人脸识别技术的发展与应用
人脸识别技术的发展历程与应用案例
人脸识别技术的发展历程与应用案例近年来，随着技术的不断发展，人工智能技术愈加成熟，人脸识别技术也逐渐走进人们的日常生活。
人脸识别技术是指基于数字图像处理、模式识别和计算机视觉等技术实现的人脸图像自动识别技术。
它应用广泛，从安保、金融、医疗到生活娱乐等领域都有应用。
下面将介绍一下人脸识别技术的发展历程和应用案例。
一、人脸识别技术的发展历程人脸识别技术的起源可以追溯到上世纪60年代，当时人们开始尝试使用计算机对人脸进行特征提取。
但当时的技术受限于计算机处理速度慢，数据量小等因素，无法实现准确的人脸识别。
直到20世纪90年代后，随着摄像头、计算机性能、算法和人工智能技术的不断改进，人脸识别技术才迎来了大发展。
在21世纪初期，人脸识别技术已经成熟到可应用于实际场景中。
其中，基于2D图像的传统人脸识别技术已经广泛应用于警务、金融、教育等领域。
而近年来，基于3D面部识别的技术已经开始发展，并且具有更高的精度和准确性。
二、人脸识别技术的应用案例1.公安领域在公安领域，人脸识别技术被广泛应用于视频监控、刑侦案件排查等方面。
以短视频平台为例，平台可以很好地根据用户的面部特征，快速呈现相关的短视频，这需要人脸识别技术的支持。
在刑侦领域，人脸识别技术有助于公安人员迅速通过视频监控系统辨认犯罪嫌疑人并加以抓捕，提高了破案效率。
2.金融领域在金融领域，人脸识别技术可以应用于ATM机、移动支付等方面，提高用户支付的安全性。
同样，人脸识别技术可以较高的精度通过检测用户脸部的重要性特征来防止账号被盗用。
3.医疗领域在医疗领域，通过人脸识别技术，医生可以在临床中更准确地诊断疾病，减少漏诊和误诊的情况。
同时，该技术可以用于医院内患者的身份识别和在医疗设备启动时的身份核验，提高医院管理运营的效率。
4.生活娱乐领域在生活娱乐领域，人脸识别技术的应用更多是智能家居、人脸支付、虚拟游戏等领域。
例如，在智能家居中，人脸识别可以根据个人的面部特征，配置家庭的创意和娱乐环境，提高居住体验。
人脸识别技术的发展历程与应用
人脸识别技术的发展历程与应用随着科技的不断发展，人们的生活越来越依赖于科技，人脸识别技术也是近年来快速发展的一项技术。
对于许多人来说，人脸识别技术已经不是陌生的概念了。
人脸识别技术早在上世纪70年代就开始应用于生活中，而近年来随着技术不断改进和应用场景越来越广泛，人脸识别技术的发展历程也变得越来越迅速。
一、人脸识别技术的发展历程人脸识别技术的起源可以追溯到上世纪70年代，当时的技术还十分原始，只能识别二值图像上的特征点。
80年代初，随着电视技术，数字图像处理以及计算机技术的快速发展，人脸识别技术逐渐得到了改进。
1991年，首个基于人脸识别技术的商业项目诞生。
1992年，美国M.I.T推出了名为"Eigenface"的人脸识别技术，这一技术不但可以在识别人脸的基础上还可以通过图像数据的处理生成人脸图像。
进入21世纪，随着深度学习、机器学习等相关技术的快速发展，人脸识别技术的性能得到了很大的提升。
2010年，美国M.I.T 的Ryan、Evan等人提出了DeepFace系统，这一技术在Labeled Faces in the Wild（LFW）数据集进行测试，识别率达到了97.35%。
随着科技的进步，现在的人脸识别技术已经非常成熟，准确率远高于人类，而且还可以通过增加数据量和改进深度学习算法等方式提高技术的识别准确率。
二、人脸识别技术在生活中的应用1. 安防领域人脸识别技术在安防领域中得到了广泛应用，如在银行、机场、地铁站等公共场所可以看到人脸识别技术的应用。
这种技术可以通过对比数据库中的人脸信息进行识别，从而达到防止恶意进入、保障人员安全等目的。
另外，人脸识别技术还能够高效地识别危险人物，为公共安全保驾护航。
