参考——人脸检测文献综
附件一：
基于肤色的人脸检测系统的研究与实现文献综述一、人脸检测技术研究背景和意义
随着当今世界的发展，各个国家和地区间的人员流动越发频繁，安全部门都希望通过身份自动验证技术对往来人员进行管理，尤其是9.11事件之后，世界各国更是在人员的身份验证方面投入了大量的人力、物力。因此，身份验证技术在安全控制和金融贸易等方面的应用得到了飞速发展。在诸多的身份验证技术中，生物特征识别技术得到了新的重视，被公认为是最具应用潜力的识别技术之一。其中，人脸识别(Face Recognition )技术较其它生物特征识别方法有很大的优越性，特别是在在90 年代，随着微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。人脸识别从而得到快速发展，并成为研究热点，主要表现在它的方便性、快速性和非侵扰性。我们所研究的人脸检测( Face Detection)正是自动人脸识别系统中的一个关键环节，它是指在输入图像中确定所有人脸(如果存在)的位置和大小的过程【１】。
近几年来，人脸识别越来越广泛的应用于国家安全、金融、海关、民航等诸多领域。这种应用背景要求自动人脸识别系统能够对一般环境图像具有一定的适应能力，由此所面临的一系列问题使得人脸检测开始作为一个独立课题受到研究者的重视。今天，人脸检测的应用背景己经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。人脸检测是智能人机接口技术研究的基本内容。不仅是智能接口系统的重要功能模块，而且是其他智能感知系统的基础和前提。人脸检测技术为其他感知系统(人脸识别、表情识别、唇读等)的技术研究提供了前提条件，即有效、快速的人脸定位。人脸检测还是其他领域中的一项关键技术，例如、视频会议、基于对象的编码、应用视觉系统(如安全检查、保安管理)、Web搜索、二维人脸合成、视频检索、基于内容的图像检索等。在数字音频领域有广泛影响的MPEG 系列国际标准也在征求人脸检测算法【２】。
二、人脸检测系统的组成
对于人类来说，可以毫不费力地识别出人脸以及每个人脸部位的不同特征，但对于计算机来说，这却是一件比较困难的工作。让机器从复杂的图像中自动检测出人脸覆盖了众多科学领域的知识，如图像处理、模式识别、计算机视觉和神经网络等等。图１．１现实的是人脸检测的一般过程，它主要有图像获取、图像预处理、人脸检测定位、人脸区域验证四大部分组成：
图像预处理的主要作用在于尽可能地区处或者减少光照的影响以及成像系统和外部环境对于处理图像的干扰，为后续处理提供高质量的图像。主要包括：区噪声、光照均衡处理、大小和灰度归一化处理等等。
人脸检测定位的目的就是在输入图像中寻找人脸区域，把图像分成两个部分：人脸区域和非人脸区域。针对不同的场景和应用场合，存在着不同的人脸检测定位方法。
人脸区域验证主要用于排除被误检的人脸区域，这是一个基于知识的决策过程。本设计中，通过进一步提取人脸特征来对人脸区域进行最终验证。这一步骤在整个人脸检测中具有举足轻重的作用。
三、人脸检测技术的研究现状和技术难点
1、国内外人脸检测技术的研究现状
在国外，许多国家进行了人脸检测技术的研究，著名的研究机构有美国MIT 麻省理工学院的多媒体实验室和人工智能实验室，卡内基梅隆大学CMU的Human －Computer Interface Institute，SRI（斯坦福大学）研究中心，Microsoft Research 的Vision Technology Group以及英国的Department of Engineering in university of Cambridge等。综合这些国家的有关文献，人脸检测的方法主要分为基于显示特征的方法和基于隐式特征的方法。
国内进行人脸检测研究的主要机构有哈工大、中科院计算机所、清华大学、北京工业大学等。哈工大的研究者实现了一个复杂背景下的多级结构的人脸检测与跟踪系统，其中采用了模板匹配、特征子脸、彩色信息等人脸检测技术，能够检测一定旋转范围内的正面人脸，并可以跟踪任意姿态的运动的人脸，清华大学的研究人员对人脸肤色进行了较为系统地分析，并提出了基于颜色和特征的自适应人脸检测方法。北京工业大学的研究人员基于人脸器官特征，在边缘图像中提取横纹目标，提出了一个又粗到细的检测方法。中科院计算机所研制的“面像检测与识别核心技术”已成功应用于十六大中。这一重要成果标志着我国在人脸检测、面部特征提取、人脸识别与确认几个方面均达到了国际领先水平。
2、人脸检测在现实研究中存在的技术难点
开始于八十年代末、九十年代初的人脸检测的问题的探索，这一课题吸引了越来越多的研究者的兴趣，并取得了一批有意义的研究成果。但由于受到图像和视频捕捉设备的制约、一些背景因素的干扰以及被检测主体的各种变化等影响，人脸检测的速度和精度都有待于进一步提高，一些主要的问题和难点直到今天仍然没有得到很全面和有效的解决。
人脸是一个极为普通而又十分复杂的模式。人脸所蕴含的信息非常大，所以人脸的检测问题与其它物体的检测有较大区别。由于以下原因使得人脸检测工作非常困难，主要包括：⑴、复杂的背景。复杂的背景是指成像环境可以是室内或室外，可以以任意景物为背景，对光源没有特殊要求。⑵、人脸共性模式特征难以提取。⑶、人脸特征具有不确定性。有些人脸部长有胡须或带有眼镜、帽子等遮盖物，这也加大了人脸检测工作的艰巨性。⑷、图像的成像条件。光照的不均匀性特别是偏光的影响极大破坏了人脸特征空间分布的规律性，此外相机的性能也会影响人脸的外观。
四、人脸检测的主要算法及其发展过程和现状
国内外相关文献中提出了许多通过长期研究而得出的方法，概括而言，目前的人脸检测技术可分为基于启发式模型的方法和基于统计学习的方法。
1、基于启发式模型的方法
对一个典型的复杂背景下的人脸检测问题，基于启发式模型的方法首先要分割出一些初级的视觉特征，例如边缘特征、灰度特征、领色特征等。这些视觉特征还比较低级，不能包含太多的信怠量，需要对它做进一步的分析，即特织成高级的、具有全局概念的人脸特征。通过特征分析，人脸区域就可以被确定下来。
⑴、基于器官特征的方法
利用人脸五官的空间位置分布等规则，检测图像中是否有满足这些规则的图像块来检测人脸。Ki和Cipolla【３】利用了大量的特征，包括几何、空间、灰度等各种度量，对人脸进行粗定位。这是一种自底向上的方法。另外还有自顶向下的方法，最为经典的就是Yang和Huang【４】提出的镶嵌图(Mosaic Image)的方法。Morimoto和Flickner【５】在一个鲁棒性强的瞳孔定位技术的基础上，结合人脸结构信息，实现了多人脸的检测。
