人脸识别背景及其方法
最新人脸识别技术的应用背景及研究现状
最新人脸识别技术的应用背景及研究现状人脸识别技术（Face Recognition）是一种通过数字摄像头或者监控摄像头采集的人的面部图像，通过计算机算法分析和处理面部特征以完成身份认证和识别的技术。
它广泛应用于安全检测、人脸门禁、自动人脸识别系统等领域。
首先，人脸识别技术在安全检测领域有广泛应用。
传统的安全检测方式需要通过人工监控或者密码刷卡等方式进行身份认证，成本高且效率低。
而人脸识别技术可以通过高效的人脸识别算法，快速准确地识别出人脸信息，实现自动识别身份的目的，大大提高了安全检测的效率和准确性。
其次，人脸识别技术在人脸门禁领域也有广泛应用。
传统的门禁系统需要通过刷卡或者输入密码来进入，但是这种方式存在风险，如卡片遗失或者密码被泄露。
而人脸识别技术可以通过识别人脸特征，实现非接触式的门禁系统，提高了门禁系统的安全性和方便性。
在研究方面，目前人脸识别技术已经取得了很大的进展。
特别是深度学习的发展，为人脸识别技术提供了强大的算法支持。
传统的人脸识别算法主要基于特征提取和匹配的方法，但是这种方法无法解决人脸表情变化、光照变化等问题。
而深度学习技术可以通过大量的训练数据自动学习人脸的特征表示，大大提高了人脸识别的准确性和鲁棒性。
此外，在人脸识别技术研究中还存在一些挑战。
首先是数据方面的挑战，人脸识别需要大量的标注数据进行算法训练，但是获取大规模的标注数据是一项巨大的工程。
其次是算法的可解释性问题，深度学习的算法虽然可以提高人脸识别的准确性，但是其内部的工作原理并不容易解释。
此外，人脸识别技术还存在着隐私和安全问题，例如人脸数据的收集和使用可能涉及个人隐私泄露的风险。
综上所述，人脸识别技术在安全检测、人脸门禁、自动人脸识别系统等领域有广泛应用，并且在研究方面也取得了很大的进展。
随着深度学习和大数据的发展，人脸识别技术有望在未来进一步提高准确性和鲁棒性，并且在更多的领域得到应用。
基于深度学习的人脸识别技术
基于深度学习的人脸识别技术一、背景介绍人脸识别技术是一种现代化的信息技术，它在安防、智能家居、金融等方面得到了广泛应用。
人脸识别技术的发展历程可以追溯到上个世纪六十年代。
随着计算机的发展和人工智能技术的进步，人脸识别技术也在不断发展。
而基于深度学习的人脸识别技术是当前最先进的人脸识别技术，具有更高的准确性和鲁棒性。
二、基本原理基于深度学习的人脸识别技术的核心是卷积神经网络（Convolutional Neural Network，CNN）。
在人脸识别中，CNN主要实现了两个步骤：人脸检测和人脸识别。
1、人脸检测人脸检测是指在图像或视频流中，通过计算机算法和技术，自动或半自动地找出图像中包含的人脸并进行定位的过程。
在基于深度学习的人脸检测中，主要使用了区域卷积神经网络（Region-based Convolutional Neural Network，R-CNN）和快速区域卷积神经网络（Fast R-CNN）等方法。
2、人脸识别人脸识别是将图像中的人脸进行比对和匹配，从而确定这张人脸的身份的过程。
在基于深度学习的人脸识别中，主要使用了卷积神经网络和循环神经网络（Recurrent Neural Network，RNN）等方法。
三、应用场景基于深度学习的人脸识别技术已经广泛应用于安防、金融、智能家居等领域。
1、安防领域在安防领域中，基于深度学习的人脸识别技术可以实现人员进出监控、黑名单管理、犯罪现场侦查等功能，具有高效、准确、实时、智能的特点。
2、金融领域在金融领域中，基于深度学习的人脸识别技术可以实现账户认证、开户、支付等功能，具有高安全性、高便捷性的特点。
3、智能家居领域在智能家居领域中，基于深度学习的人脸识别技术可以实现人脸门禁、智能家电控制等功能，具有高度个性化、智能化和便捷性的特点。
四、发展前景基于深度学习的人脸识别技术在未来的发展中具有广阔的前景。
随着大数据和人工智能技术的不断发展，基于深度学习的人脸识别技术可以更好地满足实际场景的需求，并不断提高其准确性和鲁棒性。
人脸识别技术的应用背景及研究现状
人脸识别技术的应用背景及研究现状
一、人脸识别技术的应用背景
随着社会的进步，人们的安全感越来越重要，政府、企业以及各个机构都希望能够实施安全的人员考勤系统。
考勤系统的安全性是考勤系统的重要组成部分，而人脸识别技术就可以满足这一需求。
人脸识别技术是指利用技术工具将一张图片中的人脸图像进行记录、保存、分析和识别的过程，以此来判断图像中的人是否为记录的其中一特定人的身份。
它是利用复杂的数据处理技术分析人脸形状特征，从而实现人脸识别的一种有效的方式。
由于识别过程无需受被识别者的同意，不会受到外来干扰，因此，人脸识别技术被广泛应用于考勤系统中，取代传统的传呼机考勤，使考勤更加安全、便捷。
二、人脸识别技术的研究现状
早在20世纪，科学家就从事人脸识别技术的研究，但是，由于计算能力的受限，在20世纪末，人脸识别技术仍然处于发展初期。
直到90年代中期，随着计算机技术的发展，深度学习技术的应用，及多模态数据的处理等，人脸识别技术逐渐发展成熟。
今天，人脸识别技术已经发展到比较成熟和完善的阶段，可以在各种应用场合使用，如安全监控系统中实现人脸识别，以及智能门禁系统，以及考勤系统等。
人脸识别技术研究背景与方法
