人臉識別——信號與信息處理前沿

1、論文題目：人臉識別算法綜述學(xué)院：電子與信息工程學(xué)院專業(yè)：電子信息工程姓名：王鑫海學(xué)號：20071305054學(xué)科：信號與信息處理前沿學(xué)科老師：周曉彥二0一0年十月二十日信號與信息處理前沿課程論文 信號與信息處理前沿課程論文 人臉識別算法總述王鑫海20071305054南京信息工程大學(xué)電子信息工程摘要：人臉識別是人工智能領(lǐng)域的一個研究熱點(diǎn)，是一種基于信息處理的模式識別。本文首先對人臉識別中的常用算法進(jìn)行了分類綜述，并分析了人臉識別工程中存在的困難，然后展望了人臉識別技術(shù)今后的發(fā)展和研究方向。關(guān)鍵詞：人臉識別；特征提?。惶卣髂?；算法1引言廣義的人臉識別實(shí)際包括構(gòu)建人臉識別系統(tǒng)的一系列相關(guān)技術(shù)，包括

2、人臉圖像采集、人臉定位、人臉識別預(yù)處理、身份確認(rèn)以及身份查找等；而狹義的人臉識別特指通過人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。人臉識別技術(shù)6，即是利用計(jì)算機(jī)技術(shù)對輸入的靜態(tài)圖像或者視頻流序列中的圖像提取有效的識別特征，并以此辨明身份的一門技術(shù)。它涉及到模式識別、圖形圖像處理、計(jì)算機(jī)視覺、生理學(xué)、心理學(xué)以及認(rèn)知學(xué)等諸多學(xué)科的知識，并與基于其它生物特征的身份鑒別方法以及計(jì)算機(jī)人機(jī)感知交互的研究領(lǐng)域都有密切聯(lián)系。首先需要進(jìn)行人臉檢測與定位，判斷其是否存在人臉并明確人臉圖像位置。其次依據(jù)歸一化后人臉圖像信息，對每個人臉圖像進(jìn)行特征提取，找出其所蘊(yùn)涵的個性化特征。最后將其與已知的人臉進(jìn)行對比，從而識

3、別每個人臉的身份。早在上世紀(jì)六、七十年代，人臉識別技術(shù)就引起了研究者的濃厚興趣；進(jìn)入九十年代之后，由于高速度高性能的計(jì)算機(jī)的出現(xiàn)，人臉識別技術(shù)取得了重大進(jìn)展。而自美國“9.11”事件以后，人臉識別在信息安全領(lǐng)域的作用逐漸顯現(xiàn)出來，人臉識別技術(shù)得到了前所未有的重視。國內(nèi)外對于人臉識別的研究發(fā)展，技術(shù)趨勢分別經(jīng)歷了三個階段：機(jī)械式的識別階段、機(jī)器自動識別初級階段、機(jī)器自動識別高級階段。第一階段為機(jī)械式的識別階段，是以Betillon，Allen和Parke為代表，主要研究人臉識別所需要的面部特征。該階段的識別依賴于人的操作，需要利用操作員的某些先驗(yàn)知識來進(jìn)行。在Bertillon的系統(tǒng)中，用一個簡

4、單的語句與數(shù)據(jù)庫中某一張臉相聯(lián)系，同與指紋分析相結(jié)合，提供了一個較強(qiáng)的識別系統(tǒng)；為了提高識別率，Allen為待識別設(shè)計(jì)了一種有效和逼真的摹寫；Parke則用計(jì)算機(jī)實(shí)現(xiàn)了這一想法，并產(chǎn)生了較高質(zhì)量的人臉灰度圖模型。這一階段工作的特點(diǎn)是識別過程全部依賴于操作人員，顯然這不是一種可以完成自動識別的系統(tǒng)。第二階段為人機(jī)交互式初級階段，主要是采用機(jī)器自動識別的手段進(jìn)行識別。代表性工作有：Goldstino，Hannon和Leks用幾何特征參數(shù)來表示人臉正面圖像，他們采用21維特征向量表示人臉面部特征，并設(shè)計(jì)了基于這一特征表示法的識別系統(tǒng)；Kaya和Kobayashi則采用了統(tǒng)計(jì)識別方法，用歐氏距離來表征