⑵、基于彩色信息的方法
人脸的肤色在颜色空间中的分布相对比较集中，利用这个特点可以检测人脸。这种方法的最大优点是对姿态变化不敏感。用彩色信息检测人脸的关键是合理选择色度坐标。常用的方案是将彩色的R. G, B分量归一化。目前人们研究最多的是如何提取彩色的色度信息，即将RGB彩色空间转化为其他彩色空间，以突出色度信息。
Martin【６】设计了肤色模型表征人脸颜色，利用一个感光模型对输入图像修
正和补偿，并建立人脸颜色分类器，其输出作为神经网络的输入进行检测。Tony 【７】等采用高斯混合模型(GMM, Gaussian Mixture Model)表示人脸肤色R、G、B 各分量的统计分布，通过阈值比较封断像素是否为人脸像素。DAI【８】等利用彩色信息并结合人脸的纹理特征，设计了SGLD共发矩阵方法进行检测。Wu【９】通过在XYZ彩色空间中，对人脸肤色和头发颜色的分布建立基于模糊逻辑理论的描述模型，通过计一算隶属度来确定人脸肤色区域。
⑶、基于形状分析的方法
从几何的观点和统计的角度来分析人脸的形状特征，主要是人脸的大小、对称性、形状参数等信息，这种方法作为细检测的途径，通常和基于彩色信息的方法结合在起使用。
⑷、基于模板匹配的方法
模板匹配的方法一般是先定义一个标准人脸模板，计算输入图像与模板的似然度，然后确定一个似然度阂值，用以判断该输入图像中是否包含人脸。标准人脸模板可以是固定的样板，也可以是带参变量的曲线函数，即变形模板。
梁路宏【１０】等提出双眼一人脸模板的方法，将平均脸的双眼模板剪裁出来，检测人脸时先用双眼模板再使用人脸模板，以提高匹配速度并取得更好的性能。
刘翼光【１１】将人脸图像二值化后，得到人脸轮廓，然后与模板库中不同大小的人脸模板匹配，根据图像与模板之间的距离及相关闭值判定取舍。
Yuille【１２】等提出用可变形模板来描述人脸的形状信息。马宇飞【１３】等利用广义Hough变换的思想，设计出了一种匹配人像边缘曲线可变形模板，提高主持人广播帧检测方法的通用性。山世光【１４】等设计了一种由粗到精的面部特征提取策略，在一定程度上解决了可变形模板参数初值确定的问题。
2、基于统计模型的方法
此类方法将人脸区域看作一类模式，即模板特征，使用大量人脸与非人脸样本训练、构造分类器，通过判别图像中所有可能区域属于哪类模式的方法实现人脸检测。实际上是把人脸检测问题转化为统计模式识别的二分类问题。
⑴、基于特征空间的方法
此类方法将人脸区域图像变换到某一特征空间，根据其在特征空间中的分布规律划分人脸与非人脸两种模式【１５】【１６】。
⑵、基于人工神经网络的方法
人工神经网络(ANN)方法是把模式的统计特性隐含在神经网络的结构和参数之中，对于人脸这类复杂的、难以显式描述的模式，基于神经网络的方法具有独特的优势。
Sung和Poggio【１７】首先对人脸样本集和非人脸样本集聚类，以测试样本与人脸样本集和非人脸样本集的子类之间的距离作为识别特征向量，利用多层感知
器(MLP)网络作为分类器。
Rowley等对正面端正人脸和正面旋转人脸的检测单独进行了研究【１８】【１９】。
⑶、基于隐马尔科夫模型的方法
用于描述信号统计特性的隐马尔科夫模型(Hidden Markov Models，HMM )目前也被应用于人脸检测，一般只使用人脸样本进行训练，主要针对用于人脸识别的头肩部图像。Nefian等【２０】根据正面人脸由上到下各个区域(头发、额头、双眼、鼻子、嘴)具有自然不变的顺序这一事实，使用一个包含五个状态的一维连续HMM加以表示，将头部图像按照这五个区域划分为互有重叠的条块，对各块进行K-L变换，选取前若干个变换系数作为观测向量训练HMM。后来还提出了基于嵌入式HMM的人脸检测方法【２１】，该方法同时考虑到人脸由左到右各个特征的自然顺序，使用了二维HMM并且采用二维DTC变换的系数作为观
察向量。
⑷、于支撑向量机的方法
支持向量机(Support Vector Machine, SVM)是Vapnik等提出的基于结构风险最小化原理(Structural Risk Minimization Principal,SRM)的统计学习理论【２２】用于分类和回归的问题。SRM使VC ( Vapnik Cherovnekis)维数的上限最小化，这使得SVM方法比基于经验风险最小化(Empirical Risk Minimization Principal.ERM)的人工神经网方法具有更好的泛化能力。
Osuna【２３】等将SVM方法用于人脸检测，对每一个19×19像素的检测窗口使用SVM进行分类，以区分人脸和非人脸窗口。
由于长期以来的训练SVM需要求解计算复杂度极高的二次规划问题，限制了该方法的应用。Platt【２４】提出的SMC (Sequential Minimal Optimization)算法解决了SVM训练困难的问题。
⑸、Adaboost方法
Paul Viola和Michael Jones于2001年提出了基于Adaboost的人脸检测算法【２５】。Adaboost算法通过一个迭代训练过程将一些弱分类器组合得到一个强分类器。在第一次训练出一个弱分类器后，训练样本的权重得到调整，从而使没有被第一次训练出的分类器正确分类的样本的权重增加。如此迭代下去，最终得到的分类器是对每次训练得到的弱分类器的一个线性组合。由于其中的每个简单分类器使用了计算速度非常快的特征，因此从根本上解决的检测的速度问题。Li 通过利用3个视角的检测器，实现了一个多视角的人脸检测算法。
在确定了人脸模型后，一个人脸检测系统还需要具有特征提取和分类决策的功能。这两个问题都是围绕着人脸模型来进行的。一般而言，特征提取可以在图像的空域或者频域实现。分类决策的方法是统计模式识别所研究的重要内容。早期的人脸检测集中于静止的图像，起步于基于特征的模型或者简单的模板匹配
技术，在空域上提取特征，能够完成简单的人脸检测任务。中期的发展开始采用基于模板的方法，用统计学习的方法建立人脸模型，可以实现复杂背景下的人脸检测，并且运用运动信息来考察视频流或图像序列中的人脸检测。近期，研究者的方向各不相同，有人从频域中提取特征，有人继续研究更复杂的统计模型，有人将最新的分类决策理论应用于人脸检测领域。在研究过程中，人们认识到：将多种技术结合在一起，利用多种信息可以提高人脸检测方法的效率，这也是未来发展的一个趋势。
参考文献：
【1】Yang M.H., Kriegman D.J.&Ahuja N．Detecting faces in images: a survey[J]．IEEE Trans.