人脸识别技术研究背景与方法1人脸识别技术研究背景 .................................................................................... 错误!未定义书签。
1.1人脸检测技术概述 ................................................................................. 错误!未定义书签。
1.2人脸检测的研究内容 ............................................................................. 错误!未定义书签。
2 人脸检测方法 ................................................................................................... 错误!未定义书签。
2.1基于知识的方法 ..................................................................................... 错误!未定义书签。
2.2基于特征的方法 ..................................................................................... 错误!未定义书签。
2.3模板匹配 ................................................................................................. 错误!未定义书签。
2.4基于外观的方法 ..................................................................................... 错误!未定义书签。
人脸识别技术的应用背景及研究现状
人脸识别技术的应用背景及研究现状1．人脸识别技术的应用随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。
作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。
当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。
与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。
除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。
当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。
??（2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。
?（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。
当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。
这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。
（4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。
（5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。
此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。
2．人脸识别技术在国外的研究现状当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，着名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer Interface Institute，M icrosoft Research,英国的Department of Engineering in University of Cambridge等。
人脸识别技术如何应对剧烈光线变化和背景问题
人脸识别技术如何应对剧烈光线变化和背景问题随着科技的不断发展，人脸识别技术已经成为了现代社会中一种重要的身份认证方式。
然而，人脸识别技术在实际应用中常常面临着剧烈光线变化和背景问题的挑战。
本文将探讨人脸识别技术在应对这些问题时的方法和策略。
首先，剧烈光线变化是人脸识别技术面临的一个主要问题。
在室内外环境中，光线的强弱不可避免地会发生变化，这对于人脸识别系统来说是一个巨大的挑战。
为了解决这个问题，研究人员们通过改进算法和硬件设备来提高人脸识别系统的鲁棒性。
一种常见的方法是使用多光谱图像。
多光谱图像可以同时捕捉不同波长的光线，从而提供更多的信息来识别人脸。
此外，一些研究人员还尝试使用红外光谱图像来进行人脸识别，因为红外光谱图像对于光线变化不敏感。
这些技术的应用可以有效地提高人脸识别系统在剧烈光线变化下的性能。
除了光线变化，背景问题也是人脸识别技术需要解决的一个重要问题。
