人脸识别的认知思考(自然科学类)解读
人脸识别的认知思考
胡伟平1，2, 邓辉文 1
（1．西南大学逻辑与智能研究中心，重庆400715； 2．西南大学育才学院，重庆401524）
摘要：本文首先对人脸识别和人脸认知这两个领域的研究现状进行了简单的介绍，之后针对如何在人脸识别中应用人脸认知中的结论给出了两点思考，最后结合学界关于机器智能的争论重点讨论了人脸识别算法的研究方向问题。
关键字：人脸识别人脸认知机器智能
On Face Cognition and Face Recognition
Hu Weiping1,2 Deng Huiwen1
(1. Institute of Logic and Intelligence, Southwest University, Chongqing 400715;
2. Southwest University Yucai College, Chongqing 401524)
Abstract: In this paper, current research on face cognition and face recognition is briefly summarized. firstly. Then two thoughts on how to apply achievements in face cognition research to face recognition research is proposed. Finally, dispute on machine intelligence and the research direction of face recognition algorithm are discussed as an important aspect.
Key words: face cognition, face recognition, machine intelligence
一、引言
人脸识别一直是生物识别领域的研究热点，在计算机、数学、电子、自动化、虚拟现实、图像处理和模式识别等学科都有广泛的研究，同时在公安刑侦、门禁系统、摄像监视系统及网络应用等方面有着十分光明的应用前景，但是同时人脸识别也被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是由人脸本身的特征造成的，首先，人脸的结构都基本相似，个体之间的区别不大；其次，人脸的非刚性特点使得在不同表情下人脸的变化很大，另外，人脸识别还受光照条件、遮盖物、年龄等多方面因素的影响。
人脸识别最重要也是最核心的部分在于人脸特征的提取，目前人脸特征的提取主要有以
作者简介：胡伟平，男，1979年5月出生，湖北省仙桃市人，讲师，西南大学逻辑与智能研究中心逻辑学专业在读博士，西南大学育才学院理工学院副院长。
下三类：基于人脸几何特征、基于人脸统计特征、基于人脸频率域特征。基于几何特征的方法通常情况下需要进行手工标点，不符合实时识别的要求，同时使用有限的特征点来代表人脸图像，会丢失掉细节数据；基于人脸统计特征研究最为广泛，比如著名的PCA方法[1]就属于这类，但是这类方法都是基于图像整体特征，很容易受到光照、角度等的影响，同时计算量偏大；基于人脸频率域特征的研究是目前研究较为集中的领域，其中最出名的就是Gabor 小波方法，这类方法的计算量也偏大。
如何把人脸识别成功应用于生产生活取决于两点，一个是计算量的降低，满足现场检测实时性的要求，另一个是识别率的提高。而要想达到这两点，笔者认为光从技术层面是不够的，有必要从认知科学的角度来考虑人脸识别的问题。
二、人脸认知的研究现状
人脸的认知研究目前主要包括人脸认知中特征和结构信息的作用规律、跨种族效应以及儿童人脸认知发展规律等三个方面研究。
大多数理论认为人脸的信息分为结构信息和特征信息[2-6]。结构信息指的是人脸主要器官之间的空间关系。特征信息指的是人脸主要器官的结构和形状[7-8]。结构信息和特征信息在人脸认知中的作用是这些理论争议的重点。关于结构信息和特征信息的理论主要有三种：人脸整体加工的理论[9]、人脸认知的多维空间理论[10]以及人脸认知两种模式理论[11]。目前对人脸反转效应的研究多数支持人脸认知两种模式理论，但是也有少部分支持人脸整体加工理论[12-15]。
人脸认知中的跨种族效应(cross—race effect)是指人们对本种族人脸的辨认绩效往往高于对其他种族人脸辨认的绩效。比如Brigham在1986年的实验表明：无论黑人被试还是白人被试均表现出对本种族人脸的辨认绩效要高于对其他种族人脸的辨认[16]。国外对跨种族效应机制的解释主要有以下观点[11]：(1)人们对本种族人脸的加工程度较深导致了跨种族效应；(2)由于人们对本种族人脸的判断标准比对其他种族的严格，从而比判断其他种族人脸的相似性程度高；(3)由于实际生活中，对本种族人脸的接触较多，从而习得了精确区别本种族人脸的各个维度，这导致对本种族人脸的辨认较为容易。虽然上述这些观点的提出都有一定的理论和实验基础，但对人脸认知中跨种族效应的机制至今还没有确定的解释。
在许多人脸认知的研究中发现，儿童和成人对人脸的识别存在显著差异，但儿童对人脸再认的能力会随着年龄的增长而加强，其原因之一可能是儿童的人脸加工方式不同于成人。Yin(1969)，Goldstein(1975)等人发现当人脸反转呈现时，成人比儿童在辨认过程中更