5、人臉特征，如嘴唇與鼻之間的距離，嘴唇的高度等；更進(jìn)一步地，.T.Kanad(M.Ngao)設(shè)計(jì)了一個高速且有一定知識導(dǎo)引的半自動回溯識別系統(tǒng)，創(chuàng)造性地運(yùn)用積分投影法從單幅圖像上計(jì)算出一組臉部特征參數(shù)，再利用模式分類技術(shù)與標(biāo)準(zhǔn)人臉相匹配，Kanad的系統(tǒng)實(shí)現(xiàn)了快速、實(shí)時的處理，是一個很大的進(jìn)步。這個階段需要利用操作員的某些先驗(yàn)知識，仍然擺脫不了人的干預(yù)。第三階段為機(jī)器自動識別高級階段，是真正向?qū)嵱没l(fā)展的機(jī)器識別階段，這一階段識別率和自動化程度得到了提高。隨著計(jì)算機(jī)的大型化、高速化和人臉識別的方法的發(fā)展，人們已提出了許多成熟、高效的方法，很多產(chǎn)品已用于實(shí)際應(yīng)用。目前世界上的商用識別系統(tǒng)主要有Id

6、netix(原Visionics)公司的“FaceIt”系統(tǒng)，Viisage公司的“FacelD”系統(tǒng)，Cognitec公司的“FaceVACS系統(tǒng)以及HumanScan公司的“BioID”系統(tǒng)例如：證件和各人臉識別技術(shù)在國家重要機(jī)關(guān)及社會安防領(lǐng)域具有廣泛而特殊的用途。類金融卡持有人的身份驗(yàn)證、公安系統(tǒng)的視覺監(jiān)控等。同其它人體生物特征（如：指紋、掌紋、虹膜、語音等）識別技術(shù)相比，人臉識別技術(shù)的隱蔽性最好，是當(dāng)今國際反恐安防最重視的科技手段和攻關(guān)目標(biāo)之一。此外，人臉識別技術(shù)還可用于多媒體數(shù)據(jù)庫的視頻檢索，以及多媒體制作等方面。近幾年，隨著計(jì)算機(jī)硬件和軟件技術(shù)的發(fā)展，基于人臉識別技術(shù)的表情信息提取

7、也成為可能，它可以用于改進(jìn)人機(jī)交互方式，從而產(chǎn)生更加人性化、智能化的計(jì)算機(jī)系統(tǒng)。人臉識別技術(shù)的發(fā)展正是受到商業(yè)應(yīng)用需求的推動，以及相關(guān)技術(shù)的發(fā)展而得到空前的重視，成為圖像識別和理解領(lǐng)域中的研究熱點(diǎn)。雖然人類具有很強(qiáng)的檢測和識別人臉的能力，但是要建造一個高性能的自動人臉識別系統(tǒng)卻是一個極其復(fù)雜的課題.人臉識別的性能受到人臉內(nèi)在生理變化和外界環(huán)境變化的影響較大，這使得該課題極富挑戰(zhàn)性.視覺是一種復(fù)雜的信息處理任務(wù)，它的研究涉及計(jì)算機(jī)技術(shù)和心理/神經(jīng)生物科學(xué)，早期的理論框架由D.Maar于20世紀(jì)80年代初期提出，他把視覺信息處理劃分為三個不同層次來描述：計(jì)算理論；算法；實(shí)現(xiàn)機(jī)制。近幾年的研究表明，

8、人類視覺數(shù)據(jù)處理是多層次的過程，其中最低層的視覺過程（視網(wǎng)膜功能）起信息轉(zhuǎn)儲作用，即將大量圖像數(shù)據(jù)轉(zhuǎn)換成較為抽象的信息，這一任務(wù)由視網(wǎng)膜中的兩類細(xì)胞完成：低層次的細(xì)胞對空間的響應(yīng)與小波變換作用類似，高層次的細(xì)胞則依據(jù)低層次細(xì)胞的響應(yīng)，而作出具體的線、面乃至物體模式的響應(yīng)。這表明在視覺處理過程中，神經(jīng)元并不是隨便地不可靠地把視覺圖像的光照強(qiáng)度轉(zhuǎn)手投射到感覺中樞，它們可以檢測模式單元，區(qū)分物體的深度，排除無關(guān)的變化因素，并組成一個使人感興趣的層次結(jié)構(gòu)。人臉識別不僅有著以上普通視覺過程的特點(diǎn)，而且具有以下獨(dú)特之處：針對人臉識別，大腦中存在一個專門的處理過程。經(jīng)過長期的研究，人們發(fā)現(xiàn)大腦對人臉形狀有著