on Pattern Analysis and Machine Intelligence，2002，Vo1.24 (1)：34-58
【2】梁路宏，艾海舟，徐光佑．人脸检测研究综述[J]．计算机学报，2002，Vo1.25 (5)：449--458
【3】Kin.C.Y&Cipolla R．Feature-based human face detection[J]．Image and Vision Computing, 1997, Vo1.15 (9)：713-715
【4】Yang G.&Huang T S．Human face detection in complex background[J]．Pattern Recognition, 1994, Vo1.27 (1)：53--63
【5】Morimoto C.&Flickner M．Real-time multiple face detection using active illumination[J]．Proceedings of the Fourth International Conference on Automatic Face and Gesture Recognition, 2001：26-30
【6】Martin H.&Hunke H．Locating and tracking of human faces with neural networks[J]．Techn.Rep. CMU-CS，1994：94一一155
【7】Tony S.&Pentland A．Parametrized structure from motion for 3B adaptive feedback tracking of faces[J]．IEEE International Conference on Computer Vision and Pattern Recognition, 1997：144-150
【8】Dai Y&Nakano Y．Face-texture model Eased on SGLD and its application in face detection in a color scene[J]．Pattern Recognition, 1996：Vo1.29 (6):1007-1017
【9】Wu H., Chen Q.&Yachida M．Face detection from color images using a fuzzy pattern matching method[J]．IEEE Trans on Pattern Analysis and Machine Intelligence, 1999：V o1.21
(6):557-563
【10】梁路宏，艾海舟，何克忠．墓于多模板匹配的单人脸检测[J]．中国图像图形学报，1999：V o1.4A (1)825--830
【11】刘翼光，沈理．利用Hausdorff距离人脸图像定位算法[J]．计算机研究与发展，2001, Vo1.38.(4):475---481
【12】Yuille A, Hallinan P&Cohen D．Feature extraction from faces using deformable templates[J]．International Journal of Computer Vision, 1992, V o1.8 (2)：99-111
【13】马宁七，白雪生，徐光佑等．新闻视频中日播帧检测方法的研究[J]．软件学报，2001，V o1.12 (3)：371-381
【14】山世光，高文，陈熙林．基于纹理分布和变形模板的面部特征提取[J]．软件学报，2001，V o1.12 (4)：570-577
【15】Moghadam B.&Pentland A．Probabilistic viaual learning for objects representation [J]．IEEE Trans. on Pattern Analysis and Machine Intelligence, 1997, V o1.19 (7)：696-710
【16】Zhu Y, Schwartz S.&Orchard M．Fast face detection using subspace discriminate wavelet Features[M]．IEEE Conference on Computer Vision and Pattern Recognition．Hilton Head Island，South Carolina, USA：2000，636--642
【17】Sung K&Poggio T．Example-based learning for view-based human face detection[J]．IEEE Trans on Pattern Analysis and Machine Intelligence, 1998, V o1.20 (1)：39-51
【18】Rowley H.A.&Baluja S．Neural network-based face detection[J]．IEEE Trans on Pattern Analysis and Machine Intelligence, 1998, V o1.20 (1)：23-38
【19】Rowley H.A., Baluja S.&Kanade T．Rotation invariant neural network-based face detection[J]．IEEE Conference on Computer Vision and Pattern Recognition, 1998：38-44 【20】Nefian A.V&Haves M.H．Face detection and recognition using hidden Markov models[J]．Proceedings of IEEE Conference on Image Processings, Chicago, 1998：141-145 【21】Nefian A.V&Haves M.H．An embedded HMM based approach for face detection and recognition[J]．Proceedings of IEEE Conference on Acoustics, Speech and Recognition,
Phoenix：Arizona．1999，3553-3556
【22】Boser B.E., Guyon LM.&Vapnik V N．A training algorithm for optimal margin classifier[J].