容易发生错误。利用人脸结构信息和特征信息加工不同的观点，1977年Diamond和Gareey 通过实验发现：儿童在人脸加工中主要侧重特征信息，而成人则主要侧重结构信息。
三、人脸认知研究成果的应用思考
人脸认知属于认知科学和认知心理学的范畴，如果能将其中的研究成果用于人脸识别，对于现有人脸识别方法的改进或者是新的人脸识别方法的设计，都是很有意义的事情。下面提出几点如何将人脸认知的研究成果用于人脸识别的思考。
1、人脸认知中整体信息和局部信息并存，整体信息起主导。
人脸的结构信息即是整体信息，而特征信息则是局部信息，这两种信息在人脸认知中都起着十分重要的作用。
通常我们个人记忆或者识别某个人，使用的是这个人的整体形象，而不是具体的某个人脸器官，比如把我们熟知的某个亲人的照片给我们看，我们会一眼认出，但是如果仅仅把照片上的眼睛或者鼻子单独拿出来让我们辨认的话，我们通常情况下是识别不出哪是谁的眼睛或者鼻子的。结构信息可以用于识别人的另一个有力证据就是漫画或者肖像画。通过一幅简单勾勒出来的肖像画，我们可以识别出那是谁，肖像画与真实的图像差异很大，其中基本不存在人脸器官的局部信息，主要是人脸器官的位置关系等结构信息，由肖像画可以识别出人，这有力地说明了结构信息在识别中起到了主导作用。现在已经有人专门针对肖像画的识别开张了相关研究工作[17][18]。
但是局部信息在人脸识别中也起到了很好的辅助作用。生活中拥有某些特殊特征的人，比如脸上有刀疤或者痣，再或者是鹰勾鼻子的人，则很容易被人记住并再次辨认出来，这说明特征信息起到了帮助人快速检索的作用。
根据以上分析，人脸的结构信息即人脸器官的相对位置关系应该作为辨识的主要依据，而人脸的特殊特征信息则可以作为快速排除的依据。在设计人脸识别算法的时候可以设计成两级分类器，第一级使用人脸的特殊结构信息进行快速的粗筛选，第二级使用人脸的结构信息进行进行精筛选。
2、人脸的识别有别于其他物体的识别，有专门的识别方法，而且人脸认知能力是一个逐渐学习、逐渐强化的过程。
面孔失认现象一般情况下解释为是面孔识别涉及一些其他对象识别不需要的特殊加工机制，在1997年Kanwisher、McDermott和Chun对面孔、拼凑的面孔、房子和手的大脑激活区域进行比较时，获得了非常清楚的关于面孔识别机制的证据，他们在右侧梭状回(Fusiform Gyrus）的某些部分发现了与面孔识别有关的特异性激活，而且其他研究者已重
复了这一现象。
对于跨种族效应和儿童认知人脸的研究在认知科学届有不少不同的解释，但这两者其实都说明了一个问题：人脸认知的能力是一个逐渐学习、逐渐强化的过程。对于跨种族效应的三种解释，第三种解释较为合理一些，因为每个种族的人从出生到成长，所见到的大部分是本种族的人，所以平常无意识中所做的本种族人脸的区分练习是相当多的，自然形成了一套区分的标准和方法，他对于本种族的人脸的区分显然要比非本种族的人脸的区分要容易。而儿童的人脸识别能力的变化以及与成人识别能力的区别，正是说明了每个人的人脸识别能力是一个渐进的逐渐完善的过程。
关于跨种族效应和儿童认知人脸的问题，现在还没有给出统一的令人满意的解释，但是这一发现却可以为人脸识别方法的设计提供一些思路。首先，人的人脸识别能力并非与生俱来，而是通过训练得来的，而且在训练中将逐渐强化，这是一个动态的学习过程。
在人脸识别算法的设计中可以采用同样的思路，使得识别算法随样本的添加而逐渐变得更“聪明”。最初的识别器可能非常粗糙，识别率比较差，但随着样本的逐渐添加，识别率越来越高，这种识别器可以使用神经网络或者其他的一些可以自学习的算犯来实现，或者是采用遗传算法或模拟退火等方法对人脸识别器进行优化。
四、需要弄清楚的一个问题
人脸认知研究的是人对于人脸的认知的问题，而人脸识别研究的是计算机识别人脸的问题，这两者有联系，但是也有区别。在将人脸认知的结论用于人脸识别的过程中，有必要弄清楚一个问题——研究人脸识别方法的目的是什么？是设计出使得计算机可以按照人认知人脸的方式运作，最大程度上再现人认知人脸过程的算法，还是设计出使得计算机按照它自己的方式运行，对人的识别进行辅助的算法。这个问题的不同回答将影响到人脸识别问题的研究方向。
在回答这个问题之前，先弄清楚人如何进行识别以及人的识别能力强弱的问题。人的识别能力到底强不强？从某种意义上来说人的识别能力应该算比较强的，但是，人的识别并非仅仅依靠人脸图像，而是一个多种识别机制同时起作用的过程，比如声音、步态、衣着、发型等等，综合考虑这些因素的情况下，人可以很容易识别出某一个人。如果仅仅靠人脸图像，人的识别能力到底有多强，这是一个未知数。
现在来回答刚才提出的问题，我们研究人脸识别方法的目的是什么？
如果是第一种选择，那么设计的算法应该是尽可能与人的思维方式相接近，并且给出模糊的结论。人的识别通常情况下是综合考虑多种情况之后，快速地给出模糊的结论，比如
对于一张照片，通常情况下识别人给出的都是类似于“比较像某人”或者“不太像某人”之类的模糊的结论。采取这种思路的话，识别算法将不再局限于人脸信息，应该综合考虑人的其他特征信息，把精力放在各种不同特征信息的融合上。设计算法中还需要注意研究人是如何进行快速的模糊推理的。人进行推理的最大特点是给出的结论不一定十分准确，但是推理过程很快，正如卡斯帕罗夫计算国际象棋的后续棋路计算不过“深蓝”，但是可以依据他的模糊计算给出大致准确的方向而赢下它。