9、特殊的興趣；不同的局部特征作用對識別的貢獻(xiàn)也不同。研究也表明，頭發(fā)、人臉輪廓、眼睛以及嘴巴對識別和記憶有著重要影響，鼻子的作用則不是很重要。通常來講人臉的上部比下部對識別作用更大些；不同空間頻率上信息的作用不同。低頻信息代表了整體的描述，高頻信息包含了局部的細(xì)節(jié)。對于性別的判斷，僅利用低頻信息就足夠了，但對身份識別沒有高頻信息就無法完成；光照對視覺的影響。有實(shí)驗(yàn)表明，從人臉底部打光會導(dǎo)致識別困難；動態(tài)信息比靜態(tài)信息更利于識別。研究發(fā)現(xiàn)，對熟悉的人臉，人類的識別能力在動態(tài)場景中要高于靜態(tài)場景；面部表情的分析與人臉識別并行處理。通過對腦部受損的病人研究表明，表情的分析與識別雖有聯(lián)系，但是總體來說是

10、分開處理的。2人臉識別常用算法一般總的來說可以分為兩種，一種是基于先驗(yàn)信息，一種是基于訓(xùn)練樣本。早在20世紀(jì)60年代，人臉識別就引起了廣大研究者的注意，上個世紀(jì)90年代以來，隨著社會對人臉識別系統(tǒng)的迫切需求，人臉識別研究再次成為熱門課題.當(dāng)前世界各國有許多機(jī)構(gòu)都在從事這方面的研究，并受到軍方、警方以及許多大公司的高度重視和資助一般來說，人臉識別系統(tǒng)包括圖像攝取、人臉定位、圖像預(yù)處理、以及人臉識別（身份確認(rèn)或者身份查找）。系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數(shù)據(jù)庫中的若干已知身份的人臉圖象或者相應(yīng)的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。目前常見的人

11、臉識別基本算法可分為以下幾類：基于幾何特征的人臉識別、基于子空間分析的人臉識別、基于彈性圖匹配的人臉識別、基于神經(jīng)網(wǎng)絡(luò)的人臉識別和基于隱馬爾可夫模型的人臉識別等.靜態(tài)人臉識別系統(tǒng)主要有三個步驟：人臉的檢測和定位、人臉的特征提取和人臉識別，在這些步驟之前還應(yīng)有預(yù)處理這一步，即對采集到的圖像先進(jìn)行預(yù)處理，以達(dá)到位置校準(zhǔn)和灰度歸一的目的，然后尋找人臉，如果有則確定人臉的位置并提取人臉，然后提取人臉特征，最后根據(jù)提取的特征進(jìn)行識別。下面對人臉識別中的常用算法進(jìn)行介紹。2.1基于幾何特征的人臉識別在眾多的人臉識別方法中，基于幾何特征的方法是最早被用于人臉識別的.這類識別方法將人臉用一個幾何特征矢量來表示

12、，用模式識別中的層次聚類的思想設(shè)計(jì)分類器達(dá)到識別目的。其基本原理是：人臉由眼睛、鼻子、嘴巴、下巴等部件構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每張人臉千差萬別。識別所用的幾何特征是以人臉器官的形狀和幾何關(guān)系為基礎(chǔ)的特征矢量，其分量通常包括人臉指定兩點(diǎn)間的歐式距離、曲率、角度等等。在這種基于幾何特征的識別中，不同特征的相似性度量主要依賴于特征矢量的匹配情況進(jìn)行判決?；诩咸卣鞯淖R別方法的優(yōu)點(diǎn)有符合人類的習(xí)慣，易于理解，對光照變化不是很敏感，具有一定的抗干擾能力。從圖像中抽取穩(wěn)定的特征比較困難，當(dāng)有遮擋時會出現(xiàn)誤提?。划?dāng)面部表情變化很大，或者姿態(tài)變化很大時，魯棒性魯棒性，是