2. 消费支付领域人脸识别技术也被广泛应用在消费支付领域。
通过人脸识别技术，用户就可以直接扫描自己的脸部进行付款。
虽然这种支付方式一开始存在一定的安全隐患，但是随着技术的不断改进以及数据加密等技术的应用，许多用户便开始接受这种支付方式。
人脸识别 毕业论文
人脸识别毕业论文人脸识别：技术的进步与隐私的考量人脸识别技术是近年来快速发展的一项领域，它的应用范围涉及到安全监控、身份验证、智能手机解锁等诸多领域。
然而，随着这项技术的普及和应用，人们开始关注其中的隐私问题。
本文将探讨人脸识别技术的发展、应用场景以及对隐私的影响。
一、人脸识别技术的发展人脸识别技术源于计算机视觉领域，其目的是通过分析和识别人脸图像中的特征，来实现对人脸的自动识别。
随着计算机硬件和算法的不断改进，人脸识别技术在准确度和速度方面取得了巨大的突破。
现在，人脸识别技术已经广泛应用于安全监控、边境检查、身份验证等领域。
二、人脸识别技术的应用场景1. 安全监控：人脸识别技术在安全监控领域具有重要的应用。
通过将人脸图像与数据库中的照片进行比对，可以实现对特定人员的追踪和监控。
这种技术在公共场所的安全保障方面发挥了重要作用。
2. 身份验证：人脸识别技术在身份验证领域也得到了广泛应用。
无论是解锁智能手机还是进入某些场所，人脸识别技术都可以提供一种便捷的身份验证方式，取代传统的密码或卡片。
3. 人机交互：人脸识别技术还可以用于改善人机交互体验。
例如，智能电视可以通过人脸识别技术自动调整画面亮度和音量，以适应观看者的需求。
三、人脸识别技术对隐私的影响尽管人脸识别技术在许多领域都带来了便利和安全，但它也引发了人们对隐私的担忧。
首先，人脸识别技术需要大量的个人生物信息，如面部特征和身份信息，这可能会导致这些信息被滥用或泄露。
其次，人脸识别技术的准确度和误识率仍然存在一定的问题，可能会导致误认和冤假错案的发生。
此外，人脸识别技术的使用范围越来越广泛，可能会对个人的行踪和习惯进行跟踪和分析，进一步侵犯个人隐私。
面对这些问题，我们需要在技术发展和隐私保护之间寻求平衡。
一方面，政府和企业应加强对人脸识别技术的监管和管理，确保其合法、合规的使用。
另一方面，个人也应提高自身的隐私保护意识，避免随意泄露个人生物信息。
人脸识别技术的发展现状与未来趋势分析
人脸识别技术的发展现状与未来趋势分析引言：随着科技的迅猛发展，人脸识别技术在各个领域得到了广泛应用。
从最早的依靠2D图像进行的简单识别，到如今采用3D人脸重建技术结合深度学习的精确识别，人脸识别技术的发展给我们的生活带来了极大的便利。
本文将从人脸识别技术的发展现状与应用、当前存在的问题以及未来的发展趋势等方面进行分析。
第一部分：人脸识别技术的发展现状与应用人脸识别技术是一种通过图像或视频来识别和验证人脸的自动化技术。
目前，人脸识别技术在安防领域得到了广泛应用。
无论是人脸登录认证还是人脸门禁，都能够提供高速、准确以及便利的身份认证方式。
此外，一些国家和地区还将人脸识别技术应用于公共安全监控中，能够在繁忙的公共场所实现快速追踪查找。
除了安防领域，人脸识别技术还广泛应用于金融、零售、教育、医疗等领域。
在金融领域，人脸识别技术在银行身份验证、支付安全等方面发挥重要作用。
在零售领域，人脸识别技术可以帮助商家更好地了解顾客，提供个性化推荐服务。
在教育领域，人脸识别技术可以应用于学生考勤、校园安全等方面。
在医疗领域，人脸识别技术能够辅助医生诊断，提高医疗服务效率。
第二部分：当前存在的问题虽然人脸识别技术在许多方面取得了重要的进展，但仍然存在一些问题。
首先，人脸识别技术对光线、角度、表情等因素非常敏感，不同的环境会对识别结果产生影响，降低了其准确性。
其次，个人隐私和数据安全问题也是人脸识别技术亟待解决的难题。
由于个人面部信息可以被用于追踪和监控，一些人对于其隐私受到侵犯的担忧也越来越大。
