5.29人脸识别技术基础知识
人脸识别(F a c e R e c o g n i t i o n，F R)是一种基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期；近几年随着以深度学习为主的人工智能技术进步，人脸识别技术得到了迅猛的发展。“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，是综合性比较强的系统工程技术。
人脸识别流程
人脸识别系统通常包括几个过程：人脸图像采集及检测、关键点提取、人脸规整(图像处理)、人脸特
征提取和人脸识别比对。
人脸图像采集。不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测。人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。
关键点提取(特征提取)。人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。
人脸规整(预处理)。对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸识别比对(匹配与识别)。提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。可分为1:1、1:N、属性识别。其中1:1是将2张人脸对应的特征值向量进行比对，1:N是将1张人脸照片的特征值向量和另外N张人脸对应的特征值向量进行比对，输出相似度高或者相似度排名前X的人脸。
人脸特征分析算法
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。
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、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(P C A)的人脸识别方法：特征脸方法是基于K L变换的人脸识别方法，K L变换是图像压缩的一种正交变换。高维的图像空间经过K L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H a u s d o r f f距离(L H D)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。L H D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，L H D 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，L H D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。
(6)支持向量机(S V M)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S V M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。
重要关键技术
基于大数据的深度学习
在人脸识别原理一节中提到了一些特征提取和分类算法，可以理解为是一种浅层的学习模型。浅层学习可以在一定规模的数据集下可以发挥较强的表达能力，但当数据量不断增大时，这些模型就会处于欠拟合的状态。通俗点说就是数据量太大，模型不够复杂，覆盖不了所有数据。所以说，深度学习是近年来特别热门的研究课题。
基于大数据的深度学习，将是人脸识别技术的主要趋势之一。深度学习，往往含有更深的层次结构。越是低层，特征越简单，越是高层，特征越抽象，但越接近所要表达的意图。举个例子，从字到词，再到句，到语义，是层层深化的过程，这就是一个典型的深层结构。回到图像分析的范畴，对于一个图片来说，低级的特征是像素，也就是0到255的矩阵。通过像素，无法理解图片里的目标是什么，
但我们可以从像素中找到了边缘特征，然后用边缘特征组合成不同的部件，最后形成了不同种类的目标物，这个才是我们所想要实现的。
利用深度学习提取出的人脸特征，相比传统技术，更能表示人脸之间的相关性，辅之有效的分类方法，能够显著提高算法识别率。深度学习非常依赖大数据，这也是为什么这项技术在近几年取得突破的原因。更多更丰富的样本数据加入到训练模型中，意味着算法模型将更通用，更贴近现实世界模型。另一方面，深度学习的理论性还需要加强，模型还需要优化。这一点，相信在众多学术界和工业界同仁的努力下，深度学习将取得更大的成功。届时人脸识别应用，或许能如现在的车牌识别技术一样，深入到我们的生活中。
3D人脸识别技术
3D人脸识别技术是人脸识别重要发展发现。目前大部分的人脸识别应用的范畴限定在2D图像上。人脸实质上是一个立体模型，而2D人脸识别容易受到姿态、光照、表情等因素影响，是因为2D图像
本身有一个缺陷，无法很好地表示深度信息。如果说深度学习是从人的认知角度来理解人脸识别，那么3D技术就是从现实模型来反映人脸识别。
目前关于3D人脸识别方向的算法研究并没有2D人脸识别技术那么丰富和深入，许多因素限制了这项技术的发展。首先，3D人脸识别往往需要特定的采集设备，如3D摄像机或双目摄像机。目前这类采集设备价格还比较昂贵，主要用于特定场景。其次，3D建模过程需要的计算量较大，对硬件要求较高，也限制了目前的应用。第三，3D人脸识别数据库比较稀少，研究者缺少训练样本和测试样本，无法开展更深入的理论研究。相信随着未来芯片技术和传感器的发展，当计算能力不再收到制约，3D采集设备成本大幅下降的时候，3D人脸识别将取得重要突破。