Proceedings of the 5TH ACM Workshop on Computational Learning Theory，Pittsburgh，
1992．144-152
【23】Osuna.E., Freund.R.&Girosi.F．Training support vector machines: an application to face detection[M]．Proceedings of IEEE Conference on Computer Vision and Pattern Recogflition，Pucrot Rico：1997．130-136
【24】Platt J．Using analytic GP and sparseness to speed training of support vectors[M]．MIT Press：1999．112-116
【25】Viola P&Jones M．Robust real time object detection[M]．8th IEEE International Conference on Computer Vision, Vancouver, British Columbia：2001．
NMF综述报告
人脸识别的非负矩阵分解(NMF)方法文献综述 摘要：人类对整体的感知是基于对部分的感知，NMF（非负矩阵分解，Non-negative matrix factorization）的思想正是源于此。通过对矩阵分解因子加入了非负性约束，使得对高维非负原始数据矩阵的分解结果不存在负值，且具有一定的稀疏性，因而得到了相对低维、纯加性、拥有一定稀疏特性的分解结果。与PCA（主成分分析，principal components analysis）等传统人脸识别方法相比，NMF的基图像就是人脸的各个局部特征，并且通过对经典算法的一系列优化，改进的NMF算法的识别率和鲁棒性较传统方法有着显著优势。此外，NMF在机器学习、语义理解等领域也有着重要应用。 关键词：非负矩阵分解（NMF）稀疏性改进的NMF 语义理解 一、引言 在实际中的许多数据都具有非负性，而现实中对数据的处理又要求数据的低秩性经典的数据处理方法一般不能够确保非负性的要求，如何找到一个非负的低秩矩阵来近似原数据矩阵成为一个关键问题。在这样的背景下，NMF方法应运而生。 NMF方法思想最早可以追溯到由Paatero和Tapper在1994年提出的正矩阵分解（Positive Matrix Factorization,PMF）[1]；此后1999年，Lee和Seung提出了一个以广义KL散度为优化目标函数的基本NMF模型算法，并将其应用于人脸图像表示[2]；2001年，Lee和Seung通过对基本NMF算法进行深入研究，又提出了两个经典的NMF算法，即基于欧氏距离测度的乘性迭代算法和基于广义KL散度的乘性迭代算法，并给出了收敛性证明[3]，这两种算法称为NMF方法的基准算法，广泛应用于各个领域。 但是在实际应用中，由于经典的基准NMF算法存在收敛速度较慢，未利用统计特征，对光线、遮挡等敏感，以及无法进行增量学习等问题，各种改进的NMF算法被提出。其中包括Lin提出的基于投影梯度（Projected Gradient，PG）的NMF方法[3]，该方法有着很高的分解精度；Berry提出的基于投影非负最小二乘（Projected Non-negative Least Square，PNLS）的NMF方法[5]，通过这种方法得到的基矩阵的稀疏性、正交性叫基准NMF方法都更好；此外还有牛顿类方法[6]和基于有效集[7]的NMF方法等。 二、NMF的基准算法 1.NMF模型 给定一个非负矩阵(即)，和一个正整数，求未知非负矩阵和，使得 用表示逼近误差矩阵。可以用下图表示该过程：
人脸识别技术综述
人脸识别研究综述 摘要：论文首先介绍了人脸识别技术概念与发展历史，解释人脸识别技术的过程与优缺点；随后对近几年人脸识别技术的研究情况与一些经典的方法进行详细的阐述，最后提出人脸识别技术在生活中的应用与展望。 关键词：人脸识别研究现状应用与展望 一、概念 人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流。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。 二、发展历史 人脸识别的研究历史比较悠久。高尔顿(Galton)早在1888 年和1910 年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章，对人类自身的人脸识别能力进行了分析。但当时还不可能涉及到人脸的自动识别问题。最早的AFR1的研究论文见于1965 年陈（Chan）和布莱索（Bledsoe）在Panoramic Research Inc.发表的技术报告，至今已有四十年的历史。近年来，人脸识别研究得到了诸多研究人员的青睐，涌现出了诸多技术方法。 三、过程与优缺点 人脸的识别过程： (1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。 (2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。 (3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库
最详细的论文参考文献规范格式说明
论文参考文献规范格式详解 一、文献格式的快速引用 （一）参考文献的类型 参考文献的类型（即引文出处）以单字母方式标识在文献名后并以方括号括起，具体类型标识如下： M ——专著、普通图书 C ——论文集 N ——报纸文章 J ——期刊文章 D ——学位论文 R ——研究报告 S ——标准 P ——专利 对于不属于上述的文献类型，采用字母“Z”标识。 （二）参考文献的格式及实例 1、专著类 【格式】[序号]作者.书名[M].出版地：出版社，出版年份：起止页码. 【举例】 [1] 张志建.严复思想研究[M]. 桂林：广西师范大学出版社，1989. [2] 马克思恩格斯全集：第1卷[M]. 北京：人民出版社，1956. [3] [英]蔼理士.性心理学[M]. 潘光旦译注.北京：商务印书馆，1997. [4] 葛家澍，林志军.现代西方财务会计理论[M].厦门：厦门大学出版社，2001：42. [5] Gill, R. Mastering English Literature [M]. London: Macmillan, 1985: 42-45. 2、论文集 【格式】[序号]作者.篇名[C].出版地：出版者，出版年份：起始页码. 【举例】 [1] 伍蠡甫.西方文论选[C]. 上海：上海译文出版社，1979：12-17. [2] Spivak,G. Victory in Limbo[C]. Urbana: University of Illinois Press, 1988, pp.271-313. [3] Almarza, G.G. Teacher Learning in Language Teaching [C]. New York: Cambridge University Press. 1996. pp.50-78. 3、报纸类 【格式】[序号]作者.篇名[N].报纸名，出版日期（版次）. 【举例】 [6] 李大伦.经济全球化的重要性[N]. 光明日报，1998-12-27(3). [7] French, W. Between Silences: A Voice from China[N]. Atlantic Weekly, 1987-8-15(33). 4、期刊类 【格式】[序号]作者.篇名[J].刊名，出版年份，卷号（期号）：起止页码. 【举例】 [1] 王海粟.浅议会计信息披露模式[J].财政研究，2004,21(1)：56-58. [2] 夏鲁惠.高等学校毕业论文教学情况调研报告[J].高等理科教育，2004(1):46-52. [3] 郭英德.元明文学史观散论[J]. 北京师范大学学报（社会科学版），1995（3）. [4] Heider, E.R.& D.C.Oliver. The structure of color space in naming and memory of two languages [J]. Foreign Language Teaching and Research, 1999, (3): 62–67.