在实际应用中，人脸图像往往包含了大量的背景信息，这些信息可能干扰人脸识别系统对人脸的准确识别。
为了解决这个问题，研究人员们提出了一系列的方法。
一种常见的方法是使用背景建模和分割技术。
通过对图像中的背景进行建模和分割，可以将背景信息与人脸信息进行有效地分离，从而提高人脸识别系统的性能。
此外，一些研究人员还尝试使用深度学习技术来进行背景建模和分割，这种方法可以更准确地提取人脸信息，并进一步提高人脸识别系统的性能。
除了背景建模和分割，还有一些其他的方法可以用来解决背景问题。
例如，一些研究人员提出了一种基于纹理特征的人脸识别方法。
这种方法通过提取人脸图像中的纹理特征，可以有效地区分人脸和背景，并提高人脸识别系统的性能。
此外，一些研究人员还尝试使用三维人脸建模和重建技术来解决背景问题，这种方法可以更准确地提取人脸信息，并进一步提高人脸识别系统的性能。
综上所述，人脸识别技术在应对剧烈光线变化和背景问题时面临着一些挑战。
然而，通过改进算法和硬件设备，研究人员们已经取得了一些重要的进展。
人脸识别技术的应用背景及研究现状
人脸识别技术的应用背景及研究现状一、引言人脸识别技术，是指通过运用计算机技术，对输入的包含人脸信息的图像或视频数据进行处理和分析，实现人脸的自动检测、识别和跟踪等功能。
自从20世纪80年代得以实现人脸识别技术以来，随着人类需求和科技进步，人脸识别技术的应用越来越广泛，研究也日益深入。
本文将探究人脸识别技术发展的应用背景和研究现状。
二、应用背景人脸识别技术可应用于多个领域，下面分别从以下五个方面进行阐述：1.公安安防领域：通过人脸识别技术，可以实现对陌生人、目标人物和危险人员的自动识别，从而提高公安安防管理的精确性和实时性。
2.社会福利领域：人脸识别技术可以用于医疗保险、生态福利、失踪人员找寻等多个方面，提高福利领域的效率和匹配度。
3.金融支付领域：随着行业的快速发展，移动支付、人脸支付等新兴支付方式越来越多地受到人们的青睐。
人脸识别技术可以为支付过程和支付安全提供更加便捷和精确的保障。
4.教育领域：人脸识别技术可以用于校园安全监控、考勤签到、课堂教学、学生管理等多个方面，提高教育领域的管理效率和服务质量。
5.企业管理领域：人脸识别技术可为企业提供精准、高效、安全的人才管理服务，以及员工考勤、门禁管理、安全检测等多个方面，极大提高企业的管理水平和运营效率。
三、研究现状目前，人脸识别技术的研究主要涉及以下几个方面：1.人脸检测技术：人脸检测技术是指通过图像分析，自动判断图像中是否存在人脸。
近年来，随着深度学习的发展，基于深度学习的人脸检测技术得到了广泛应用。
2.人脸识别技术：人脸识别技术是指通过特定的算法，自动识别人脸的身份信息。
随着计算机技术和人工智能技术的发展，基于深度学习的人脸识别技术也得到了极大的发展。
3.人脸属性检测技术：人脸属性检测技术是指通过图像分析，自动判断人脸的年龄、性别、表情等信息。
随着深度学习的普及，基于深度学习的人脸属性检测技术也得到了广泛应用。
4.人脸图像增广技术：人脸图像增广技术是指通过图像处理技术，在已有的数据集中增加新的样本数据，从而提高人脸检测和识别的准确度。
人脸识别背景及其方法
人脸识别背景及其方法浅谈人脸识别技术的现状与发展宋磊卞迪白杰文范益彪李主南摘要人脸识别技术以其独特性、直接性、方便性等特点，在涉及身份特征识别的领域里被广为应用。
本文主要介绍人脸识别技术（FRT）的研究内容、研究背景价值及研究现状。
通过分析当前人脸识别技术的现状，总结了人脸识别的应用前景，提出了人脸识别技术的未来发展要求。
关键词：人脸识别，研究现状，发展趋势AbstractFace Recognition Technology, characterized by its uniqueness,direct and convenience's widely used in the identification of Identlty.This paper mainly introduces the research content^study background value.and research status of the Face Recognition Technology.Through the analysis of the present situation of Face Recognition Technology,the application prospect of Face Recognition is suininarized and the future development of Face Recognition Technology is proposed.Key words: Face Recognition, Research statusDeveloping trend引言随着现代信息技术的快速发展，进行身份认证的技术转到了生物特征层面。
现代生物识别技术主要是通过计算机与高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。
其中人脸识别是指人的面部五官以及轮廓的分布，这些分布特征因人而异，与生俱来。
- 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)。