计算机光盘软件与应用 2012年第5期 Computer CD Software and Applications 工程技术 — 49 — 人脸识别技术概述 杨万振 （东北大学，沈阳 110819） 摘要：作为多学科领域的具有挑战性的难题，人脸识别技术覆盖了模式识别、神经网络、生理学、计算机视觉、 心理学、数字图像处理、数学等诸多学科的内容。 关键词：人脸识别；算法 中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599(2012)05-0049-01 一、引言 人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，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。国内外的人脸识别的方法多种多样，并且不断有新的研究成果出现。但是，由于人脸识别问题巨大的复杂性，要建立一个能够完全自动完成人脸识别任务的计算机系统难度是相当大的，这不仅涉及到数字图像处理，而且还涉及到计算机视觉，人工智能和计算机网络及通讯等的多个学科领域的广泛知识。目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域等[1,2]。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域：1.公安、司法和刑侦。2.自助服务。3、.企业、住宅安全和管理。4.电子护照及身份证。5.信息安全。综上所述，人脸识别技术对于打击各类犯罪活动、维护国家安全和社会稳定等具有十分重大的意义。随着各种技术手段的综合应用和科学技术的发展， 相信人脸识别技术会不断向前发展，应用更加广泛。 二、人脸识别系统的基本框架 人脸识别过程包括两个主要环节：一是人脸的检测和定位，即从输入图像中找到人脸及其位置，并将人脸从中分割出来；二是对标准化的人脸图像进行特征提取与识别。 人脸识别系统基本框架图 如图所示，人脸识别系统各部分的功能和作用： （一）图像获取：用图像获取设备（数码相机、扫描仪、摄像机）获取图像，也可以在人脸图像库中获取图像，然后使用相应程序将图像转换成可处理的格式。 （二）检测定位：人脸检测是指在输入图像中确定所有人脸的大小、姿态和位置的过程。近年来，由于生物特征识别的发展和人际交互方式的发展，人脸检测定位的发展很迅速，但是其难点是容易受到亮度变化、人的头部姿势及图像背景等因素的影响。 （三）人脸图像预处理：对获取的图像进行适当的处理，使其具有的特征能在图像中表现的明显。该模块主要由灰度变化、光线补偿、对比度增强、高斯平滑处理、直方图均衡和图像二值化处理等子模块构成。 （四）特征提取部分：将预处理后得到的正规人脸图像按照相应的算法提取出用来识别的特征向量，将原始的人脸空间中的数据映射到特征空间中去。通常把原始人脸空间叫测量空间，把用以进行分类识别的空间叫特征空间，较高维数的测量空间的模 式表示可以经过变换变为在较低维数的特征空间中模式的表示。 （五）分类器设计：部分分类器的设计是在后台完成的，就是所谓训练过程，该过程结束后可生成分类器用于分类识别。模式识别问题事实上可以看做是一个分类问题，即把待识别的对象归于某一类之中。在人脸识别问题上就是把不同输入的人脸图像归于某个人这一类。其基本的做法就是在样本训练集的基础上确定某种判决规则，然后使按这种判决规则对待识别的对象进行分 类所引起的损失最小或造成的错误识别率最小。 （六）分类决策：就是运用已经设计好的分类器进行分类识别，得出最后的识别结果，并给出相应的判断。 三、人脸识别的常用方法 1.主分量分析法 2.线性判别分析法 3.独立分量分析法 4.隐马尔可夫模型法 5.弹性束图匹配法 四、人脸识别的技术优势 虽然目前人脸识别系统不是很成熟，但与虹膜识别、指纹 识别等其它生物特征识别技术相比，人脸识别的技术优势主要有以下几点： （一）非接触式操作，适用于隐蔽监控。由于人脸识别系统不需要接触，可以秘密开展，因此特别适用于网上抓逃、隐蔽监控等应用。这是虹膜、指纹等其他生物特征识别技术所不具备。 （二）无侵犯性，容易被接受。人脸识别系统一般为远距离 采集数据，减小了对用户造成生理上伤害几率，用户容易接受。 （三）图像采集设备成本低。目前，USBCCD/CMOS 摄像头非常低廉的价格，已成为计算机的标准配置，极大地扩展了人脸识别实用范围；此外，数码摄像机、数码相机和照片扫描仪等图像 采集设备在普通家庭的日益普及进一步增加了其可用性。 （四）更符合人类的识别习惯，可交互性强。人脸识别更 符合人识别人的习惯，故若与用户交互配合可以大大提高系统 的可靠性和可用性；但是指纹、虹膜识别却不具备如此优点。 （五）识别精确度较高、速度快。与其它生物识别技术相比，人脸识别的精度处于较高的水平，拒识率、误识率较低。 五、人脸识别研究的难点 人脸识别通常是通过对采集得到的人脸图像的分析计算来确定其身份的。人脸是具有复杂结构的三位可变形生物体，影响人脸识别效果的因素主要有以下几个： 姿态：人脸图像的变化，例如在三维人脸到二维人脸的成像过程中，由于相关的照相机-脸姿（正面的、45度、侧面、颠倒的）导致的不同，而一些脸部特征如眼睛或鼻子可能部分地或全部被遮挡。 组件的影响：面部的特征如胡须和眼镜等可能存在也可能不存在，这些组件包括形状、颜色和大小。 面部表情：人脸为可变形物体，人脸表情的变化直接影响人脸图像的模式。 图像的方向：照相机光轴的旋转不同可直接引起人脸图像的变化。 图像的条件：当图像产生时，一些因素如光(光谱、光源分布和强度)和照相机的特性(传感器的响应、透镜)影响人脸的外观。 参考文献： [1]Yin L.Basu A.Generating realistic facial expressions with wrinkles for model-based coding [J]．Computer Vision and Image Understanding,2001,84(2):201-240 [2]李云峰,杨益,田俊香.人脸识别的研究进展与发展方向[J].科技资讯,2008(5):23-32
