基于最大边距局部敏感鉴别分析的人脸识别(2)

菜单

随着信息安全重要性的日益显著，20世纪80年代末90年代初，生物特征识别技术研究开始成为一个研究热点。与传统识别方式，生物特征识别是利用人自身特性进行身份识别，而人的特征是与生俱来的。人脸具有唯一性和不易被复制的良好特性远超其他成熟的人体特征识别技术。同其他生物特征识别方式相比，人脸识别具有如下优势：

（1）可以隐蔽操作，尤其适用于安全监控

（2）据有方便、快捷、强大的事后追踪能力

（3）图像采集设备成本低

（4）更符合人类的识别习惯，可交互性强

人脸识别是模式识别的研究热点,研究者们已经提出了很多用于人脸识别的方法。其中子空间分析法由于具有描述性强、计算代小、易实现及可分性好等特点,成为人脸识别领域的重要方法,其中最广泛应用的两个算法是PCA和LDA。PCA是一种非监督学习方法,目标是寻找最小平方下给出数据最优表征的子空间.LDA是一种监督学习方法,通过最大化类间散度和类内散度比率来寻找最佳线性判别空间,得到最佳判别力特征.因此,LDA所生成的子空间实现了数据可分,比PCA更适合分类任务.

1.2研究意义

随着人们对安全意识的逐渐加强，使得生物特征识别技术具有市场潜力。在所有生物特征识别技术中，利用人脸特征进行人脸识别是最自然的手段，不像指纹、虹膜、掌纹等其它生理特征不仅需要被采集者的配合，而且要在法律许可的条件下才能进行。

人脸识别在信息安全、视频监控、访问控制等领域有着广泛的应用前景。主要应用于公安系统的罪犯身份识别、驾驶执照及护照等与实际持证人的核对。银行及海关的监控系统及自动门卫系统。

人脸识别研究同时在学术上也有重要意义。人脸是典型的形变体，其特点是：（1）模型已知；（2）特征分布具有对称性。对于形变体的深入研究有助于解决一般三维物体的识别问题，从而推动计算机视觉和人脸识别等领域中基础研究的发展。源]自[751^`论\文"网·www.751com.cn/

传统的人身辨别方法主要通过人身标识物品和人身标识知识两种方式来实现的。常见的人身标示物品有钥匙、证件等各种标识,人身标示知识有密码、用户名等。像钥匙、证件标识等人身标识物品易丢失或被伪造,且人身标识知识易遗忘,更为严重的是传统身份识别系统无法区分标识物品的拥有者和取得标识物品的冒充者。即使将两种方式结合起来使用,这类问题仍会不断出现,例如取款机虽然用到银行卡和用户密码,但还有卡里钱被盗的情况。因此传统的辨别方法并不能满足社会发展的需要。而生物特征识别技术使辨别技术得到发展。其中包括面部特征、指纹、手形、基因、身体气等。人脸是主要的面部特征,与其他身体特征鉴别身份相比,人脸不易被遗忘、丢失和盗取,且人脸图像采集具有非侵犯性、非接触性、非强制性特点,易被人们所接受。

人脸识别技术是近20年才逐渐发展起来的,90年代更成为科研热点。人脸识别技术就是利用计算机分析人脸图像,从中提取出有效的识别信息,用来辨认身份的一门技术。人脸识别技术应用广泛,在国家安全、军事安全、公共安全领域、智能门禁、司机驾照验证、公安布控、智能视频监控等应用。在民事和经济领域,各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证,社会保险人的身份验证等具有重要的应用价值。在家庭娱乐等领域,人脸识别应用也广泛,如虚拟游戏玩家的真实面像、识别主人身份的智能玩具等。虽然人类的人脸识别能力很强,能够记住并辨别上千个不同的人脸,对计算机来说更困难。主要表现在:人脸随年龄增长而变化，人脸表情丰富，人脸所成图像受成像角度，光照及成像距离之类影响。人脸识别涉及到图象处理、神经网络、计算机视觉以及模式识别等学科,也和人脑的认知程度紧密相关。诸多难题令人脸识别成为一项极具挑战性的课题。