浅谈人脸识别技术的现状与发展宋磊卞迪白杰文范益彪李主南摘要人脸识别技术以其独特性、直接性、方便性等特点，在涉及身份特征识别的领域里被广为应用。
本文主要介绍人脸识别技术（FRT）的研究内容、研究背景价值及研究现状。
通过分析当前人脸识别技术的现状，总结了人脸识别的应用前景，提出了人脸识别技术的未来发展要求。
关键词：人脸识别，研究现状，发展趋势AbstractFace Recognition Technology,characterized by its uniqueness,direct and convenience,is widely used in the identification of identity.This paper mainly introduces the research content,study background value,and research status of the Face Recognition Technology.Through the analysis of the present situation of Face Recognition Technology,the application prospect of Face Recognition is summarized and the future development of Face Recognition Technology is proposed.Key words: Face Recognition，Research status，Developing trend引言随着现代信息技术的快速发展，进行身份认证的技术转到了生物特征层面。
现代生物识别技术主要是通过计算机与高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。
其中人脸识别是指人的面部五官以及轮廓的分布，这些分布特征因人而异，与生俱来。
人脸是一个包含着丰富信息的模式的集合，是人类互相辩证和识别的主要标志之一，也是图像和视频中视觉感兴趣的对象之一。
与指纹、虹膜、语音等其他人体生物特征相比，人脸识别更加直接、友好，无需干扰人们的正常行为就能较好地达到识别效果。
在身份识别、访问控制、视频会议、档案管理、电子相册、基于对象的图像和视频检索等方面有着广泛的应用，是当前模式识别和人工智能领域的一个研究热点。
由于采用人脸识别技术的设备可以随意安放，设备的安放隐蔽性非常好，能远距离非接触快速锁定目标识别对象，因此人脸识别技术被国外广泛应用到公众安防系统中，应用规模庞大。
人脸识别技术的研究肇始于20世纪60年代末期。
20世纪90年代后期以来，一些商业性的人脸识别系统逐渐进入市场，广泛应用于身份鉴定、电子商务、视频监控、人机交互、企业安全与管理、信息安全、刑事侦破、出入口控制等领域。
人脸识别技术融合了数字图像处理、计算机图形学、模式识别、计算机视觉、人工神经网络、生物特征技术以及生理学、心理学等多个学科的理论和方法。
人脸识别技术涉及的图像逐渐复杂，虽然人脸识别研究已经有了很大的进展，但目前的技术仍然不能对诸如复杂背景中的人脸等进行有效地处理和自动跟踪。
因此，人脸识别技术在当前及未来很长一段时间内仍然是富有挑战性的课题。
1、人脸识别技术1.1人脸识别技术的研究背景和应用价值随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。
作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。
当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。
与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。
除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。
当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案（2）证件验证（3）视频监控（4）入口控制（5）表情分析（6）人脸识别也具有一些有趣有益的应用,比如能够识别主人身份的智能玩具、家政机器人、具有真实面像的虚拟游戏玩家等。
1.2人脸识别的方法和研究内容人脸识别：是基于人的面部特征信息进行的一种技术。
用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，然后再利用已有的人脸数据库，确定场景里的一个人或者多个人。
目前人脸识别研究范围主要包括以下几个方面：（1）人脸检测与定位：即从某一场景中检测出某人并对其定位。
（2）人脸特征表示：即采取不同的方式来表示人脸的特征。
（3）人脸识别：即将获取的人脸与数据库已知的人脸进行比对，得出相关信息，识别出人脸。
（4）表情与姿态分析：对待识别的人脸表情与姿态进行分析，并加以归类。
（5）生理分析与分类：分析人脸的生理特征，得出其生理的相关信息。
人脸识别的研究方法：1.基于几何特征的方法人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以作为人脸识别的重要特征。