美容课程皮肤基础理论知识 1.皮肤的定义 是人体最大的器官，覆盖全身每一个部位，能执行维护健康与美观所必须的重要功能。 它主要依靠血液和淋巴液来供给营养。 健康的皮肤是微含水分、柔软、易弯曲、呈微酸性且没有瑕疵及疾病。 厚度为0.212－0.508公分（眼部最薄，手脚掌最厚） 2.皮肤学的定义 是专门研究皮肤的性质、构造、功能、疾病和治疗的一门学科。 二.皮肤的生理功能 呼吸 分泌 排泄 知觉 调节体温 保护 吸收 三.皮肤的生理结构 表皮简单表皮：没有角质层的内壁上层。 复杂表皮：角质层 透明层 颗粒层 棘状层 基底层 结构图 四.皮肤生理结构 真皮皮肤的内层，属结缔组织高敏感的脉管层。分表层和较深层。 表层：内含丰富的胶原纤维、弹性纤维，决定了皮肤的韧性和弹性。并富含毛细血管、神经末梢。表层也含有一些黑色素 较深层：含脂肪细胞、汗腺、血管、毛囊、淋巴管、竖毛肌、皮脂腺。 五.皮肤的生理结构 皮下组织 含大量的脂肪细胞，可作为能源来供给人体消耗。脂纺组织因人的年龄、性别及健康情形的不同在厚度上也有所不同， 六.皮肤的类型及护理重点 干性： 皮脂腺分泌不旺盛，毛孔细小，不易长暗疮，保水功能差、易衷老。主要缺V A。PH为5.5－6.0 干性缺水：干燥、脱屑。易敏感。 干性缺油：晦暗无光。 护理重点：多吃含V A的食物，如胡罗卜、动物肝脏。 使用滋润性营养成份高的化妆品。尽量 减少外在刺激。一定要用柔肤水和眼霜。 七.皮肤的类型与护理重点 油性皮脂腺分泌旺盛，毛孔粗大，易长暗疮，角质层较厚。不易衰老，主要缺VB族。
PH为4.5－5.0 护理重点：少吃煎炸油腻辛辣的食物，养成良好的生活习惯。常做深层清洁，并使用去污力较强但很温和的清洁品。一定使用爽肤水。 皮肤类型与护理重点 中性 皮脂腺分泌适中，毛孔分布不明显，保水功能好，不易衰老，皮肤表面光滑、细嫩、红润。是皮肤中最理想的肤质，但通常在幼儿期或青春发育前期会出现，成年人很少会有此类皮肤。PH为5.0－5.5 护理重点：只需注意清洁和补充适当的营养即可，并养成良好的生活习惯和心情愉悦。皮肤类型与护理重点 混合性 T字部位偏油，V字部位偏干性或中性相结合皮肤。此类皮肤夏天会呈偏油性，冬天呈偏干性，护理时根据实情而异。 护理重点：利用干性和油性相结合的方法护理 T字部位要常做深层清洁。 八.皮肤类型与护理重点 敏感性皮肤表皮较薄，微细血管显而易见。皮肤遇外部刺激出现微痒、红痕、脱屑的现象。此类皮肤一般都缺水。 体质敏感：身体缺乏某种抗敏元引起的过敏。 肤质敏感：使用不适合的化妆品或其他原因。 护理重点：选用不含色料、酒精、香料的化妆品。避免外界的刺激。 九.化妆品的功效 洗面奶 清除面部污垢，使毛孔畅通 软化角质，使老化的角质更易脱落 化妆品的功效 爽肤水 进一步深层清洁 收缩毛孔 柔软皮肤 充分补水 调节皮肤的酸碱度 化妆品的功效 角质霜 软化老化的角质，使之脱落，达到深层清洁 促进血液循环 使皮肤光洁、柔嫩富有弹性，更易吸收营养 又称磨砂膏，去死皮膏等。 严重的敏感或暗疮性皮肤慎用 化妆品的功效 面霜 补充皮肤所需营养，使皮肤更富有弹性，光滑 给皮肤形成一层保护膜 日霜具有一定的防晒功能
1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面： （1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较
转美容师必备的基础知识 第一节皮肤的构造 一、皮肤基础知识 1、生理：皮肤是全身最大器官之一，健康的皮肤应该是柔软润滑、富有弹性的，占人体表面积的1.5-2.0平方公尺，平均厚度2.0-2.2毫米,眼部最薄1.4毫米。皮肤的PH值：正常皮肤PH值为4.5-5.5,女性为5.5-6.5。 2、皮肤功能：保护，感觉，调节体温，排泄，分泌，吸收，制造维生素D 3、影响皮肤改变的因素 ①遗传②环境③心理④年龄⑤季节⑥内分泌⑦饮食⑧护理。 二、皮肤的构造 皮肤可分为表皮、真皮、皮下组织三大部分。 （一）表皮—为皮肤最外一层，包括血管、神经、淋巴管、毛囊、腺体。大部分由胶原纤维和弹力纤维还有网状纤维组织组成。皮下组织由脂肪构成，并依年龄、性别厚度不同。 ①角质层：主要作用是保护功能，维持皮肤25%水份，特点易老化。 ②透明层：仅由数层透明细胞组成，可防止水分的被吸收和丧失。 ③颗粒层：胶质颗粒含量高，防晒性强。作用：保护、散射阳光紫外线，储存水份。 ④棘细胞层：作用：供给皮肤氧份，消除皮肤疲劳，连接颗粒层和基底层同时排泄废物，也是皮肤最厚一层。特点：较松散，易断裂（不注意保养使纤维组织塌陷失去弹性，形成皱纹） ⑤基底层：位于表皮最底一层，与真皮接触，从血管中获得营养，是表皮细胞的生命起源。特点：具有繁殖力和生命力。作用：产生分裂新细胞。，
★角化过程及作用：基底层产生新细胞逐渐向外推，到达角质层时，细胞则失去生命力，脱落。此种过程为角化过程。角化过程需28天，基底层细胞到角质层需14天。 （二）真皮—真皮可分为两层（网状层和乳头层），真皮是有血管、神经、淋巴管、毛囊、腺体组成。输送营养和水份。 （三）皮下组织—主要由脂肪构成，皮下组织随年龄、季节的变化而变化。功能：1、防止体温散发；2、缓和外界刺激；3、储存能量；4、线条美。 第二节皮肤的分类及各类型特点 一、皮肤的分类 人的皮肤按皮脂腺分泌状况，一般可分为五类： 1、中性皮肤. 中性皮肤为标准肤型，是一种能很快调整变化的皮肤。表面柔软、稳定，组织滑而幼细，没有粗大的毛孔或太油腻的部位，脸色红润，不会出现脉管。外观感觉光滑、新鲜、清洁，不厚不薄，有健康感。皮肤上面偶见斑点，但总的来看比较白净。 2、干性皮肤. 干性皮肤的皮脂分泌率降低，皮肤紧绷，呈透明状。由于干燥，如同纸张出现条纹，一些弯曲部位与重复活动的地方特别容易出现皱纹。有些部位较敏感，毛细血管明显，缺少滋润会出现皮肤脱屑现象，，眼部和颈部出现松弛。这种皮肤要经常保持滋润，护肤要格外细心，动作要轻，以免损伤毛细血管。 3、油性皮肤. 油性皮肤皮脂分泌过多，皮脂腺管与毛囊增厚变成黑头，毛孔粗大，有斑点。皮肤比较粗糙，厚而呈现不平衡组织，有油质感。这种皮肤的好处是皱纹不明显，使人显得年青。但它容易被灰尘和化妆品的残渣污染，出现皮疹感染，应着重注意面部的清洁，