13、指控制系統(tǒng)在一定（結(jié)構(gòu)，大?。┑膮?shù)攝動下，維持某些性能的特性。較差；幾何特征模型的準(zhǔn)則過于簡單，一般的幾何特征只描述了器官的基本形狀與結(jié)構(gòu)關(guān)系，忽略了細(xì)節(jié)特征，會使部分信息丟失。2.2基于特征子空間分析的人臉識別（主成分分析法PCA特征臉方法7是人臉識別技術(shù)中的一種典型方法，又稱為主成分分析法（PCA。SIROVICH和KIRBY首先采用PCA算法來表示人臉。它根據(jù)一組人臉訓(xùn)練樣本構(gòu)造主特征向量空間，即特征子空間（特征臉），這些特征向量是由圖像的生成矩陣的主特征值所對應(yīng)的特征向量組成，這些主特征向量所占的能量是總能量的90%（般取這個數(shù)）以上，其余的小能量向量被剔除。生成矩陣可以是圖像的協(xié)方

14、差矩陣、總類內(nèi)離散度矩陣等等。這個子空間是降維的，維數(shù)比原數(shù)據(jù)空間要小得多，任何一幅待識別人臉圖像都可以向此特征空間投影并獲得一組坐標(biāo)系數(shù)，這組系數(shù)表明了該圖像在子空間中的位置，從而可以作為人臉識別的依據(jù)。任何一幅人臉圖像都可以表示為這組特征向量的線性組合，其加權(quán)系數(shù)（圖像向空間投影得到的系數(shù)）稱為該圖像的代數(shù)特征。識別的時候，將待識別的圖像投影到這個特征子空間，將得到的投影系數(shù)與各個已知人臉圖像的系數(shù)進(jìn)行比較，通過一定的準(zhǔn)則，例如k-近鄰法，取未知樣本的k個近鄰，看這k個近鄰中多數(shù)屬于哪一類，就把待識別的圖像歸入哪一類。特征臉方法比較簡單易懂，得到了廣泛的使用，但單獨(dú)使用的計(jì)算量較大，所以P

15、CA經(jīng)常與其它方法配合使用，例如小波變換小波變換：以某些特殊函數(shù)為基將數(shù)據(jù)過程或數(shù)據(jù)系列變換為級數(shù)系列以發(fā)現(xiàn)它的類似頻譜的特征，從而實(shí)現(xiàn)數(shù)據(jù)處理。與PCA的結(jié)合，使PCA的降維效果得到改善。與PCA不同，線性判別分析（LDA）是以樣本的可分性為目標(biāo)的，其基本思想是尋找一個投影方向，使訓(xùn)練樣本投影到該方向時類內(nèi)離散度最小而類間離散度最大不過，LDA只有在訓(xùn)練集樣本數(shù)較多時，性能才優(yōu)于PCA完整的PCA主成成分分析法進(jìn)行人臉識別的應(yīng)用包括幾個步驟1:1）人臉圖像預(yù)處理;2）讀入人臉庫，訓(xùn)練形成特征子空間；3）把訓(xùn)練圖像和測試圖像投影到上一步驟中得到的子空間上;4）選擇一定的距離函數(shù)進(jìn)行識別。2.2

16、.1人臉圖像的預(yù)處理直接用特征臉識別人臉圖像有一定的局限性，要想讓系統(tǒng)準(zhǔn)確地識別人臉必須保證2個條件：1）待識別圖像中人臉尺寸接近特征臉中人臉尺寸；2）待識別人臉圖像必須為正面人臉圖像，當(dāng)待識別圖像不滿足此條件時，誤識率很高。所以預(yù)處理需要進(jìn)行剪切人臉和旋轉(zhuǎn)人臉。歸一化人臉庫后，將庫中的每人選擇一定數(shù)量的圖像構(gòu)成訓(xùn)練集，其余構(gòu)成測試集。設(shè)歸一化后的圖像是nxm,按列相連就構(gòu)成N=nxm維矢量，可視為N維空間中的一個點(diǎn)，可以通過K2L變換用一個低維子空間描述這個圖像。實(shí)踐表明，人類在識別物體時，主要依靠的是圖像的相位譜信息，高階統(tǒng)計(jì)量對圖像識別來說非常有用獨(dú)立分量分析（ICA）不但考慮了訓(xùn)練樣本