如果是第二种选择，那么我们设计的算法应该是不同于人的识别，而是利用计算机速度快的特点，进行精确的计算，然后给出人一些辅助性的结论，帮助人进行识别。在这种思路中，人脸的识别算法应该是交互式的，结合计算机的快速和人的智能来共同完成识别。利用操作者提供的一些资料，计算机进行快速的搜索和辨别，最后给出操作者一些辅助性的建议，比如列出满足当前条件的人脸，供操作者来做最后决策。在这种思路中，精力应该主要放在交互上面。
这个问题的核心问题其实仍然归结到计算机是否具有智能的问题上，如果计算机有智能，那么第一种思路就是可以实现的，而如何否认计算机的智能，那么就干脆让计算机做一些不需要智能的辅助工作。
就目前的冯.诺伊曼体系结构的计算机来说，因为其先存储后顺序运行的思想决定了当前的计算机不管结构如何，其本质上都是线性的。而从算法的复杂度方面来考虑，对于人脸识别这种复杂的问题，线性计算是不可解的。因此，在目前这种结构体系下，计算机的智能是不可实现的，采取第二种思路更实际一些。
但是随着对计算机体系以及新兴计算机——量子计算机和生物计算机等的研究，可以预见在未来冯.诺伊曼体系将逐渐被取代，并行运算的计算机将逐渐成为主体，而计算机的智能或许不再成为一个不可实现的问题，那个时候第一种思路也将成为可能。
四、结论
本文在研究了人脸识别和人脸认知的现状之后，提出了将人脸认知中的成果应用于人脸识别需要考虑的两个问题，给出了人脸识别算法设计中可以借鉴的一些思路，同时也提出了一些值得思考的问题，希望能给人脸识别算法的设计者和研究者一些启示。
参考文献
[1] Turk M,Pentland A. Eigenfaces for Recognition [J].Jounral of Cognitive Neuroscience,1991,3(1):71-86
[2] Garner,W R. Aspects of a stimulus:Features,dimensions,and configurations.In : Rosch H, Lloyd B.B (Eds.).Cognition and categorization. Hillsdale, NJ: Erlbaum.1978:99—133
[3] Carey S,Diamond R. From piecemeal to configurational representation of faces. Science,1977,195:312-314
[4] Tanaka J W , Farah M J. Parts and wholes in face recognition.Quarterly Journal of Experimental Psychology,1993,46A:225-245
[5] Valentine T. Upside-down faces:A review of the effect of inversion on face recognition. British Journal of Psychology,1988,79:471-491
[6] Rakover S. Featural vs．configurational information in faces:A conceptual and empirical analysis. British Journal of Psychology,2002,93:1-30
[7] Diamond R, Carey S. Developmental changes in the representation of faces. Journal of Experimental Child Psychology,1977,23:1-22
[8] Tanaka J W ,Scngco J A. Features and their configuration in face recognition. Memory and Cognition,1997,25:583-592
[9] Farah M J,Tanaka J W, Drain H M. What cause the face in-Version effect? [J]. Journal of Experimental Psychology: Human Perception and Performance,1995,21(3):628-632
[10] Valentine T. A unified account of the effects of distinctiveness,inversion,and raceinface recognition[J]. Quarterly Journal of Experimental Psychology, 1991,43A:161-204
[11] Diamond R,C arey S. Why faces are and are not special:An effect of expertise [J]. Journal of Experimental Psychology:General,1986,l15(2):107-l17
[12] Yin R K. Looking at upside-down faces. Journal of Experimental Psychology,1969,81:141-145