人脸识别发展趋势及应用领域分析 人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒的生物识别技术，具有极其广阔的市场应用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用安全控制等行业和部门存在着广泛的需求。 一、人脸识别何以瞬间爆发？ 其实对于整个生物识别领域来说，由于指纹识别应用时间早，价格低廉，而且使用便利，因此早早地便占据了国内的大部分市场，在顶峰时期，甚至可以达到90%左右。但是，又是什么力量，使人脸识别在短短五六年的时间里，就实现了如此迅猛的腾飞呢？ （一）政策因素：抛开技术因素，国家政策的支持可以说是人脸识别崛起的重要因素之一。尤其随着近些年来，平安城市等技术的大力推广，我国安防市场的需求也随之迅速升温，各领域安保的等级也就随之实现明显的提升。甚至在部分地区的部分领域，人脸识别已经开始被列为使用过程中的强制标准。这种情况的出现，对于人脸识别的推广无疑是一种非常有力的推动。因此，虽然政策的角色只是一种诱导的作用，但是这种诱导对于人脸识别的爆发，却又是不可或缺的。 （二）社会需求：在我国，随着城镇化的进程加快，流动人口比例大大增加，面临的突发事件和异常事件越来越复杂。因此这也就给城市的安保工作，以及视频监控带来了更大的压力。传统依靠人工来“盯”的方式难免会因疲劳或精神不集中等原因影响监视效果，难以胜任对庞大数据库的分析与理解，从而影响事后查找证据，更难以满足时代的需求，于是，人们对于具有智能分析的视频监控应用的呼声越来越高。 二、人脸识别发展趋势 （一）与视频监控相结合：随着人脸识别技术的进一步发展，将人脸识别技术将实现与数字监控系统的进一步融合，将成为人脸识别技术的另外一大应用领域。据统计数据显示，仅在中国大陆，在未来三年内有望形成年销售额过百亿，并在未来十年内则有望形成年销售额过千亿的市场规模。（二）逐步取代指纹考勤：人脸识别考勤，通过对人脸一些独一无二的特征识别对验进行考
计算机人脸识别技术及其应用分析 本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！ 伴随着科技不断发展，身份信息认证在诸多场所中得以应用。计算机人脸识别技术是一种新型的身份认证方式，能够满足社会发展需求。人脸识别凭借计算机提取信息的高效性，打破了传统身份认证的局限性，是科技社会发展的必然趋势。基于此，本文将对计算机人脸识别技术进行研究，并分析其实际应用。 计算机人脸识别技术所涵盖的范围比较广泛，其中包含信号处理、数字图像处理、模式设置等诸多内容。计算机人脸识别技术根据已知人脸确定未知人脸的归属问题。换言之，计算机人脸识别技术属于一种模式识别范畴，对已知的信息进行采样量化，将其转化为计算机可以处理的数据信息。 一、计算机人脸识别技术原理 (一)计算机人脸检测技术
分析计算机人脸识别技术，需要明确计算机人脸检测。在进行人脸识别时，计算机应用系统需要人脸的大小以及位置进行检测，在特定的空间内实现人脸识别。基于计算机的人脸检测技术方法有镶嵌图法、模板匹配法、人工神经网络法以及可变性模板法。实现人脸检测，需要在科学的流程下实现。计算机人脸检测流程为：图像输入环节——图像预处理——图像特征提取——计算机系统检测与判断。计算机人来检测技术在科技社会中不断更新，已经演化为计算机人脸识别技术的前段技术之一，与智能监视等技术相互衔接。 (二)计算机人脸识别流程 计算机人脸识别技术是在人脸检测技术的基础上，进行信息辨别。在人脸信息辨别的环节中，主要分为“是不是谁”和“是谁”两个询问阶段。通常情况下，人脸识别首先需要进行人脸输入，对图像进行预处理，然后对图像进行特征提取，最后进行人脸识别，进行人脸验证。人脸识别，主要分为两个方向的识别，一为人脸特征分析以及人脸密度线分配;二是人脸基准点与其他人脸特征参数结合。
美容基础知识 1.什么是皮肤 皮肤是人体最外层的器官，覆盖在人体表面，保护人体免受外界各种（机械的、物理的、化学的）刺激和各种微生物（细菌、病毒）的侵袭，是肌肤的第一道天然屏障。健康的皮肤是反映机体内部健康的一面镜子。正确的皮肤保养需要对皮肤的结构有一定的了解。 2.皮肤的结构 皮肤由表皮、真皮、皮下组织及皮肤附件构成，并与其下的组织相连。 表皮：属上皮组织，位于皮肤最外层，是日常与外界接触的门户，又是化妆品的使用部位。表皮由外向内可分为５个层次：角质层、透明层、颗粒层、有棘层、基底层。 真皮：属结缔组织，位于表皮下方，与表皮犬牙交错相接，真皮主要由胶原纤维、弹性纤维、网状纤维和基质组成，它们对皮肤弹性的大小及有无光泽等起决定作用。 皮下组织：又称皮下脂肪层，其厚薄与人的营养状态、性别、年龄及部位有关系，人的胖与瘦主要取决于皮下脂肪的多少。 皮肤的附属器官 汗腺：一种是小汗腺，排泄汗液，滋润皮肤，不使皮肤干裂；一种是大汗腺，其分泌物较浓稠，分泌物本身无气味，经细菌分解后有臭味，俗称狐臭。 皮脂腺：皮脂腺分泌皮脂，润滑皮肤和毛发，但在某些部位分泌过多，易导致痤疮、皮炎和脂溢性脱发等。 毛发：人体表面除手掌、足底等处外，均有毛发生长；毛发由角化的表皮细胞构成，分为毛杆和毛根两部分；毛发的横断面可分为三层，由外而内依次为表皮层、毛皮层和毛髓质；毛表皮由透明的角化细胞似鱼鳞般排列而成，也叫毛护膜，能使毛发产生光泽；皮质和髓质的细胞中都含有色素颗粒，毛发的颜色决定于色素颗粒的含量。 3.皮肤的基本功能 屏障功能、感觉功能、调温功能、吸收功能、排泄功能以及参与呼吸运动的功能。