此外，黑客攻击和冒用他人身份也是人脸识别技术需要解决的难题。
第三部分：未来的发展趋势为了解决当前人脸识别技术存在的问题，未来的发展趋势主要包括以下几个方面：1. 深度学习与人脸识别的结合：深度学习作为当前最前沿的技术之一，在人脸识别领域发挥着重要作用。
以神经网络为基础的深度学习算法能够通过大量数据的训练提高准确度。
2. 3D人脸重建技术的发展：当前的人脸识别技术主要依靠2D图像进行识别，但是2D图像受到光照、角度等因素的限制。
人脸识别技术研究的意义应用与发展现状
人脸识别技术研究的意义应用与发展现状
一、人脸识别技术的意义
人脸识别技术是一种新兴的智能验证技术，它可以使用摄像头采集人脸特征数据，采用图像处理和分析技术，以及机器学习等多种技术实现人脸识别。
由于这种技术的应用，将大大提升我们的生活质量，减少不必要的安全隐患，能够更好的保护社会安全。
人脸识别技术的核心思想是通过读取人脸特征数据（亮度、颜色、纹理等），来识别人脸，从而实现安全认证。
它可以进行两人之间的比对，也可以比对两张照片，如果识别率较高，就可以实现更精准的身份验证与认证，从而保护个人信息，增强安全性，可以解决很多安全问题。
例如，在银行验证中，采用人脸识别技术可以有效地提高安全系数，减少冒充险；而在公共交通场景，则可以通过自动识别技术实现安全护卫以及有效的出行收费系统，从而更好地控制人流量。
同时，人脸识别技术也可以在社会活动中应用，例如活动报道、视频监控、社交保护等服务，可以帮助用户验证场景中不同角色的身份，增强安全性；也可以用于进行犯罪抓捕，减少犯罪负担。
目前，世界各国都在加大研发投入，加快人脸识别技术的发展。
人脸识别技术的发展趋势及未来展望
人脸识别技术的发展趋势及未来展望人脸识别技术是近年来迅速发展的一项前沿技术，它通过对人脸图像进行分析和比对，实现对个体身份的准确识别。
这一技术的应用范围广泛，包括安防监控、刷脸支付、人脸解锁等多个领域。
本文将从技术发展趋势、应用场景等方面进行探讨，展望人脸识别技术的未来。
一、技术发展趋势1. 深度学习技术的应用：深度学习技术的兴起为人脸识别技术的发展提供了强有力的支持。
通过使用深度神经网络进行特征提取和模式识别，使得人脸识别技术能够更加准确地进行身份验证。
未来，深度学习算法将继续优化，为人脸识别技术的性能提升提供更多可能。
2. 多模态融合技术的发展：除了单一的视觉信息外，人脸识别技术还可以结合其他感知模态信息，如声音、姿态等，进行多模态融合。
这样可以提高人脸识别的精确性和可靠性。
未来，多模态融合技术将会得到进一步的研究和应用，为人脸识别技术的发展带来更多可能性。
3. 移动化和嵌入式技术的进一步普及：随着智能手机等移动设备的广泛应用，人脸识别技术也将更多地应用于移动终端。
目前已经出现了一些支持人脸识别功能的智能手机，并且随着技术的不断进步，人脸识别技术在移动设备中的应用将更加普及。
二、应用场景1. 安防监控：人脸识别技术在安防监控领域有着广泛的应用。
传统的安防监控系统需要依靠人工操作进行视频监控，效率低下且易受人为因素的影响。
而人脸识别技术可以对监控视频进行自动分析和识别，大大提高安防监控的效率和准确性。
2. 刷脸支付：随着移动支付的普及，人脸识别技术也开始应用于刷脸支付领域。
用户只需通过摄像头对准自己的脸部，系统即可自动完成支付过程，方便快捷，并且具有更高的安全性。
3. 人脸解锁：人脸识别技术在手机解锁领域已经得到广泛应用。
用户只需通过扫描自己的脸部，手机即可自动解锁。
与传统的密码解锁相比，人脸解锁更加安全可靠，并且具有更好的用户体验。
三、未来展望1. 个人隐私保护：随着人脸识别技术的普及，个人隐私保护问题也日益成为人们关注的焦点。
人脸识别技术的应用发展现状与未来趋势
