2  人脸识别技术综述

2。1  人脸识别概论

人脸识别是一种依据人的面部特征进行身份验证的技术。该技术依托于计算机视觉、图像处理、模式识别等多项技术的发展。一般情况下，人脸识别应用都要求短时间内做出快速反应。为了快速找出人脸基本特征，必须有合理、有效的算法对图像进行区分。考虑到人脸是三维立体的，而待识别的确是二维图像，在此投影的过程中必然会有许多特征的丢失。与此同时，平面旋转、光照、遮挡等都会给人脸识别造成阻碍。

2。2  人脸识别方法简介

目前常用的静态人脸图像识别方法主要有以下三种：

(1)。 特征脸法：主要采用主成分分析法用于人脸图像的表示与识别。特征脸方法根据人脸的样本图像计算每幅图像的标准差，进而根据样本标准差提取主特征向量和主特征值[8]。在识别过程中，将待识别样本的主成分特征与样本库中每一幅人脸图像的主成分特征比较，得到识别结果[9]。该类方法的优点是原理简单，运算效率高，对正面图像识别率高。但是受到外界环境影响时（如光照和位移等的变化），识别效果有所下降。来*自-优=尔,论:文+网www.chuibin.com

(2)。 图匹配法：即弹性模板匹配法，是模板匹配的一种改进。最简单的模板匹配是将整个灰度图像矩阵当作一个模板，将待识别人脸图像矩阵直接与库中模板进行比较，计算得到图像矩阵间的欧式距离，取最小的距离值进行匹配。此类方法的优点是对外界因素的抗干扰能力较强，缺点在于运算复杂度较高。

(3)。 神经网络法：神经网络方法因其固有的并行运算机制和分布式全局存储，也在人脸识别中得到广泛的应用[10]。常用的神经网络结构有先行自相联网、反向传播（Back Propagation, BP）网络、自组织映射（Self-Organization Map, SOM）网络、隐马尔科夫模型（Hidden Markov Model, HMM）等。此类方法将模型的统计特征存于神经结构中，将特征识别的过程模拟为一个神经网络中的搜索过程。此类方法的最大优点在于当图像有缺失或轻微形变的情况下，也能有效进行识别，但另一方面也具有训练过程复杂、算法收敛慢等很明显的问题。

2。3  人脸识别技术预备知识

2。3。1  哈尔分类器

由于直接利用图像强度使得特征的计算量很大，Viola 和Jones在哈尔小波的基础上提出了哈尔特征[11]。哈尔特征是一种物体识别的图像特征。一个简单的矩形哈尔特征定义为原图像中任意位置和尺度的矩形窗口中的像素的和的差异值，利用这些差值对图像的子区域分类，可以表示边缘、纹理等的特性[10]。