文 献 综 述

1.引言

在生存的这个地球上，居住着近65亿人。每个人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等少数几个区域组合而成，这些特征之间的大体位置关系也是固定的，并且每张脸的大小不过七八寸见方。然而，这些特征居然形成了复杂的模式，即使是面容极其相似的双胞胎，其家人通常也能够非常容易地根据其面孔上的细微差异将其区分开来。这使得人们不得不承认这个世界上找不出两张完全相同的人脸!那么，区分如此众多的不同人脸的”特征”到底是什么?能否设计出具有与人类一样的人脸识别能力的自动机器?这种自动机器的人脸识别能力是否能够超越人类自身?对这些问题的分析和解答无疑具有重要的理论和应用价值，这正是众多从事自动人脸识别研究的研究人员所面临的挑战。研究人脸识别技术的发展历程，可以简要将其分为两个阶段：

第一阶段（1964~1990）

这一阶段人脸识别通常只是作为一个一般性的模式识别问题来研究，所采用的主要技术方案是基于人脸几何结构特征(Geometric feature based)的方法。这集中体现在人们对于剪影(Profile)的研究上，人们对面部剪影曲线的结构特征提取与分析方面进行了大量研究。人工神经网络也一度曾经被研究人员用于人脸识别问题中。较早从事AFR研究的研究人员除了布莱索(Bledsoe)外还有戈登斯泰因(Goldstein)、哈蒙(Harmon)以及金出武雄(Kanade Takeo)等。金出武雄于1973年在京都大学完成了第一篇AFR方面的博士论文，直到现在，作为卡内基-梅隆大学(CMU)机器人研究院的一名教授，仍然是人脸识别领域的活跃人物之一。总体而言，这一阶段是人脸识别研究的初级阶段，非常重要的成果不是很多，也基本没有获得实际应用。

第二阶段(1991年~1997年)

这一阶段尽管时间相对短暂，但却是人脸识别研究的高潮期，可谓硕果累累：不但诞生了若干代表性的人脸识别算法，美国军方还组织了著名的FERET人脸识别算法测试，并出现了若干商业化运作的人脸识别系统，比如最为著名的Visionics(现为Identix)的FaceIt系统。 美国麻省理工学院(MIT)媒体实验室的特克(Turk)和潘特兰德(Pentland)提出的”特征脸”方法无疑是这一时期内最负盛名的人脸识别方法。其后的很多人脸识别技术都或多或少与特征脸有关系，现在特征脸已经与归一化的协相关量(Normalized Correlation)方法一道成为人脸识别的性能测试基准算法。

这一时期的另一个重要工作是麻省理工学院人工智能实验室的布鲁内里(Brunelli)和波基奥(Poggio)于1992年左右做的一个对比实验，这两人对比了基于结构特征的方法与基于模板匹配的方法的识别性能，并给出了一个比较确定的结论：模板匹配的方法优于基于特征的方法。这一导向性的结论与特征脸共同作用，基本中止了纯粹的基于结构特征的人脸识别方法研究，并在很大程度上促进了基于表观(Appearance-based)的线性子空间建模和基于统计模式识别技术的人脸识别方法的发展，使其逐渐成为主流的人脸识别技术。

2.国内研究现状

社会的进步和科技的发展使人们急需一种可靠、简便、快捷的身份识别技术。近些年来人脸识别由于其具有非接触的识别方式、快速的识别过程和稳定的识别系统等优点受到了人们广泛的关注。随着科技高速的发展，人们对生活品质的需求逐渐提高，传统的身份认证方式已经无法满足人们的要求，人们急需一种快速、安全、不宜丢失的识别方式。在这样的背景下，人脸识别因为其高效、非接触性、易接受性等特点成为人们关注的对象。随着人们对人脸识别技术的深入研究，人脸识别已经取得了非常可观的研究成果，并且已经应用在了相关领域，以后的人脸识别一定会得到更广泛的应用。本文的主要研究内容是人脸识别技术，在研究中了解人脸识别技术在国内外的研究现状及发展前景，掌握了部分 MATLAB的图像处理功能，并按照人脸图像采集、图像预处理、人脸特征提取与识别这条技术路线开发实现了一个简易人脸识别系统。