人脸识别技术的应用发展现状与未来趋势随着科技的不断进步和社会的不断发展，人脸识别技术已经逐渐融入我们的日常生活。
从最早的解锁手机、支付宝的刷脸支付，到如今的人脸门禁、人脸考勤等应用，人脸识别技术正逐渐改变我们的生活方式。
一、人脸识别技术的应用现状1. 安全领域在当今社会安全意识加强的背景下，人脸识别技术成为了多个领域重要的安全工具。
例如，人脸识别技术可以应用于公共场所的视频监控，通过分析与数据库中存储的人脸特征进行比对，及时发现异常情况，从而强化安全防控。
2. 金融领域人脸识别技术在金融领域被广泛应用。
银行利用人脸识别技术加强用户身份认证，提高交易的安全性。
同时，人脸识别技术还能应用于金融服务的个性化定制，通过对用户面部表情的识别，了解用户的情感状态，为用户提供更加个性化的服务。
3. 教育领域人脸识别技术在教育领域也有着广泛的应用。
从学生的考勤管理到教师的身份确认，这些工作都可以通过人脸识别技术实现，提高管理效率和准确度。
同时，人脸识别技术还可以应用于学生的情绪监测和学习习惯分析，为学校提供更加全面的教育服务。
4. 社会管理人脸识别技术在社会管理方面也有着广泛的应用。
例如，人脸识别技术可以应用于公共交通领域，实现对乘客的刷脸验证，提高安全性和便利性。
此外，人脸识别技术还可以应用于人员管理，例如边境口岸的出入境管理等。
二、人脸识别技术的未来趋势1. 智能家居未来，随着人工智能技术的不断发展，人脸识别技术将更广泛地应用于智能家居领域。
通过识别家庭成员的面部特征，智能家居系统可以根据个人的喜好和需求进行智能化的控制，实现更加智能、便捷的家居生活。
2. 医疗健康人脸识别技术也有望在医疗健康领域发挥更大的作用。
例如，通过对患者的面部特征进行识别，医疗系统可以快速准确地识别患者的身份和病情，为患者提供个性化的医疗服务。
此外，人脸识别技术还可以用于疾病的早期诊断和预防。
3. 市场营销人脸识别技术在市场营销方面也有着广阔的前景。
人脸识别技术的趋势与应用
人脸识别技术的趋势与应用随着互联网的普及和技术的不断发展，人脸识别技术成为了一种非常流行的技术，应用范围也越来越广泛。
本文将探讨人脸识别技术的趋势和应用，以及未来可能面临的挑战和改进方向。
一、人脸识别技术的趋势1. 硬件升级：近年来，手机、笔记本电脑等设备的内置摄像头已经成为了人脸识别的常见途径。
未来，随着硬件技术的不断升级，人脸识别的效果将会更加准确、快速。
2. 深度学习：深度学习技术是目前人脸识别技术的核心方法，它可以通过学习海量数据来提高识别准确性。
目前，很多公司和研究机构都在不断研究和优化这一技术，未来它的发展潜力还很大。
3. 数据库扩充：人脸识别技术的准确性和可靠性与数据量有着密切关系。
随着云计算、大数据等技术的推广，数据量将会不断增加，从而有助于提高人脸识别的准确性和稳定性。
4. 多行业结合：人脸识别技术将应用于更多的行业，例如安防、金融、医疗等。
这些应用行业的结合将进一步提高技术的可靠性和适用性。
二、人脸识别技术的应用1. 安防行业：人脸识别技术在安防行业的应用非常广泛，可以通过识别人脸来进行门禁系统、监控系统、出入库管理等方面的控制。
2. 金融行业：人脸识别技术在金融行业的应用也很广泛，可以通过识别人脸来确保用户身份和账户安全。
3. 医疗行业：人脸识别技术在医疗行业的应用可以用于医疗识别、身份认证等方面，可以有效地防止假冒和冒用行为。
4. 教育行业：人脸识别技术在教育行业的应用可以用于学生考勤、校园安全等方面的控制。
以上只是几种典型的应用场景，实际上人脸识别技术的应用场景还有很多，例如智能家居、智慧物流等等。
三、人脸识别技术的挑战和改进方向1. 非法使用：人脸识别技术在一定程度上可能被用于非法侵犯个人隐私，这需要相关部门加强监管和管理。
2. 误识率：目前人脸识别技术仍存在一定的误识率问题，这需要继续探索改进技术，提高识别准确率。