4.皮肤的基本类型 生活美容学将肌肤分为中性皮肤、干性皮肤、油性皮肤、混合性皮肤、敏感性皮肤、问题性皮肤。 5.皮肤护养的基本原则 人的衰老是必然的，但延缓衰老、挽留青春是可能的。平常注意保持乐观情趣、保证充足睡眠、多饮水、多吃水果蔬菜、学会放松自己等等，都是延缓皮肤衰老的要决。 维护皮肤的美丽，良好的生活习惯自然非常重要，但是合理的护理也是必不可少的。这里重点介绍皮肤护理的基本原则： ⑴保持皮肤清洁这是护理皮肤的基础，通常可选用合适的清洁用品如清洁霜和洗面奶清洗，但一定注意用正确的方法洁面。 ⑵促进皮肤的新陈代谢日常生活中可采用对面部进行按摩的方法，给皮肤输送足够的养分和水分，来促进整个面部的血液循环和新陈代谢，同时按摩还能使皮肤肌肉中的一些闭塞的毛细血管张开，增加肌肉的弹性和张力。 ⑶增强皮肤的抵抗能力，保护皮肤免受各种因素的伤害皮脂膜是保护皮肤的天然屏障，要经常维持皮脂膜的正常状态，是护理皮肤的一个非常重要的原则。日常使用的化妆品乳液是要选择模仿皮脂膜作用而制作的，这样的乳液被认为是皮脂膜的补充品，可以补充皮脂膜的不足，增强皮肤的抵抗能力。需要指出的是，清洁面部的清洁用品其ＰＨ值必须和皮脂膜相适应，否则会对皮脂膜造成破坏。 6.皮肤健美的标准是什么？ 健美的皮肤能给机体增加美感，尤其是面部皮肤的健美，更能给人留下美好的印象。那么，怎样的皮肤才称得上健美呢？可以从以下四个方面来判断： （1）皮肤的健康。健康的皮肤必须具备三个条件：一是肤色正常。黄种人应是微红稍黄色。二是无皮肤病。皮肤不敏感、不油腻、不干燥、无痤疮、酒渣鼻等皮肤病。三是具有生命力。正常肤色红润、有光泽则富有生命活力，若青紫、蜡黄、苍白则缺少生命活力。 （2）皮肤的清洁。皮肤表面无污垢、无斑点、无异常凹凸不平。
初级美容师培训大纲 一、培训目标 通过培训，培训对象可在美容保健基础理论指导下，从事一线面部皮肤护理、基础美容化妆及脱毛、美睫等操作。 1、理论知识培训目标 （1）了解21世纪的生活美容不是简单的服务行业，而是现代保健业的一部分。 因此现代的美容师必须了解相应的保健知识，树立职业的优越感。 （2）掌握美容院接待的基本内容。 （3）掌握面部护理的相关理论和程序。 （4）熟悉脱毛、美睫的基本操作。 （5）熟悉美容化妆的基础理论和程序。 2、操作技能培训目标 （1）熟练美容院接待。 （2）熟练面部皮肤护理的操作，含相应美容仪器的使用。能独立全程操作。 （3）熟悉脱毛和美睫技术，能在上级指导下独立操作。 （4）熟悉美容化妆的程序和基本手法，能在上级指导下独立操作。 二、培训课时分配表
1、职业道德
教学要求：通过本章学习，使培训对象了解职业道德基本知识和职业守则的基本内容，以及美容师所应具备的从事美容服务行业的职业形象及基本素质，并在服务中与客户建立良好的关系。 教学内容： （1）职业道德基本知识。 （2）职业守则。 （3）职业形象及素质。 教学建议：培训时以美容师应具备的基本素质和职业道德标准为要点，提高学员对职业守则和行为准则重要性的认识。 2、基础知识 教学要求：通过美容基础知识的学习，使培训对象了解美容的基本概念、美容史、人体生理基础解剖知识、重点掌握美容院卫生与消毒知识、人体皮肤生理知识、美容化妆品基础知识、安全防火及相关法律法规知识。 教学内容： （1）美容的基本概念 （2）美容史知识 （3）美容院卫生与消毒知识 （4）安全知识 （5）人体生理解剖常识 （6）人体皮肤生理知识 （7）美容化妆品基础知识 （8）相关法律法规知识 教学建议：通过培训，使培训人员掌握美容基础知识，重点掌握美容师职业形象及素养、美容院卫生与消毒知识、人体皮肤生理知识及美容化妆品基础知识。可采用图片演示和示范的方式进行教学，加强培训对象对理论知识的理解。 3、接待与咨询知识 教学要求：通过培训，使培训对象掌握美容接待服务中的相关知识，了解美容接待工作的重要性，掌握接待的基本流程及基本要求，并熟悉美容院常规服务项目、工作流程及面部皮肤护理方案的主要内容和电话礼仪。 教学内容：
人脸识别技术的应用 面部识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。现如今，人脸识别这个词已经慢慢走进了我们的生活，开始逐渐广泛的应用到日常生活之中。 手机、笔记本电脑中的人脸识别软件就是一个很好的例子，它帮助我们解锁手机、电脑，无需再输入密码，不用担心密码泄露从而导致的信息隐私泄露，它很好的帮助我们保护手机、电脑的安全。除此之外，人脸识别门禁系统开始应用于一些高档住宅和办公楼中，为人们省去了带钥匙刷卡的麻烦，也不用担心密码忘记的苦恼。人脸识别考勤机也开始被一些企业应用于日常管理。而一些美颜相机、美图软件的推出跟迎合了消费者的市场。它可以自动识别人脸，并对人脸进行美化。甚至一些小游戏被开发出来，可以将自己的脸与明星的脸比对相似之处，评价出你最有有谁的明星相。虽然这仅仅是一个游戏软件，只是供人们娱乐，真实度不高，但也可以看出现今人脸识别技术的广泛使用。 人脸识别技术在过去几年中得到了广泛的关注，正是因为它的应用程序涵盖了许多不同的领域。对于许多的应用程序来说，脸部识别系统的性能在可控的环境下已经达到了一个令人满意的水平。但是现有的大部分面部识别技术在不受控制的环境下识别性能明显下降。 在这次第十四届KSS国际知识与系统科学研讨会中，教授为我们介绍了如何在面部识别中应对不同光照环境下的情况。