几何特征最早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线[3]确定若干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度、等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新意的方法。
采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征,但Roder对几何特征提取的精确性进行了实验性的研究，结果不容乐观。
可变形模板法可以视为几何特征方法的一种改进，其基本思想是:设计一个参数可调的器官模型(即可变形模板),定义一个能量函数，通过调整模型参数使能量函数最小化，此时的模型参数即作为该器官的几何特征。
这种方法思想很好，但是存在两个问题，一是能量函数中各种代价的加权系数只能由经验确定，难以推广，二是能量函数优化过程十分耗时，难以实际应用。
2.局部特征分析方法（Local Face Analysis）主元子空间的表示是紧凑的，特征维数大大降低，但它是非局部化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的，某个轴投影后临近的点与原图像空间中点的临近性没有任何关系，而局部性和拓扑性对模式分析和分割是理想的特性，似乎这更符合神经信息处理的机制，因此寻找具有这种特性的表达十分重要。
基于这种考虑，Atick提出基于局部特征的人脸特征提取与识别方法。
这种方法在实际应用取得了很好的效果，它构成了FaceIt人脸识别软件的基础。
3.神经网络方法（Neural Networks）人工神经网络是一种非线性动力学系统[6]，具有良好的自组织、自适应能力。
目前神经网络方法在人脸识别中的研究方兴未艾。
Valentin提出一种方法，首先提取人脸的50个主元，然后用自相关神经网络将它映射到5维空间中，再用一个普通的多层感知器进行判别，对一些简单的测试图像效果较好；Intrator等提出了一种混合型神经网络来进行人脸识别，其中非监督神经网络用于特征提取，而监督神经网络用于分类。
Lee等将人脸的特点用六条规则描述，然后根据这六条规则进行五官的定位，将五官之间的几何距离输入模糊神经网络进行识别，效果较一般的基于欧氏距离的方法有较大改善，Laurence等采用卷积神经网络方法进行人脸识别，由于卷积神经网络中集成了相邻像素之间的相关性知识，从而在一定程度上获得了对图像平移、旋转和局部变形的不变性，因此得到非常理想的识别结果，Lin等提出了基于概率决策的神经网络方法(PDBNN),其主要思想是采用虚拟(正反例)样本进行强化和反强化学习，从而得到较为理想的概率估计结果，并采用模块化的网络结构(OCON)加快网络的学习。
这种方法在人脸检测、人脸定位和人脸识别的各个步骤上都得到了较好的应用，其它研究还有:Dai等提出用Hopfield网络进行低分辨率人脸联想与识别，Gutta等提出将RB F与树型分类器结合起来进行人脸识别的混合分类器模型，Phillips等人将MatchingPursuit 滤波器用于人脸识别，国内则采用统计学习理论中的支撑向量机进行人脸分类。
神经网络方法在人脸识别上的应用比起前述几类方法来有一定的优势，因为对人脸识别的许多规律或规则进行显性的描述是相当困难的，而神经网络方法则可以通过学习的过程获得对这些规律和规则的隐性表达，它的适应性更强，一般也比较容易实现。
因此人工神经网络识别速度快，但识别率低。
而神经网络方法通常需要将人脸作为一个一维向量输入，因此输入节点庞大，其识别重要的一个目标就是降维处理。
4、特征脸法特征脸方法利用主分量分析进行降维和提取特征。
主分量分析是一种应用十分广泛的数据降维技术，该方法选择与原数据协方差矩阵前几个最大特征值对应的特征向量构成一组基，以达到最佳表征原数据的目的。
因为由主分量分析提取的特征向量返回成图像时，看上去仍像人脸，所以这些特征向量被称为“特征脸”。
在人脸识别中，由一组特征脸基图象张成一个特征脸子空间，任何一幅人脸图象（减去平均人脸后）都可投影到该子空间，得到一个权值向量。
计算此向量和训练集中每个人的权值向量之间的欧式距离，取最小距离所对应的人脸图像的身份作为测试人脸图像的身份。
下图给出了主分量分析的应用例子。
图中最左边的为平均脸，其它为对应7个最大特征值的特征向量。
5.其它方法：除了以上几种方法，人脸识别还有其它若干思路和方法，包括以下一些：1）隐马尔可夫模型方法[9]（Hidden Markov Model）2）Gabor小波变换+图形匹配3）人脸等密度线分析匹配方法4）基于弹性模型的方法5）特征脸方法（Eigenface或PCA）2、人脸识别技术的研究现状2.1国内研究现状国内关于人脸自动识别的研究始于二十世纪80年代，自九十年代在国家自然科学基金“863”计划等资助下，国内许多研究机构在人脸识别领域进行了卓有成效的研究。
研究工作主要是集中在四大类方法的研究：基于几何特征的人脸正面自动识别方法、基于代数特征的人脸正面自动识别方法、基于连接机制的人脸正面自动识别方法以及基于深度学习的人脸识别方法。
四川大学周激流教授实现了具有反馈机制的人脸正面识别系统[11]，运用积分投影法提取面部特征的关键点并用于识别，获得了比较满意的效果。
他同时也尝试了“稳定视点”特征提取方法，即为使识别系统中包含3D信息，他对人脸侧面剪影识别做了一定的研究，并实现了正，侧面互相参照的识别系统。