3. 光线影响：环境光线和背景噪声等影响人脸识别技术的效果，这需要探索更加稳定的识别技术。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
要的人脸识别方法：(1)几何特征的人脸识别方 间 的 距 离 ，嘴 唇 的 高 度 等 。更 进 一 步 地 ，T． 瓶颈的进一步突破，市场的进一步规范，人脸识
法：基于几何特征的方法是最早、最传统的人脸 Kanad设计了一个高速且有一定知识导引的半 别技术将有着广阔的应用前景，为我们的生活
识别方法，它主要是采用一些简单的人脸特征 自动回溯识别系统，创造性地运用积分投影法 带来更多的便利和安全。
人脸检测的速度才得到了实质性的提高，该算 粗分类。代表性工作有Goldstion、Harmon和
当 前 ，人 脸 识 别 技 术 的 应 用 还 没 有 做 到
法的发表也促进了人脸检测研究的进一步蓬 Lesk等人用几何特征参数来表示人脸正面图 “普及”，但是不能否认，它已经在开始影响着我
勃发展。
像。他们采用21维特征矢量表示人脸面部特征， 们的生活。我国人口规模巨大，经济增长迅速，
的。随着科学技术的发展及各种技术手段的 要研究人脸识别所需要的面部特征。在Ber- 开发的人脸识别技术已经达到了国际先进的
综合应用，人脸识别技术将在视频监控、访 tillon的系统中，用一个简单的语句与数据库中 水平。
问控制等领域有着广阔的应用前景。
的某一张脸相联系，同时与指纹分析相结合，提
2005年6月，公安部出入境管理局实施“深
29
活跃的一个研究方向。它避免了复杂的特征提 总体而言，目前建立一个鲁棒的人脸识别系统
取工作，可以通过学习的过程获得其他方法难 仍然是一个很困难的问题。非理想成像条件下
以实现的关于人脸识别的规律和规则的隐性 （尤其是光照和姿态）、用户不配合、大分庞大，因 数据库上的人脸识别问题逐渐成为研究的热
第一阶段是机械式识别阶段：早期的人脸 期开始，陆续出现了一些人脸识别的商业系统。
脸图像，通过检测对比人脸数据库中的所有 识别，是在已经得到一个正面人脸图像的基础 目前，国内一些科研院所和院校在人脸识别技
已知原型人脸图像来达到“辨认”身份的目 上进行的，以Bertillon、Allen、Parke为代表，主 术方面取得了很大进展，如科院自动化所自主
技 术 创 新
科技创新导报 2010 NO.21
Science and Technology Innovation Herald
人脸识别技术的发展与应用
姚丽君 （浙江工业大学信息工程学院 浙江杭州 310014）
摘 要:本文主要介绍了人脸识别技术的发展、常用的人脸识别技术方法以及人脸识别技术的实际应用。
ponent Analysis，PCA)，又称为特征脸方法 系统走向实际应用领域。不足的是，此类方法仍
2004,07.
（Eigenface），是目前最流行的识别方法之一。它 需要利用操作员的某些先验知识，仍然摆脱不 [2] 高文等.快速人脸检测技术综述 图法分
虽然可以有效地表示人脸信息，但是并不能有 了人的干预。
并设计了基于这一特征表示法的识别系统。 对可靠的人脸识别技术的需求也越来越迫切。
1 人脸识别的基本方法
Kaya和Kobayashi则采用了统计识别的方法， 通过一批专家学者孜孜不倦地努力，我国的人
人脸识别的方法很多，以下介绍一些主 用欧氏距离来表示人脸特征如嘴唇与鼻子之 脸识别技术已经不落后于发达国家。随着技术
类 号 :TP391.4.
效鉴别和区分人脸。(3)弹性图匹配的人脸识别
第三阶段是真正的机器自动识别阶段：20 [3] 李子青.人脸识别技术应用和市场分析,
方法：弹性图匹配法是一种基于动态链接结构 世纪90年代以来，人脸识别技术发展非常迅速，
2007,12.