在过去几年中，处理不同光照的方法主要有： 1. histogram equalization. 2.logarithm transformations. 3.Apply DCT in the logarithm domain. 4.QI (Quotient Image). 5.SQI(Self-Quotient Image). 6.MQI (Morphological Quotient Image). 7.Local binary patterm operator. 经过了他们团队的研究，将这几种进行对照比较，建立一个PSO-SQI框架，利用算法的性能处理人脸识别中的光照问题。 PSO算法是一个新的基于群体智能的进化算法，其研究远没有像遗传算法和模拟退火算法那样深入，在理论上并不能保证能够得到最优解。PSO算法在进行优化问题的求解时应用范围有限,尤其对离散的组合优化问题,其理论建模还处于起步阶段。PSO算法中的一些参数，如学习因子、惯性权重以及粒子个数往往根据有限的应用经验确定,并不具有广泛的适应性。 而SQI是指自商图像(self-quotient image),以提取一个目标(如人脸)图像的内在特性,同时去除与光照相关的外在因素.SQI (self-quotient image) 方法克服了原始的QI 方法的局限性,且能够提取与光照无关的内在特性.对算法适用的条件进行了理论分析,并在SQI 计算过程中提出了一个非迭代的各向异性滤波器以减小光晕现象和提高计算速度.实验结果表明该方法可以有效地提高不同光照条件下的人脸识别系统的识别率. 由着POS-SQI两种方法的结合，更好的处理了人脸识别在不可控的光线下识
人脸识别技术是什么原理 1面像识别原理 2、1、1面像识别技术概述 面像识别是近年来随着计算机技术、图象处理技术、模式识别技术等技术的快速进步而出现的一种崭新的生物特征识别技术。生物识别技术是依靠人体的身体特征来进行身份验证的一种高科技识别技术，如同人的指纹、掌纹、眼虹膜、DNA 以及相貌等人体特征具有人体所固有的不可复制的唯一性、稳定性、无法复制一样，不易失窃或被遗忘。由于每个人的这些特征都不相同，因此利用人体的这些独特的生理特征可以准确地识别每个人的身份。 随着计算机技术的迅速发展，人们开发了指纹识别、声音识别、掌形识别、签名识别、眼纹（视网膜）识别等多种生物识别技术，目前许多技术都己经成熟并得以应用。而面像识别技术则是生物识别技术的新秀，与其他识别技术相比较，面像识别具有简便、准确、经济及可扩展性良好等众多优势，可广泛应用于安全验证、监控、出入口控制等多个方面。 面像识别技术包含面像检测、面像跟踪与面像比对等课题。面像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面像，面像跟踪指对被检测到的面像进行动态目标跟踪，面像比对则是对被检测到的面像进行身份确认或在面像库中进行目标搜索。 面像检测分为参考模板、人脸规则、样本学习、肤色模型与特征子脸等方法。参考模板方法首先设计一个或数个标准人脸模板，然后计算测试样本与标准模板之间的匹配程度，通过阀值来判断是否存在人脸；人脸具有一定的结构分布特征，人脸规则即提取这些特征生成相应的规则以判断测试样本是否包含人脸；样本学习则采用模式识别中人工神经网络方法，通过对面像样本集和非面像样本集的学习产生分类器；肤色模型依据面像肤色在色彩空间中分布相对集中的规律来进行检测；特征子脸将所有面像集合视为一个面像子空间，基于检测样本与其在子空间的投影之间的距离判断是否存在面像。 上述方法在实际系统中也可综合采用。 面像跟踪一般采用基于模型的方法或基于运动与模型相结合的方法，另外，肤色模型跟 踪也不失为一种简单有效的手段。 面像比对从本质上讲是采样面像与库存面像的依次比对并找出最佳匹配对象。因此， 面像的描述决定了面像识别的具体方法与性能。目前主要有特征向量与面纹模板两种描述方 法，特征向量法先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离、角度等等 属性，然后计算出它们的几何特征量，这些特征量形成一描述该面像的特征向量；面纹模板 法则在库中存储若干标准面像模板或面像器官模板，在比对时，采样面像所有象素与库中所
初级美容师培训大纲 (职业代码:4-07-04-01) 1、课程任务和说明 通过培训，应使培训对象掌握初级美容师理论知识和操作技能。培训完毕，培训对象应能够独立完成美容顾客的迎送、引导、介绍等接待服务工作业完成面部皮肤基础护理工作;完成眉部、唇周、四肢及腋下部位的暂时性脱毛、植睫毛、烫睫毛和化日妆等工作，并为今后的工作打下良好的基础。 在教学过程中，以理论教学为基础，注意加强技能训练，使培训对象通过训练掌握美容工作的基础知识以及必备的操作技能。 2、课时分配 课时分配表 理论知识要求操作技能要求内容总课时授课复习内容总课时授课练习职业道德 8 7 1 ————基础知识 57 55 2 ————接待与咨接待与9 8 1 12 3 9 询知识咨询 护理美容护理美57 54 3 124 28 96 知识容 修饰美容修饰美39 36 3 94 24 70 知识容 机动机动 10 10 ——总计总计 180 160 10 240 55 175 总课时数:420课时 3、理论知识部分教学要求及内容 3.1职业道德 3.1.1教学要求 通过本章学习，使培训对象了解职业道德基本知识和职业守则的基本内容，以及美容师所应具备的从事美容服务行业的职业形象及基本素质，并在服务中与客户建立良好的关系。
