阐述人基于图匹配人脸识别算法

摘要：文相似度检测绍了一种通过提取特征点信息进行人脸识别的方法。在利用特征点定位的基础上，根据五官颜色检测特征点，然后构造特征点的具体数据及之间的关系数据，并与样本库中的人脸图片相比计算其最小匹配代价，依据最小匹配度完成识别。实践证明该方法对人脸正面图具有准确的识别率，且具有强抗干扰能力。最后展望了人脸识别技术的今后的研究方向。
关键词：人脸识别；图匹配；特征提取；特征点
1009-3044（2013）01-0155-03
“人脸识别（Face Recognition）”就是用计算机对人脸图象进行特征提取和识别的模式识别技术。人脸识别研究始于20世纪60年代末。它是近年来信息科学领域里一个备受关注的热点，人脸识别技术在社会发展与建设中也得到了广泛的重视与应用[3]。文中提出的是一种基于图匹配的人脸识别算法，通过提取具有节点属性、边属性、面积属性来进行人脸识别的方法。该方法在进行处理前需对样本进行尺寸的归一化，且对人脸正面像具有很高的识别率和强抗干扰能力。其与传统人脸识别方法相比，具有新颖、简单、易实现的优势，准确率也很高。（将来图匹配对人脸识别的研究也会越来越广泛。）

1 人脸识别的主流算法

目前国内外研究人脸识别的方法层出不穷，取得了很大的发展。根据人脸识别技术的发展历史，人脸识别方法大致可分为基于几何特征的人脸识别方法、基于统计特征的人脸识别方法和基于连接机制的人脸识别方法[4]。
1）基于几何特征的人脸识别方法
通过人脸面部拓扑结构几何关系的先验知识，利用基于结构的方法在知识的层次上提取人脸面部主要器官特征，将人脸用一组几何特征矢量表示，识别归结为特征矢量之间的匹配，基于欧氏距离

摘自：毕业论文格式范文www.udooo.com

的判决是最常用的方法。
基于几何特征的识别方法具有存储量小、对光照不敏感等优点。这种方法同样存在一些问题：从图像中抽取稳定的特征比较困难；对强烈表情变化和姿态变化鲁棒性较差；造成部分信息丢失，适合于粗分类。
2）基于统计特征的人脸识别方法
此方法包括特征脸方法和隐马尔科夫模型方法。统计的识别方法将人脸用代数特征矢量来表示。代数特征是由Hong等首先提出的，由图像本身的灰度分布决定，它描述了图像的内存信息，它是通过对图像灰度进行各种代数变换和矩阵分解提出的。将人脸看作一个二维的灰度变化模板，从整体上捕捉和描述人脸的特征，所运用的主要是一些标准的数据统计技巧，运算比较复杂。
3）基于连接机制的人脸识别方法
在这类方法中，所采用的主要是神经网络方法和弹性图匹配方法。应用神
经网络进行人脸的特征提取和分类器的设计，有比较成熟的人脸特征提取方法，如多主分量提取算法—自适应主分量神经网络提取算法[5]。研究人员应用传统方法和神经网络设计了组合分类器，在识别效果的准确率、容错性、鲁棒性等方面取得了一定的进展。神经网络方法的优点是能在许多困难的情况下完成识别工作，同时该方法在编码压缩和信息处理方面有独特的优点，它避免了复杂的特征提取工作，可以通过学习的过程获得其他方法难以实现的关于人脸识别的规律和规则的隐性表达。但是其缺点是神经元数目多，训练时间长，识别速度较慢，不能满足实时系统需要。