的方法。实验表明，弹性图匹配方法识别性能优 所提出的算法在较理想图像采集条件、用户配 [4] 汤一平.基于多摄像机信息融合的人脸识
策略对其进行搜索以确定其中是否含有人 生了较高质量的人脸灰度图模型。但是，这一阶
2006年7月，中科院自动化所的人脸识别
脸 ，如 果 是 ，则 返 回 人 脸 的 位 置 、大 小 和 姿 段的人脸识别过程全部依赖于操作人员，没有 系统在中国人民银行济南分行金库开始使用，
态，接着对人脸进行识别。它是一个复杂的 实现系统的自动识别功能。
此训练时间很长，识别速度慢。
点问题。
2 人脸识别的发展历程
3 人脸识别技术的应用
按 照 人 脸 识 别 的 自 动 化 程 度 ，人 脸 识 别
人 脸 识 别 经 过 40 年 左 右 的 发 展 ，技 术 上
科技创新导报 Science and Technology Innovation Herald
使其成为国内首个用人脸来“把守”大门的金
具 有 挑 战 性 的 模 式 检 测 问 题 。同 时 ，人 脸 检
第二阶段是人机交互式识别阶段：这一阶 库。
测要走向实际应用，精度和速度是亟需解决 段所采用的主要技术方案是基于人脸几何结
2008年8月，中国科学院人脸识别技术成
的两个关健问题，自20世纪90年代以来，人 构特征（Geometric feature based）的研究方 功用于奥运会开闭幕式。实现了平安奥运的梦
等信息进行识别。这种算法识别速度快，需要的 从单幅图像上计算出一组脸部特征参数，再利
内存小，但识别率较低。(2)基于特征脸的人脸 用模式分类技术与标准人脸相匹配。Kanad的 参考文献
识别方法：主成分分析方法(Principal Com- 系统实现了快速、实时的处理，促进了人脸识别 [1] 山世光.人脸识别中若干关键问题的研究,
脸检测的精度得到了大幅度的提高，但是速 法，此方法的思想是首先检测出眼、鼻、嘴等脸 想，同时也开创了人脸识别技术奥运会应用的
度却一直达不到应用系统用户满意的程度， 部主要部件的位置和大小，然后利用这些部件 先河。
为此研究者们付出艰辛的努力，直到21世纪 的总体几何分布关系以及相互之间的参数比
Viola基于AdaBoost算法的人脸检测器的发表， 例来识别人脸，忽略了局部细微特征，更适合于 4 总结
关健词:人脸识别 特征脸 弹性图匹配
中 图 分 类 号 ：TP391.41
文 献 标 识 码 ：A
文 章 编 号 ：1674-098X(2010)07(c)-0029-01
人脸识别技术是目前被广泛研究的热门 的发展经历了以下三个阶段：
已经达到了一定的成熟度，从20世纪90年代中
课题。人脸识别技术就是利用计算机分析人
于特征脸方法，但是计算量和存贮量都比较大， 合、中小规模正面人脸数据库上达到了非常好
别 检 测 装 置 ( 专 利 ) 号 ：2 00 7 1 03 0 75 7 9 .6 .
识别的速度慢。(4)隐马尔可夫模型的人脸识别 的性能，也因此出现了若干知名的人脸识别商 [5] 王慧泽.基于AdaBoost算法和Fisher线性
人脸识别检测研究，主要包括人脸检测 供了一个较强的识别系统。为了提高脸部识别 圳－香港生物护照旅客快速通关系统”采用中
技术和人脸识别技术的研究。人脸识别检测 率，Allen为待识别脸设计了一种有效且逼真的 科奥森人脸识别系统。大大提高了来往旅客的
是指对于任意一幅给定的图像，采用一定的 摹写。Parke则用计算机实现了这一想法，并产 通关速度，并减轻了深圳边检总站的工作量。
6.
的变化有较好的鲁棒性，识别率高，缺点是实现 这一阶段内的主流技术。但是，主流的人脸识别 [7] 袁燕.人脸识别研究综述.电脑知识与技
的复杂度较高。(5)神经网络的人脸识别方法： 技术在非约束环境下(多姿态、遮挡等多种变化
术 ,2007,26.
基于神经网络的人脸识别方法是近几年比较 因素)，识别率下降非常快，不能满足实际应用。
方法：隐马尔可夫模型（HMM）是用于描述信 业公司，人脸识别的商业系统得到了进一步发
准则的人脸识别研究,2008,05.
号统计特性的一组统计模型，它不需要进行复 展。从技术角度上看，2D人脸图像线性子空间 [6] 刘洁.人脸识别技术综述.福建电脑,2007,
杂的人脸图像特征提取，优点是对姿态和环境 判别分析、统计表观模型、统计模式识别方法是