APA参考文献格式
《心理学报》参考文献著录格式（著者-出版年制）详细要求 本刊参照文献要求基本参照了Publication Manual of the American Psychological Association (2010) 第6版的相关规定，中文文献有细节上的特殊要求。 总体要求 1 正文中引用的文献与文后的文献列表要完全一致。 ?文中引用的文献可以在正文后的文献列表中找到；文献列表的文献必须在正文中引用。 2 文献列表中的文献著录必须准确和完备。 3 文献列表的顺序 ?文献列表按著者姓氏字母（或汉语拼音）顺序排列；姓相同，按名的字母顺序排列；著 者姓和名相同，按出版年排列。 ?相同著者，相同出版年的不同文献，需在出版年后面加a、b、c、d……来区分，按文 题的字母顺序排列。如： Wang, M. Y. (2008a). Emotional…… Wang, M. Y. (2008b). Monitor…… Wang, M. Y. (2008c). Weakness…… 4 缩写 chap. chapter 章 ed. edition 版 Rev. ed. revised edition 修订版 2nd ed. second edition 第2版 Ed. (Eds.) Editor (Editors) 编 Trans. Translator(s) 译 n.d. No date 无日期 p. (pp.) page (pages) 页 V ol. Volume (as in V ol. 4) 卷 vols. volumes (as in 4 vols.) 卷 No. Number 第 Pt. Part 部分 Tech. Rep. Technical Report 技术报告 Suppl. Supplement 增刊 5 元分析报告中的文献引用 ?元分析中用到的研究报告直接放在文献列表中，但要在文献前面加星号*。并在文献列 表的开头就注明*表示元分析用到的的文献。 6 中文文献应给出相应的英文。先给出英文，然后把中文放在下面的方括号中。
基于matlab人脸识别技术 开题报告
毕业设计（论文）开题报告 毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2500字以上的文献综述，文后应列出所查阅的文献资料。 基于matlab人脸识别技术的实现 文献综述 一、MATLAB概述 MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。而在本文中主要用到的功能是图像处理功能。 二、BP神经网络概述 人工神经网络（Artificial Neural Net works，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connectionist Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 人工神经网络发展的主要历程有:20世纪50年代末,Rosenblatt提出的感知器模型和Widrow提出的自适应线性元件,出现了简单的线性分类器;1986年,Rumelhart和Mcllelland 提出了层网络“误差反向传播算法(BP)”,使有导师学习多层感知器网络(ML PN)模式分类器走向实用化,在此基础上又派生出若干前向网络,如径向基函数网络( RBFN)和函数链网络等;1982年,美国加州工学院的物理学家Hopfield提出的一种用于联想记忆和优化计算的反馈网络模型,由于引进了“能量函数” 的概念,使网络走向具体电路有了保证;20世纪70年代,Watanabe 提出了使用模式子空间的概念来设计不同类别对应的子空间,由不同类别聚类的子空间实现模式识别; Kohonen提出的自组织特征映射网络模型等都为神经网络模式识别理论提供了进一步的根据。 构成人工神经网络的三个基本要素是:神经元、络拓扑结构和网络的训练(学习)方法。神经元(节点)的作用是把若干输入加权求和,并对这种加权和进行非线性处理后输出。神经元的选择一般有以下特点:每个神经元都具有多个输入、个输出,具有闭值,采用非线性函数。 1、神经元
单样本人脸识别综述
单样本人脸识别综述 南京杭空航天大学 ELSEVIER 摘要 当前人脸识别技术主要挑战之一在于样本收集的困难性。很少的样本意味着在收集样本时付出更少的劳动，在存储和处理它们是付出更少的代价。不幸的是，许多现有的人脸识别技术很大程度上依赖于训练样本集的规模和代表性，如果系统中仅有一个训练样本，则将会导致严重的性能下降甚至无法工作。这种情况称之为“单样本”问题，即给出每人一幅人脸的存储数据库，目标是仅根据单幅人脸图像在不同的姿态、光照等条件下从数据库中识别人脸图像的身份。由于训练集非常有限，这样的任务队当前大多数算法而言都是非常具有挑战性的。现有许多技术正试图解决该问题，本文的目的是对这些算法进行分类和评估，对较为突出的算法进行了描述和批判的分析。并讨论了诸如数据采集、小样本规模的影响、系统评估等一些相关问题，同时提出了一些未来研究中具有前景的方向。 关键词：人脸识别；单训练样本 1 引言 作为少数几个同时具有高精度和低干涉的生物特征方法，人脸识别技术在信息安全、法律事实和监控、智能车、访问控制等方面具有大量的潜在应用。因此，在过去20年中人脸识别技术已经受到了来自学术和工业方面的极大关注。近来，一些作者已经从不同方面调查和评估了现有的人脸识别技术。例如，Samal et al. [4] and Valentin et al. [5]分别对基于特征和基于神经网络的技术进行了调研。Yang等[6]评述了人脸识别技术，Pantic and Rothkrantz[7]对自动面部表达分析进行了调研，Daugman [3]指出了涉及人脸识别系统有效性的几个关键问题，而最近的综述应该是Zhao et al. [1],他对许多最新的技术进行了评论。 人脸识别的目的是从人脸图像的数据库中的静态图像或视频图像中识别或验证一个或多个人。许多研究工作集中在怎样提高识别系统的精度，然而，大部分研究工作似乎忽视了一个可能来源于人脸数据库的潜在问题，即可能由于样本采集的困难或由于系统存储空间的限制，数据库中可能对每一个人只存储了一副样本图像。在这种条件下，诸如特征脸（Eigenface）和Fisher人脸识别技术等传统方法将导致严重的性能下降甚至无法工作（详见第2节）。这个问题称之为单样本问题，即即给出每人一幅人脸的存储数据库，目标是仅根据单幅人脸图像在不同的姿态、光照等条件下从数据库中识别人脸图像的身份。由于其挑战性和现实应用的重要性，这个问题很快成为了人脸识别技术近年来的一个研究热点，许多专用技术被开发来解决该问题，例如合成虚拟样本，局部化单一训练图像，概率匹配和神经网络方法。 本文最主要的贡献是给出这些从单一人脸图像进行人脸识别的特定方法一个综合的、评论性的综述。我们相信这些工作是对参考文献[1–7]的一个有用的补充，这些文献中所考察的大多数技术没有考虑单样本问题。实际上，通过对这个问题更多的关注和技术的详细研究，我们希望这篇综述能够对这些技术的基本原则、相互联系、优缺点以及设计优化提供更多深刻的理解。对一些相关问题，如数据收集、小样本空间的影响以及系统评估等也进行了讨论。 接下来我们首先试图建立有关什么是单样本问题以及为什么、何时应道考虑这个问题的一个公共背景。特别的，我们也讨论了该问题所不需要考虑的方面。在第三节我们继续回顾有关该问题的前沿技术。借此，我们希望能够借鉴一些有用的经验来帮助我们更有效地解决这个问题。在第四节中，我们讨论了有关性能评估的几个问题。最后，在第五节中我们通过讨论几个具有前景的研究方向对单样本问题进行了总结。
人脸识别发展趋势及应用领域分析
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
参考文献的一些格式