17、的一階和二階統(tǒng)計(jì)信息，還考慮了高階統(tǒng)計(jì)信息，其基本思想是通過線性變換，從訓(xùn)練樣本中找到一組互相獨(dú)立的基（獨(dú)立分量），并以此來描述樣本數(shù)據(jù).前面提到的PCA方法實(shí)際上是在二階統(tǒng)計(jì)量上的去相關(guān)，而ICA則是在所有階統(tǒng)計(jì)量上的去相關(guān)，從而使信號的二階統(tǒng)計(jì)量和高階統(tǒng)計(jì)量都得到了有效利用，ICA方法可以看成是PCA方法的泛化，在人臉識別中有廣泛的應(yīng)用在基于線性子空間的人臉識別中，實(shí)際上是把人臉圖像中存在的表情、姿態(tài)及光照等復(fù)雜的變化進(jìn)行了線性簡化，因此不可能得到人臉充分的描述.而非線性子空間方法則是利用核方法來實(shí)現(xiàn)人臉識別該方法的基本思想是，在進(jìn)行分類等數(shù)據(jù)處理時，對于線性不可分樣本，首先通過一個非線性

18、映射將原空間樣本映射到高維特征空間（也稱核空間）中，使核空間中的樣本變得線性可分，或者近似線性可分，然后在核空間中用線性方法對其進(jìn)行分類處理，從而實(shí)現(xiàn)相對于原空間來說非線性的處理，在計(jì)算上并不需要明確計(jì)算非線性變換，只需要通過一個核函數(shù)來計(jì)算在核空間中兩兩向量間的內(nèi)積即可.目前已應(yīng)用于人臉識別中的非線性子空間方法有核主分量分析、核Fisher判別分析和核獨(dú)立分量分析等.2.3基于模板匹配的人臉識別模板匹配有靜態(tài)匹配和彈性匹配兩種，首先介紹一下靜態(tài)匹配。靜態(tài)模板匹配方法：設(shè)計(jì)一個庫，其中存儲了已知人臉的若干模板，這些模板可以是整張人臉的灰度圖像，可以是各生理特征區(qū)域的灰度圖像，還可以是經(jīng)某種變換

19、的人臉圖像。待識別的圖像經(jīng)過相同的變換后，還要進(jìn)行尺度歸一化和灰度歸一化的處理，得到與庫中的圖像大小、取向和光照條件均相同的圖像。然后計(jì)算待識別圖像和庫中圖像的匹配度，與哪一類的匹配度最好，就將待識別圖像判為哪一類。靜態(tài)模板匹配存在的問題：因?yàn)閹焓枪潭ǖ?，如果人臉表情變化較大，或者有新的模式出現(xiàn)，那么這個模板就不適用了，也就是說靜態(tài)模板匹配方法不靈活。彈性圖匹配（EGM）3的理論基礎(chǔ)是圖匹配彈性模板匹配是根據(jù)待測人臉特征的先驗(yàn)知識，定義一個特征參數(shù)模型，這些參數(shù)反映相對應(yīng)特征形狀的可變部分。為了得到這些參數(shù)，用圖來描述人臉，根據(jù)圖像的邊緣、峰值、谷值和強(qiáng)度信息及特征形狀的先驗(yàn)知識設(shè)計(jì)合適的能量

20、函數(shù)。我們要求的參數(shù)就是使能量函數(shù)取極小值時的參數(shù)。圖像的頂點(diǎn)表示人臉的局部特征點(diǎn)，邊則表示面部特征之間的拓?fù)滏溄雨P(guān)系.匹配測度同時考慮頂點(diǎn)和邊之間的距離，是一種考慮到識別目標(biāo)局部特征點(diǎn)之間拓?fù)浣Y(jié)構(gòu)的局部特征匹配方法，典型的算法有Lades等提出的利用動態(tài)鏈接結(jié)構(gòu)（DLA）來進(jìn)行人臉識別的算法：人臉由一組用邊鏈接的節(jié)點(diǎn)構(gòu)成，節(jié)點(diǎn)對應(yīng)于面部特定的特征點(diǎn)，被稱為基準(zhǔn)點(diǎn)；邊由節(jié)點(diǎn)間的距離來表示，節(jié)點(diǎn)由包含局部灰度分布信息的特征向量表示；人臉圖像之間的相似度由所對應(yīng)的彈性圖之間的相似度來衡量。這種算法的優(yōu)點(diǎn)是顯然的，它比靜態(tài)模板匹配法要靈活，魯棒性要強(qiáng)一些，但是也有缺點(diǎn)：對參數(shù)的初值依賴度高，容易陷入

