![](https://csdnimg.cn/release/download_crawler_static/88031262/bg5.jpg)
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。