参考文献标准格式 参考文献类型：专著［M］，论文集［C］，报纸文章［N］，期刊文章［J］，学位论文［D］，报告［R］，标准［S］，专利［P］，论文集中的析出文献［A］电子文献类型：数据库［DB］，计算机［CP］，电子公告［EB］ 电子文献的载体类型：互联网［OL］，光盘［CD］，磁带［MT］，磁盘［D K］ A：专著、论文集、学位论文、报告 ［序号］主要责任者.文献题名［文献类型标识］.出版地：出版者，出版年.起止页码（可选） ［1］刘国钧，陈绍业.图书馆目录［M］.北京：高等教育出版社，1957.15 -18. B:期刊文章 ［序号］主要责任者.文献题名［J］.刊名，年，卷（期）：起止页码 ［1］何龄修.读南明史［J］.中国史研究，1998,(3):167-173. ［2］OU J P，SOONG T T，et al.Recent advance in research on appli cations of passive energy dissipation systems［J］.Earthquack Eng,199 7,38(3):358-361. C:论文集中的析出文献 ［序号］析出文献主要责任者.析出文献题名［A］.原文献主要责任者（可选）.原文献题名［C］.出版地：出版者，出版年.起止页码 ［7］钟文发.非线性规划在可燃毒物配置中的应用［A］.赵炜.运筹学的理论与应用——中国运筹学会第五届大会论文集［C］.西安：西安电子科技大学出版社，1996.468. D：报纸文章 ［序号］主要责任者.文献题名［N］.报纸名，出版日期（版次） ［8］谢希德.创造学习的新思路［N］.人民日报，1998-12-25（10）. E：电子文献 [文献类型/载体类型标识]：[J/OL]网上期刊、[EB/OL]网上电子公告、 [M/CD]光盘图书、[DB/OL]网上数据库、[DB/MT]磁带数据库 ［序号］主要责任者.电子文献题名［电子文献及载体类型标识］.电子文献的出版或获得地址，发表更新日期/引用日期 ［12］王明亮.关于中国学术期刊标准化数据库系统工程的进展［EB/OL］. https://www.360docs.net/doc/612057207.html,/pub/wml.html，1998-08-16/1998-10-01.
学报论文格式
文章编号：1673-2383(2016)00-0000-00 （空一行） XXXXXXXXXXXXXXXXXXXXXX* （空一行） XXX1，XXX2* （1. 一级单位二级单位，省份城市邮编；2. 河南工业大学粮油食品学院，河南郑州450052）（空一行） 摘要：摘要应是一篇独立的短文，可以独立使用。本刊要求采用报道性摘要。摘要中应包括目的(研究、研制、调查等的前提、目的和任务，所涉及的主题范围)、方法(所用的原理、理论、条件、对象、材料、工艺、结构、手段、装备、程序等)、结果(实验的、研究的结果、数据，被确定的关系，观察结果，得到的效果、性能等)、结论(结果的分析、研究、比较、评价、应用，提出的问题等)4部分，200～300字。摘要中要充分反映该研究的创新之处。( 注意事项:①摘要中第一句的开头部分,不要与论文标题重复;②把背景信息删去，或减到最少; ③只限于新的信息,过去的研究应删去或减到最小;④不应包含作者将来的计划;⑤不应包含不属于摘要的说法，如：“本文所描述的工作，属于……首创”;“本文所描述的工作，目前尚未见报道”;“本文所描述的工作，是对于先前最新研究的一个改进”。⑥一般不使用图表、方程式、化学结构式以及非标准或不通用的符号、术语和缩略语等。 关键词：关键词1；关键词2；关键词3 中图分类号: 分类号1 文献标志码： （以下为正文内容，通栏排，不要排双栏，一般为五号宋体） 0 引言 引言中应介绍本研究当前国内外的研究现状，要解决的问题，研究的意义。要有一定量的文献支持。 1 材料与方法 1.1 试验材料 注明试剂的级别，来源。注意拉丁学名的规范。 1.2 仪器与设备 注明型号，厂家。如：GC-2010型气相色谱仪：日本岛津公司。 1.3 试验方法 尽量引用文献，国标。此部分应略写，国标注明代码和名称即可，不用标注引用文献。不是自己创新的方法，不要详写。 2 结果与分析 2.1 几点写作要求 正斜体：变量名称用斜体单字母表示，需要区分时加下标；下标中由文字转化来的说明性字符用正体，由变量转化来的用斜体。计量单位、词头和量纲符号用正体，如nm, pF，μA等；运算符用正体，如∑（加和），∏（连乘），d（微分号）,δ（变分符号），Δ（有限增量符号）；有特定意义的缩写字，如exp, inf, def, Re, Im, T, const, max, min 等用正体；几个特殊常数用正体，如自然对数的底e, 圆周率π，虚数单位i(i2=－1,在电工学中常用j)。有固定定义的函数用正体，如sin, cot, exp, lg, ln, tanh, csch, arccot, arcsch等。 黑体：矩阵、矢量名称用黑斜体表示；特殊的集合符号，要使用空心正体，如N，Z，Q，R，C。 表格：表格要采用三线表，表头中使用量符号/量单位表示，如表1所示。要有英文标题。
人脸识别文献综述
文献综述 1 引言 在计算机视觉和模式识别领域，人脸识别技术（Face Recognition Technology，简称FRT）是极具挑战性的课题之一。近年来，随着相关技术的飞速发展和实际需求的日益增长，它已逐渐引起越来越多研究人员的关注。人脸识别在许多领域有实际的和潜在的应用，在诸如证件检验、银行系统、军队安全、安全检查等方面都有相当广阔的应用前景。人脸识别技术用于司法领域，作为辅助手段，进行身份验证，罪犯识别等;用于商业领域，如银行信用卡的身份识别、安全识别系统等等。正是由于人脸识别有着广阔的应用前景，它才越来越成为当前模式识别和人工智能领域的一个研究热点。 虽然人类能够毫不费力的识别出人脸及其表情，但是人脸的机器自动识别仍然是一个高难度的课题。它牵涉到模式识别、图像处理及生理、心理等方面的诸多知识。与指纹、视网膜、虹膜、基因、声音等其他人体生物特征识别系统相比，人脸识别系统更加友好、直接，使用者也没有心理障碍。并且通过人脸的表情/姿态分析，还能获得其他识别系统难以获得的一些信息。 自动人脸识别可以表述为：对给定场景的静态或视频序列图像，利用人脸数据库验证、比对或指认校验场景中存在的人像，同时可以利用其他的间接信息，比如人种、年龄、性别、面部表情、语音等，以减小搜索范围提高识别效率。自上世纪90年代以来，人脸识别研究得到了长足发展，国内外许多知名的理工大学及TT公司都成立了专门的人脸识别研究组，相关的研究综述见文献[1-3]。 本文对近年来自动人脸识别研究进行了综述，分别从人脸识别涉及的理论，人脸检测与定位相关算法及人脸识别核心算法等方面进行了分类整理，并对具有典型意义的方法进行了较为详尽的分析对比。此外，本文还分析介绍了当前人脸识别的优势与困难。 2 人脸识别相关理论 图像是人们出生以来体验最丰富最重要的部分，图像可以以各种各样的形式出现，我们只有意识到不同种类图像的区别，才能更好的理解图像。要建立一套完整的人脸识别系统(Face Recognetion System，简称FRS)，必然要综合运用以下几大学科领域的知识： 2.1 数字图像处理技术 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机
人脸识别技术综述解读