21、局部最??；計(jì)算時間長?；趶椥詧D匹配的人臉識別方法考慮到了人臉的局部細(xì)節(jié)，保留了人臉的空間分布信息；而且在一定程度上可以忽略人臉從三維到二維投影引起的變形，但是，該方法在提取人臉特征時，本質(zhì)上是將幾個不同頻段的信息捆綁成一個單一的向量，所以很難提取人臉的顯著特征，且計(jì)算量較大.2.4基于神經(jīng)網(wǎng)絡(luò)的人臉識別基于神經(jīng)網(wǎng)絡(luò)的人臉識別方法就是利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和分類能力對人臉進(jìn)行特征提取與識別.Lawrenee等采用卷積神經(jīng)網(wǎng)絡(luò)來進(jìn)行人臉識別，由于卷積神經(jīng)網(wǎng)絡(luò)中集成了相鄰像素之間的相關(guān)性知識，從而在一定程度上獲得了對圖像平移、旋轉(zhuǎn)和局部變形的不變性，因此得到非常理想的識別結(jié)果.Lin等采用正反例樣

22、本進(jìn)行強(qiáng)化學(xué)習(xí)，從而得到較為理想的概率估計(jì)結(jié)果，并采用模塊化的網(wǎng)絡(luò)結(jié)構(gòu)加快網(wǎng)絡(luò)的學(xué)習(xí)速度，這種方法在人臉檢測、人臉定位和人臉識別的各個步驟上都得到了較好的應(yīng)用.Meng等先用PCA技術(shù)對人臉樣本進(jìn)行降維處理，然后利用LDA技術(shù)提取判別特征，最后用RBF神經(jīng)網(wǎng)絡(luò)分類判決，實(shí)驗(yàn)結(jié)果表明該方法具有較高的學(xué)習(xí)效率和識別性能.神經(jīng)網(wǎng)絡(luò)是以并行方式處理信息，存儲方式是分布式的，如果能用硬件實(shí)現(xiàn)，那么將能顯著提高速度。神經(jīng)網(wǎng)絡(luò)把模型的統(tǒng)計(jì)特征隱含在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)中，對于人臉這類復(fù)雜的、難以顯示描述的模型，基于神經(jīng)網(wǎng)絡(luò)的方法具有獨(dú)特優(yōu)勢，神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能非常強(qiáng)大，盡管對人臉識別的許多規(guī)律和規(guī)則進(jìn)行顯

23、性的描述非常困難，但是神經(jīng)網(wǎng)絡(luò)可以通過反復(fù)學(xué)習(xí)的過程獲得對這些規(guī)則的隱性表達(dá)，因此神經(jīng)網(wǎng)絡(luò)的魯棒性比較好在提取人臉特征后進(jìn)行分類識別時具有一定的優(yōu)勢。然而直接采用神經(jīng)網(wǎng)絡(luò)提取特征的方法一般需要龐大的輸入節(jié)點(diǎn)，因此在訓(xùn)練時參數(shù)繁多，實(shí)現(xiàn)起來比較困難.2.5基于隱馬爾可夫模型的人臉識別在人臉識別中，人臉應(yīng)當(dāng)作為一個整體來描述，不僅要包括人臉各個器官的數(shù)值特征，還應(yīng)當(dāng)包括各個器官的不同表象和相互關(guān)聯(lián)而隱馬爾可夫模型(HMM)提供了解決這一問題的方法，按照這種模型，觀測到的特征被看成是另一組不可觀測“狀態(tài)”產(chǎn)生的一系列實(shí)現(xiàn).因而可以將不同的人用不同的HMM參數(shù)來表征，而同一個人由于姿態(tài)和表情變化產(chǎn)生的

24、多個觀測序列可以通過同一個HMM模型來表征.Samaria最早提出了關(guān)于人臉的HMM模型，其用一個矩形窗從上到下對人臉圖像進(jìn)行采樣，將窗內(nèi)的像素點(diǎn)排列成向量，用灰度值作為觀測向量.Nefian提出利用二維離散余弦變換來提取特征作為觀測向量，減少了參數(shù)存儲量.Othman等提出了低復(fù)雜度的二維HMM模型，更好地描述了人臉各個器官之間的關(guān)聯(lián)，具有很高的識別率.基于HMM的人臉識別方法能夠允許人臉有表情變化和較大幅度的頭部轉(zhuǎn)動，具有較高的識別率，但在提取特征和訓(xùn)練模型參數(shù)時需要較大的運(yùn)算量.3結(jié)束語人臉識別技術(shù)是一項(xiàng)既有科學(xué)研究價值，又有廣泛應(yīng)用前景的研究課題。大量研究人員幾十年的研究取得了豐碩的研究成果，在某些限定條件下自動