APP下载

人脸识别技术发展综述

2020-05-13邵艳清

科教导刊·电子版 2020年3期
关键词:人脸识别特征提取深度学习

摘 要 随着人工智能的快速发展,人脸识别已成功运用到民生安防的各个领域。相比其他生物识别技术,人脸识别具有交互友好性、方便性等特点。本文主要介绍人脸识别发展的历程,并描述了常用人脸识别方法极其优缺点。

关键词 人脸识别 特征提取 深度学习

中图分类号:TP316文献标识码:A

0引言

人脸作为人体显著的生物特征之一,包含了丰富的个人信息。人脸识别便是基于人的脸部特征信息进行身份识别的一项技术,在公共安全和生活服务中的各种应用场景发挥着举足轻重的作用,如刷脸支付、人机交互、智能安防、视频监控等。目前,人脸识别算法的识别精度已经超越了人类的识别精度。本文围绕人脸识别技术展开论述,首先介绍人脸识别技术的发展历程,然后针对应用广泛的人脸识别方法进讨论。

一个完整的人脸识别过程如图1所示。首先是通过图像采集设备获取人脸图像,然后对采集的图像进行人脸检测从中分离出人脸,最后经过图像预处理等操作后进行特征提取,并进行特征比分类识别,从而得到识别结果。

1人脸识别技术的发展历程

人脸识别的发展主要经过以下几个阶段。20 世纪末人脸识别进入快速发展期,出现了众多经典方法如基于主成分分析 (Principal Component Analysis, PCA)、基于特征脸的 Eigenface 方法、基于线性判别分析(Linear Discriminant Analysis, LDA)的Fisherface。而后人脸识别研究进入了成熟期,这一阶段的研究主要是解决人脸识别中因外界因素带来的变化,如光照、表情、姿态、遮挡和噪声等。……

登录APP查看全文

猜你喜欢

人脸识别特征提取深度学习
人脸识别 等
揭开人脸识别的神秘面纱
基于Gazebo仿真环境的ORB特征提取与比对的研究
一种基于LBP 特征提取和稀疏表示的肝病识别算法
MOOC与翻转课堂融合的深度学习场域建构
大数据技术在反恐怖主义中的应用展望
深度学习算法应用于岩石图像处理的可行性研究
基于深度卷积网络的人脸年龄分析算法与实现
基于类独立核稀疏表示的鲁棒人脸识别
基于MED和循环域解调的多故障特征提取