人脸识别研究 代上 （河南大学环境与规划学院河南开封 475004） 摘要：现今世界经济发展迅速，而面对繁杂的社会安全问题却显得有些捉襟见肘，人脸识别技术能够因通过面部特征信息识别身份而受到广泛关注。人脸识别通常使用采集含有人脸图像或视频流的设备，将收集到的人脸信息进行脸部检测,进而与数据库中已有信息进行对比确定被识别对象的身份,已经广泛的应用于公共安全、教育等多个方面，且在以后的社会发展中具有很大的应用前景。本文主要对人脸识别的发展历程、主要识别方法予以总结概括，并对其应用范围与发展趋势进行分析。 关键词：人脸识别；方法；应用；发展 1引言 人脸识别是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。该项技术目前应用到社会的各个领域，例如个人家庭自动门的安全系统、犯罪人的身份识别系统、银行自动取款的服务系统等。 人脸识别系统给人带了很多方便，应用能力很强，但是人脸识别仍然有很多阻碍其发展的困难之处。主要表现在：在收集图像中目标自身的影响；在系统收集图像的过程中容易受到各种外界因素以及系统收集图像之后由于其它因素造成的面部损伤所带来的影响；随着时间的变迁，人的面部逐步发生变化的影响。这些都对人脸识别技术的发展造成了一定的困难，也使得该项技术面临着多种挑战性。 2 人脸识别研究的发展历史与研究现状 2.1发展历史 很早在19世纪80年代就有关于通过人脸对人类的身份进行辨别的论文发表，但是由于技术水平与设备的限制，人脸识别技术并没有受到重视。直到20世纪60年代末，Blcdsoc[1]提出了人脸识别研究的雏形，人脸识别技术才被人们接受。 在人脸识别研究的早期阶段，人们主要研究的是人脸识别的各种方法，但是在实际应用方面却没有得到实质性的进展。 进入20世纪90年代末的时候，人脸识别技术进入了一个快速发展阶段，在这个时期各种新的人脸识别方法相继出现，并创建了人脸图像数据库，对人脸识别的发展起到了巨大的促进作用。在实际应用方面也取得了很大的进展，运用人脸识别技术的产品逐渐进入了社会市场。 进入21世纪以后，人脸识别技术已经逐步发展成熟，但是由于非理想条件如（光照、天气、姿态）的影响，对人脸识别技术的要求也更高。为了解决这些不利因素所造成的影响，研究者们一直努力寻找更加趋于完美的方法，从而减少这些因素所带来的不利影响。 2.2研究现状 近几年来，人脸识别技术已经从以前的认知阶段发展到了实际应用阶段。但是由于每个人的面部都会因为各种不同的原因发生改变，这给人脸识别带来了不小的影响。如光照不同
人脸识别技术综述 论文
本科生毕业论文（设计） 题目人脸识别技术综述 学院计算机学院 专业计算机科学与技术 学生姓名陶健 学号 0643041077 年级 2006 指导教师周欣 教务处制表 二Ο年月日
人脸识别技术综述 计算机科学与技术 学生陶健老师周欣 [摘要]随着社会信息化，网络化得不断发展，个人身份趋于数字化，隐性化，如何准确的鉴定，确保信息安全得到越来越多的重视。人脸识别，一种应用比较广泛的生物识别方法，在基于人脸固有的生物特征信息，利用模式识别和图行图像处理技术来对个人身份进行鉴定，在国家安全，计算机交互，家庭娱乐等其他很多领域发挥着举足轻重的作用，能提高办事效率，防止社会犯罪等，有着重大的经济和社会意义。 本文主要研究了人脸识别在图像检测识别方面的一些常用的方法。由于图像处理的好坏直接影响着定位和识别的准确率，因此本文对图像的一些识别算法做了着重的介绍，例如基于二维Gabor小波矩阵表征人脸的识别算法，基于模型匹配人脸识别算法等。此外，本文还提及了一般人脸识别系统的设计，并着重介绍了图像预处理环节的光线补偿，图像灰度化等技术，使图像预处理模块在图像处理过程中能取到良好的作用，提高图像识别和定位的准确率。 [主题词]：人脸识别；特征提取；图像预处理；光线补偿
Face Recognition Overview Computer Science Student：TAO Jian Adviser: ZHOU Xin [Abstract] With the information society, network was growing, personal identity tends to digital, hidden, how to accurately identify, to ensure that information security is more and more attention. Face recognition, an application of biometric identification methods more widely, based on biometric facial information inherent in the use of pattern recognition and image processing techniques to map line of personal identity ,play a great role in the national security, computer interaction, family entertainment and many other areas. Face recognition can improve efficiency, prevent social crime, of course it has significant economic and social significance. This paper studies aspects of face recognition in image detection and some common methods of identification. As the image processing directly impact on the accuracy of location and identification, so some of image recognition algorithm will be focused presentation, such as Gabor wavelet-based two-dimensional matrix representation of face recognition algorithms, model-based matching face recognition algorithm. In addition, the article also mentioned a general recognition system design, and highlights the image preprocessing part of the light compensation, gray image techniques, the image preprocessing module in the image processing to get to the good , and improve image recognition and positioning accuracy. [Key Words] Face recognition; feature extraction; image preprocessing; light compensation
2019年我国人脸识别技术发展情况及发展趋势综合分析
2019年我国人脸识别技术发展情况 及发展趋势综合分析 2019年2月14日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。 用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征 识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计2015-2020年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为100%；虹膜识别为100%；指纹识别复合增长率为73%。
全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。其中，2014年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为97.52%，可以说深度学习技术让计算机人脸识别能力超越人类的识别程度。
人脸识别与其他生物识别方式相比，优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触，而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像，在采集过程中体验感不佳。目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外，隐私性和安全性也是值得考虑的问题。 2、3D人脸识别与2D人脸识别数据对比 目前，国内的人脸识别技术已经相对发展成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利 保障、电子商务及安全防务等领域，人脸识别的全面应用时代已经到来。 中游人脸识别技术的进步，是推动下游场景应用拓展的关键所在。目前，人脸识别市场的解决方案主要包括2D识别、3D识别技术。市场上主流的识别方案是采用摄像头的2D方案，但由于人的脸部并非 平坦，因此2D识别在将3D人脸信息平面化投影的过程中存在特征信息损失。3D识别使用三维人脸立体建模方法，可最大程度保留有效 信息，因此3D人脸识别技术的算法比2D算法更合理并拥有更高精度。
