5
分析技术对人脸图像进行特征提取和建模。
这个阶段所提出的算法在理想图像采集条件，人员配合，中小规模正面人脸数据库上
达到了非常好的性能。，也诞生几个著名的人脸识别系统。
第三阶段（1998 年—现在）这个时期关于人脸识别的研究非常热门。有大量的研究人
员从事这方面的研究。主要针对的是主流的人脸识别技术在采集条件不理想和用户不配合
下鲁棒性差的问题。光照和姿态问题成为了研究焦点。
这个时期主要成果有：
Georghiades 等人基于光照锤模型的多姿态，多光照条件人脸识别方法。Blanz 和 Vetter
等人基于 3D 变形模型的多姿态，多光照的人脸识别方法。Shashua 等人基于上图像的人脸
图像识别与绘制技术。
总体而言，目前非理想成像条件下（尤其是光照和姿态），对象不配合，大规模人脸
数据库上的人脸识别已逐渐成为研究的重点。而非线性建模方法，统计学习理论，基于
Boosting 的学习技术，基于 3D 模型的人脸建模与识别方法等逐渐成为备受重视的技术发
展趋势。
从整个人脸识别的研究历史来看，基于 PCA 的特征脸识别方法占据了非常重要的地位，
也对后来的人脸识别技术产生甚远的影响。在后来很多的人脸识别技术，我们或多或少都
会发现它的影子。人脸图像维数都很高，PCA 方法不但很好表征人脸而且通过去除相关性，
减少冗余，解决了在人脸识别过程中图像为数过高的问题。并且随着现代社会的发展，快
速人脸识别的需求越来越大。所以研究基于 PCA 的人脸识别算法的实现还是有实际意义。
1.1.2 人脸识别的发展趋势
人脸识别至今虽然取得了丰硕的研究成果，但是还有很多问题需要解决。人脸识别的
难度在于：人脸是非刚性物体，并且会随着年龄的增长而改变，特征难以完全描述；人脸
常常有许多遮挡物，如：眼镜，帽子等；环境的光照和人脸的姿态等。人脸识别的未来主
要的发展趋势如下：
1) 多数据融合与方法综合
人脸识别技术经过这几十年的发展，已取得非常不错的成果。但是各种技术和方法都
有自己不同的适应环境和各自的特点。如何使用数据融合理论，将不同的方法综合起来，
相互补充，来取得较好的人脸识别效果，便成为人们的研究热点之一。
2) 动态跟踪人脸识别系统
目前的静态人脸识别技术只能满足一般身份识别场合如门禁系统，考勤系统等，无法
进行人脸的动态跟踪与识别。随着现在社会的发展，目前对动态人脸的跟踪与识别的需求
越来越大，尤其是在一些安全领域。
3) 基于小波神经网络的人脸识别
小波自提出以来，其理论和应用得到了长足的发展。它被认为是傅里叶分析的突破性
的发展。随着神经网络的理论研究的深入，与小波，混沌，模糊集等非线性理论相结合已
成为一个非常重要的发展方向。小波变换具有时频特性和变焦特性，神经网络具有自学习，
自适应，鲁棒性，容错性和推广能力。如果能结合两者的优势，将会取得人脸识别不错的
效果。
剩余24页未读，继续阅读