[13] Friere A, Lee K, Symom L. The face inversion effect as a deficit in the encoding of configural information: Direct evidence. Perception,2000,29:159-170
[14] Searcy J H, Bartlett J C. Inversion and processing of component and spatial-relational information in faces. Journal of Experimental Psychology: Human Perception and Performanee,1996,22:904-915
[15] Rhodes G, Brake S, Atkinson A P.What's lost in inverted faces? Cognition,1993,47:25-57
[16] Bruce V, Young A. In the eye of the beholder:the science of face perception[M]. Oxford University,1998. 111-l13
[17] 陈洪, 郑南宁, 梁林, 徐迎庆, 沈向洋. 基于样本学习的肖像画自动生成算法. 计算机学报. 2003,26(2): 147-152.
[18] 闵锋, 桑农. 一种基于与或图表示的多风格肖像画自动生成方法. 计算机学报. 2009,32(8): 1595-1602.
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。——高尔基
14、书到用时方恨少、事非经过不知难。——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。——笛卡儿
17、学习永远不晚。——高尔基
18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向
19、学而不思则惘，思而不学则殆。——孔子
20、读书给人以快乐、给人以光彩、给人以才干。——培根
基于ARM9的人脸识别系统 嵌入式报告 课程设计
嵌入式课程设计报告 学院信息电子技术 专业通信工程 班级 学号 姓名 指导教师 2017年07月01日
基于ARM9的人脸识别系统 一、引言 人脸识别背景和意义 人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。 人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。 二、系统设计 1、硬件电路设计 （1）ARM9处理器 本系统所采用的硬件平台是天嵌公司的TQ2440开发板，该开发板的微处理器采用基于ARM920T内核的S3C2440芯片。 ARM9对比ARM7的优势：虽然ARM7和ARM9内核架构相同，但ARM7处理器采用3级流水线的冯·诺伊曼结构，而ARM9采用5级流水线的哈佛结构。增加的流水线设计提高了时钟频率和并行处理能力。5级流水线能够将每一个指令处理分配到5个时钟周期内，在每一个时钟周期内同时有5个指令在执行。在常用的芯片生产工艺下，ARM7一般运行在100MHz左右，而ARM9则至少在200MHz 以上。指令周期的改进对于处理器性能的提高有很大的帮助。性能提高的幅度依赖于代码执行时指令的重叠，这实际上是程序本身的问题。对于采用最高级的语言，一般来说，性能的提高在30%左右。ARM7一般没有MMU(内存管理单元），（ARM720T有MMU）。 （2）液晶显示屏 为显示摄像头当前采集图像的预览，系统采用三星的320x240像素的液晶屏，大小为206.68cm。该液晶显示屏的每个像素深度为2bit，采用RGB565色彩空间。 （3）摄像头 摄像头采用市场上常见的网眼2000摄像头,内部是含CMOS传感器的OV511+芯片。CMOS传感器采用感光元件作为影像捕获的基本手段,核心是1个感光二极
机器学习概述课程设计报告(MATLAB人脸识别)
机器学习概述课程设计报告题目：MATLAB人脸识别系统 姓名：** 学号：** 专业：** 时间：2015/8/7
目录 一、课程设计的目的............................................................................... 二、设计的内容与要求........................................................................... 三、详细设计........................................................................................... 四、课程设计的总结............................................................................... 五、参考文献...........................................................................................