参考文献的格式
请大家注意，参考文献必须严格按照下列格式来写，包括标点、空格等等。 参考文献 [2] 王继梅. 金连甫. Web服务安全问题研究和解决. 计算机应用与软件. 2004年02期. P91-93 [3] https://www.360docs.net/doc/612057207.html,. Web Services的安全性. https://www.360docs.net/doc/612057207.html,/webservices/0004/Course_pdf/chapter07.pdf [4] Mandy Andress. The road to secure Web services. January 10, 2002. https://www.360docs.net/doc/612057207.html,/articles/tc/xml/02/01/14/020114tcsecure.html [5] Martijn de Boer. Single sign on for web service. Apr 18, 2005. https://https://www.360docs.net/doc/612057207.html,/thread.jspa?threadID=35990&messageID=343047 [6] Martijn de Boer. Single sign on for web service. Apr 18, 2005. https://https://www.360docs.net/doc/612057207.html,/thread.jspa?threadID=35990&messageID=343047 [7] Frank Cohen. Using Web services for e-Commerce single sign-in. 01 Jan 2002. https://www.360docs.net/doc/612057207.html,/developerworks/webservices/library/ws-single/ [8] OASIS Security Services (SAML) TC. https://www.360docs.net/doc/612057207.html,/committees/security [9] John Fontana. Microsoft follows Liberty Alliance in SAML support. Network World Fusion. 2002. https://www.360docs.net/doc/612057207.html,/news/2002/0716msla.html [10] 马亚娜, 钱焕延. Passport单一登录协议及其安全性分析. 计算机工程. 2000年10月. 第 26卷. P138-142 [11] Liberty Alliance Project. "Liberty Architecture Overview, Vision 1.1". http:// https://www.360docs.net/doc/612057207.html,/docs/sso/liberty-architecture-overview-v1.1.pdf [12] Liberty Specs Tutorial. https://www.360docs.net/doc/612057207.html,/resources/tutorial_draft.pdf [13] 孙志永, 伊利贵, 丁勇, 李伟. 软件2002迎接新希望. 2002-1-8. https://www.360docs.net/doc/612057207.html,/zt68/200218/36195.htm [14] W3C, Extensible Markup Language (XML) 1.0, W3C Recommendation 10-February-1998 [15] https://www.360docs.net/doc/612057207.html,. XML入门. https://www.360docs.net/doc/612057207.html,/webservices/0004/Course_doc/chapter02.doc [16] XML的优点.
(完整版)2019年我国人脸识别技术发展情况及发展趋势综合分析.doc
2019 年我国人脸识别技术发展情况 及发展趋势综合分析 2019 年 2 月 14 日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征 识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计 2015-2020 年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为 100%；虹膜识别为 100%；指纹识别复合增长率为73%。
全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进 - 专业市场导入 - 技术完善 - 技术应用 - 各行业领域使用等五个阶段。其中， 2014 年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“ DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为 97.52%，可以说深度学习技术让计算机人脸识别能力超 越人类的识别程度。
参考文献的正确格式要求
三一文库（https://www.360docs.net/doc/612057207.html,）/毕业论文/论文格式 参考文献的正确格式要求 一、参考文献的类型及其标识 1、根据gb 3469规定，以单字母方式标识以下各种参考文献类型： 参考文献类型 专著;论文集;报纸*;期刊*;学位论文;报告;标准;专利; m c n j d r s p 2、对于专著、论文集中的析出文献，其文献类型标识建议采用单字母“a”;对于其他未说明的文献类型，建议采用单字母“z”。 3、对于数据库、计算机程序及电子公告等电子文献类型的参考文献，建议以下列双字母作为标识： 电子参考文献类型数据库计算机程序电子公告 电子文献类型标识db cp eb
电子文献载体类型及其标识：磁带(magnetic tape)——mt，磁盘(disk)——dk，光盘(cd-rom)——cd，联机网络(online)——ol，[文献类型标识/载体类型标识] 如：[db/ol]——联机网上数据库(database online)[db/mt]——磁带数据库(database on magnetic tape)[m/cd]——光盘图书(monograph on cd-rom)[cp/dk]——磁盘软件(computer program on disk)j/ol]——网上期刊(serial online)[eb/ol]——网上电子公告(electronic bulletin board online) 二、各类参考文献条目的编排格式及示例 a.专著、论文集、学位论文、报告 [序号]主要责任者.文献题名[文献类型标识].出版地：出版者，出版年.起止页码(任选). [1]刘国钧，陈绍业，王凤翥.图书馆目录[m].北京：高等教育出版社，1957.15-18. [2]辛希孟.信息技术与信息服务国际研讨会论文集：a集[c].北京：中国社会科学出版社，1994. [3]张筑生.微分半动力系统的不变集[d].北京：北京大学数学系数学研究所，1983.