3.1.2教学内容 (1)职业道德基本知识。 (2)职业守则。 (3)职业形象及素质。 3.1.3教学建议 培训时以美容师应具备的基本素质和职业道德标准为要点，提高学员对职业守则和行为准则重要性的认识。 3.2基础知识 3.2.1教学要求 通过美容基础知识的学习，使培训对象了解美容的基本概念、美容史、人体生理基础解剖知识、重点掌握美容院卫生与消毒知识、人体皮肤生理知识、美容化妆品基础知识、安全防火及相关法律法规知识。 3.2.2教学内容 (1)美容的基本概念 (2)美容史知识 (3)美容院卫生与消毒知识 (4)安全知识 (5)人体生理解剖常识 (6)人体皮肤生理知识 (7)美容化妆品基础知识 (8)相关法律法规知识 3.2.3教学建议
人脸识别技术的应用及方案 在当今社会信息安全问题备受人们的关注。自身安全和个人隐私保护成为这个时代的热门话题。基于密码、个人识别码、磁卡和钥匙等传统的安全措施已不能完全满足社会要求。在这样一个背景下，人们把目光投向了生物特征识别技术——利用人体固有的生理特征或行为特征来进行身份的鉴别或确认。 人脸识别技术优势 人脸识别作为一种新兴的生物特征识别技术(Biometrics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势： 1.使用方便，用户接受度高。人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。 2.直观性突出。人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。 3.识别精确度高，速度快。与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率较低。 4.不易仿冒。在安全性要求高的应用场合，人脸识别技术要求识别对象必须亲临识别现场，他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所很难做到的。举例来说，用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。 5.使用通用性设备。人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于目前计算机、闭路电视监控系统等已经得到了广泛的应用，因此对于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。 6.基础资料易于获得。人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。 7.成本较低，易于推广使用。由于人脸识别技术所使用的是常规通用设备，价格均在一般用户可接受的范围之内，与其它生物识别技术相比，人脸识别产品具有很高的性能价格比。 概括地说，人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性价比高的生物特征识别技术，具有极其广阔的市场应用前景。
东北石油大学 人脸识别技术 题目：浅谈人脸识别 专业：计算机科学与技术 班级：计科09-7 学号：090702140715 姓名：陈晨
浅谈人脸识别 在2008年的北京奥运会开幕式上，由中科院研究的人脸识别系统成功的得到应用为奥运期间的安全提供了一个快速高效的防范系统，同时也让人们见识了人脸识别，人脸识别技术相对于指纹识别、虹膜识别、掌纹识别、声音识别、静脉识别、步态识别研究起来更难更复杂，但是由于它的自然性和不被被测个体觉察的的优势吸引了一大批科学家进行研究，都目前为止也取得了一定的成绩。下面是我对人脸识别技术简单的了解。 人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。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。 一、人脸识别技术基本介绍 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。 二、人脸识别的研究范围 “人脸识别(Face Recognition)”的研究范围广义上讲大致包括以下5个方面的内容 1、人脸检测(Face Detection)：即从各种不同的背景条件下检测出人脸的存在并确定其位 置.这一任务主要受光照、噪声、面部倾斜度以及各种各样遮挡的影响. 2、人脸表征(Face Representation)：即采取某种表示方式表示检测出的人脸和数据的已知 人脸.通常的表示法包括几何特征(如欧氏距离、曲率、角度)、代数特征(如矩阵特征矢量)、 固定特征模板、特征脸、云纹图等. 3、人脸鉴别(Face Identification)(通常所说的“人脸识别”)：即将待识别的人脸与数据库中的已知人脸比较,得出相关信息.这一过程的核心是选择适当的人脸的表征方式与匹配策略,系统的构造与人脸的表征方式密切相关. 4、表情/姿态分析(Expression/Gesture Analysis):即对待识别人脸的表情或姿态信息进行分析,并对其加以归类. 5、生理分类(Physical Classification):即对待识别人脸的生理特征进行分析,得出其年龄、性别等相关信息。 从人的角度来看，他们之间并没有一个十分清晰和绝对的界限，实现其中之一往往也就同时实现了其他方面，他们之间存在着相互依赖的关系。不过，为了便于计算机自