一.课程设计的目的 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。 在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。。 二．设计的内容及要求 1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种进行课程设计 2、要求能完成具体的识别任务：如图像分割、语音识别、人脸识别 3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。三．详细设计 YCbCr空间——>灰度图像转换——>噪声消除——>图像填孔——>图像重构——>人脸区域确定——>边缘检测 （原图-涉及个人隐私，未呈现原图）
人脸识别系统报告解析
摘要 文章具体讨论了主成分分析( PCA)人脸识别算法的原理及实现。它具有简单、快速和易行等特点,能从整体上反映人脸图像的灰度相关性具有一定的实用价值。人脸识别是目前较活跃的研究领域, 本文详细给出了基于主成分分析的人脸特征提取的原理与方法。并使用matlab 作为工具平台, 实现了一个人脸自动识别的系统原型。实验结果表明, 该系统识别率为100%, 达到预期的效果。如果想进一步提高人脸识别率, 可以考虑与其他方法结合。仅单独使用任何一种现有的方法一般都不会取得很好的识别效果, 将其他人脸识别方法组合是今后研究的一种趋势。也可以考虑改进分类决策的方法。本系统采用的最小距离分类法属于线性的分类器, 而利用神经网络这类学习能力更强的非线性分类器对高维人脸识别问题可能会有更好的解决。 1
目录 1.引言................................................................... (1) 2．需求分析.................................................................... 1 2.1 课题的来 源 (1) 2.2人脸识别技术的研究意义 (2) 2.2.1 面部关键特征定位及人脸2D形状检测技术 (2) 2.2.2面部感知系统的重要内 容 (2) 2.3人脸识别的国内外发展概况 (3) 2.3.1国外的发展概 况 (3) 2.3.2国内的发展概 况 (4) 3．概要设计.................................................................... 5 3.1问题描述 (5) 3.2模块设计 (5) 3.3主成分的一般定义 (6) 3.4主成分的性质 (7) 3.5主成分的数目的选取 (7) 4. 详细设计--PCA算法的功能实 现 (8) 4.1引言................................................................... .. 8 4.2 K-L变换 (8) 4.3 PCA方法 (9)
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，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面： （1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较
面部表情识别实验报告分析
面部表情识别实验 实验报告 小组成员： 面部表情识别实验 西南大学重庆 400715
