物，人脸变老等因素，需要进行人工智能补偿；（如可通过识别人脸的部分关键特性做修正）。
8技术应用编辑
1．企业、住宅安全和管理。
如人脸识别门禁考勤系统，人脸识别防盗门等。
2．电子护照及身份证。
这或许是未来规模最大的应用。
在国际民航组织（ICAO）已确定，从2021年4月1日起，其118个成员国家和地区，人脸识别技术是首推识别模式，该规定已经成为国际标准。
美国已经要求和它有出入免签证协议的国家在2021年10月26日之前必须使用结合了人脸指纹等生物特征的电子护照系统，到2021年底已经有50多个国家实现了这样的系统。
美国运输安全署（TransportationSecurityAdministration）计划在全美推广一项基于生物特征的国内通旅行证件。
欧洲很多国家也在计划或者正在实施类似的计划，用包含生物特征的证件对旅客进行识别和管理[7]。
中国的电子护照计划公安部一所正在加紧规划和实施。
3．公安、司法和刑侦。
如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4．自助服务。
如银行的自动提款机，如果同时应用人脸识别就会避免被他人盗取现金现象的发生。
5．信息安全。
如计算机登录、电子政务和电子商务。
在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。
而当前，交易或者审批的授权都是靠密码来实现。
如果密码被盗，就无法保证安全。
如果使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一。
从而大大增加电子商务和电子政务系统的可靠性。
9应用前景编辑
生物识别技术被广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。
例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。
这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。
而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。
此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。
美国维萨格公司的脸像识别技术在美国
升级会员 