基于人脸识别技术的应用 1.1 人脸识别技术的介绍 面部识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。现如今，人脸识别这个词已经慢慢走进了我们的生活，开始逐渐广泛的应用到日常生活之中。 手机、笔记本电脑中的人脸识别软件就是一个很好的例子，它帮助我们解锁手机、电脑，无需再输入密码，不用担心密码泄露从而导致的信息隐私泄露，它很好的帮助我们保护手机、电脑的安全。除此之外，人脸识别门禁系统开始应用于一些高档住宅和办公楼中，为人们省去了带钥匙刷卡的麻烦，也不用担心密码忘记的苦恼。人脸识别考勤机也正在被一些企业应用于日常管理。而一些美颜相机、美图软件的推出更迎合了消费者的市场。它可以自动识别人脸，并对人脸进行美化。甚至一些小游戏被开发出来，可将自己的脸与明星的脸比对相似之处，评价出你最有有谁的明星相。虽然这仅仅是一个游戏软件，只是供人们娱乐，真实度不高，但也可以看出现今人脸识别技术的广泛使用。 人脸识别技术在过去几年中得到了广泛的关注，正是因为它的应用程序涵盖了许多不同的领域。对于许多的应用程序来说，脸部识别系统的性能在可控的环境下已经达到了一个令人满意的水平。但是现有的大部分面部识别技术在不受控制的环境下识别性能明显下降。
人脸识别技术是生物识别技术的一种，它结合了图像处理、计算机图形学、模式识别、可视化技术、人体生理学、认知科学和心理学等多个研究领域。从二十世纪六十年代末至今，人脸识别算法技术的发展共经历了如下四个阶段[1]： 1.基于简单背景的人脸识别 这是人脸识别研究的初级阶段。通常利用人脸器官的局部特征来描述人脸。但由于人脸器官没有显著的边缘且易受到表情的影响，因此它仅限于正面人脸（变形较小）的识别。 2.基于多姿态表情的人脸识别 这是人脸识别研究的发展阶段。探索能够在一定程度上适应人脸的姿态和表情变化的识别方法，以满足人脸识别技术在实际应用中的客观需求。 3.动态跟踪人脸识别 这是人脸识别研究的实用化阶段。通过采集视频序列来获得比静态图像更丰富的信息，达到较好的识别效果，同时适应更广阔的应用需求。 4.三维人脸识别 为了获得更多的特征信息，直接利用二维人脸图像合成三维人脸模型进行识别，即将成为该领域的一个主要研究方向。 1. 2 人脸识别技术在国内的研究现状 国内关于人脸自动识别的研究始于二十世纪 80 年代，主要的研究单位有清华大学，哈尔滨工业大学，中科院计算所，中科院自动化
人脸识别技术的几个主要研究方向 1 引言 计算机人脸识别是指基于已知的人脸样本库,利用计算机分析图像和模式识别技术从静态或动态场景中,识别或验证一个或多个人脸。通常识别处理后可得到的基本信息包括人脸的位置、尺度和姿态信息。利用特征提取技术还可进一步抽取出更多的生物特征(如:种族、性别、年龄..) 。计算机人脸识别是目前一个非常活跃的研究课题，它可以广泛应用于保安系统、罪犯识别以及身份证明等重要场合。虽然人类对于人脸的识别能力很强，能够记住并辨识上千个不同的人脸，可是对于计算机则困难多了，其表现在：人脸表情丰富；人脸随年龄的增长而变化；发型、胡须、眼镜等装饰对人脸造成的影响；人脸所成图像受光照、成像角度以及成像距离等影响。 计算机人脸识别技术是近20年发展起来的，90年代更成为科研热点，仅从1990 年到1999年之间,EI 可检索到的相关文献多达数千篇，关于人脸识别的综述也屡屡可见[1] 。自动人脸识别系统包括两个主要技术环节首先是人脸检测和定位，然后是对人脸进行特征提取和识别（匹配）。本文着重介绍人脸识别技术的各类方法，通过对比指出各类方法的优缺点及今后的发展方向。 2 人脸检测和定位 人脸检测和定位即对于给定的一幅图像检测图像中是否有人脸,若有则确定其在图像中的位置,并从背景中分割出来。这是个极富挑战性的问题，因为人脸是非刚体，且人脸在图像中的大小和方向以及人的肤色和纹理等方面有很大的可变形。人脸检测问题主要有四种：（1）对于给定的一幅人脸图像，将其中的人脸定位并给出其位置；（2）在一幅混乱的单色场景图中检测出所有的人脸；（3）在彩色图像中检测（定位）所有人脸；（4）在某一视频序列中，检测和定位出所有人脸。文献[2]对人脸检测进行了较为详细的综述，指出常用的人脸检测方法有四种：（1）基于知识的方法；（2）基于人脸固定特征的方法；（3）基于模板匹配的方法；（4）基于外貌的方法（Appearance-based methods），在基于模板匹配的方法中所采用的是预先确定的模板，而在基于外貌的方法中其模板的选择是通过对一系列图像的学习而确定的。一般来说，基于外貌的方法依靠统计和学习技术来找出人脸和非人脸图像的相关特征。在该方法中有特征脸法、基于聚类的方法、神经网络方法和支持向量机的方法。CMU库是常用的人脸检测库，主要的算法评定指标为错误接受率（FAR）和错误拒绝率（ARR）。 3 人脸特征提取和识别 目前大部分研究主要是针对二维正面人脸图像，也有基于三维人脸模型的方法，还有一种所谓的混合系统的身份鉴定系统。 3.1 二维正面人脸识别 在对人脸图像进行特征提取和分类之前一般需要做几何归一化和灰度归一化。几何归一化是指根据人脸定位结果将图像中人脸变换到同一位置和同样大
人脸识别技术的应用背景及研究现状
人脸识别技术的应用背景及研究现状1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面： （1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。
这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineering in Univers ity of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：（1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较多。但是由于人脸特征的变化很大，很难得到有效的模板来表示人脸的共性。变形模板在原理上与固定模板相同，但其中包含一些非固定的元素，一种方法是手工构造参数化的曲线和曲面以表征人脸中的某些非固定特征，如眼睛，鼻子和嘴唇等。另一种方法是系统自动生成自适应的曲线或曲面，以构成变形人脸模板。检测方法是：将模板与测试图像进行弹性匹配，并加入惩罚机制，利用某种能量函数表示匹配程度。