摘要：情绪认知是一种复杂的过程，它包含观察、分析、判断、推理等，是借助于许多线索，特别是借助面部那些活动性更大的肌肉群的运动而实现的。所以，情绪认知的准确度受多种因素的影响。 当我们与他人相互交往的时候，不管是不是面对面。我们都正在不断的表达着情绪，同时又正在观察，解释着的对方做出的表情，在人际交往过程中，情绪的表达和认知是十分的迅速和及时，那么人是借助于哪些表情来认知他人的情绪的呢？情绪识别实际上并不是针对表情本身的，而是针对这它背后的意义。例如：皱眉可能是一种情绪的表现，我们见到这种面部表情就试图解释潜在于它背后的情绪。尖锐，短促，声音嘶哑可能是一种情绪表现，我们听到这种语言表情就试图解释潜在于它背后的情绪捶胸，顿足可能是一种情绪的表现，我们见到这种动作表情就是试图解释潜在于它背后的情绪。对于这个复杂的问题，心理学家曾经做过许多的研究。 面部表情认知的研究可分为两个步骤：第一步是面部表情刺激物的制作或选择，这可以用专门拍摄(录像)或图示来描画，也可以用完全装扮出的活生生的表情或自发的表情等。第二步时对表情进行识别评定。也可以用多种方法，如自由评定法，即让被试自由地对表情给出情绪词汇；或限制评定法，即向被试提供各种提供各种情绪词汇或情绪情境，要求被试只能根据所提供的情绪词汇或者情绪情境进行分类或者匹配等；或参照自由评定法，即向被试提供参考线索（如情境，人格特征等），让其说出所表达的情绪的词汇等。 关键词：情绪表情认知线索
1 前言 传统心理学把情绪列为心理现象的三大方面之一。情绪也是心理学理论体系中一个不可缺少的研究环节。情绪（emotion）是体验，又是反应；是冲动，又是行为；它是有机体的一种复合状态。情绪的表现有和缓的和激动的，细微的和强烈的，轻松的和紧张的等诸多形式，广泛地同其他心理过程相联系。自古以来，科学家们十分注意探讨情绪之奥妙，但与情绪的重要性不相适应的是，长期以来情绪研究一直是心理学尤其是实验心理学研究中的一个薄弱环节。造成这一现象的最主要原因是情绪所特有的复杂性以及由此衍生出来的情绪研究方法学上的困难。我国心理学家孟昭兰（1987）将理论认为面部表情是传递具体信息的外显行为面部表情是提供人们在感情上互相了解的鲜明标记。情绪过程既包括情绪体验，也包括情绪表现，而表情既是情绪的外部表现，也是情绪体验的发生机制；既是最敏锐的情绪发生器，也是最有效的情绪显示器。这就从机制上说明了以面部肌肉运动模式作为情绪标志的根据。 面部表情（facial expression_r）的发生是有其客观的物质基础的：表情按面部不同部位的肌肉运动而模式化，面部反应模式携带着心理学的意义，那就是或快乐、或悲伤等具体情绪。但是，对表情进行测量的原则在于：所要测量的是面孔各部位的肌肉运动本身，而不是面部所给予观察者的情绪信息。该实验将14名被试分为两组进行表情认知的实验，实验目的在于通过实验了解面部表情认知的基本
人脸识别系统功能简介
XXX人脸识别系统 一、XXX人脸识别系统简介 XXX人脸识别系统采用区域特征分析算法，融合计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，实现在大规模人脸图像数据库中进行人脸检索。从各种采集源获取的人脸图像可以迅速地与预先存储的数以千万计的图像数据库如逃犯照片库、失踪人口照片库、常住人口照片库等）完成比较，返回一个包含若干最相似人脸图像的匹配列表。支持照片比照片、视频流比照片、视频流比视频流等多种方式。可以实现在局域网、内部网、In ternet上进行照片比对和身份确认。 二、功能特性 先进性：采取XXX独特的混合人脸识别算法，识别精度更高，识别速度更快。 多样化：支持数据来源的多样化，动态人脸捕抓、手机拍摄、摄像机抓取，照片扫描等多种方式；支持现场捕捉照片与数据库中照片自动匹配检索； 高效低成本化：合理配置和选取合适的产品软硬件型号，使整个系统稳定、高效、可靠、低成本运行。 快速化：普通照片中提取人脸特征值，极大地降低了数据存储空间，加快了比对查询速度，单台计算机对比速度为每秒5 300万张（因选用的面纹模板而异）；
方便性：完善的照片比对功能，比对方式多，比对准确率 高，比对速度快，支持全局人脸识别和分部人脸部件的人脸识别 （化装问题），系统操作清晰，公安侦查人员和授权用户都能方便 的使用系统。 实用性：适合于各国人种，不受种族肤色及性别的影响， 不 受面部表情，胡须和发型等变化的影响。 简易性：支持现场捕捉照片与库中照片自动匹配检索照 片 库的授权链接访问； 三、系统逻辑结构图 四、应用情景 XXX 人脸识别产品已广泛应用于金融、司法、军队、公安、边 检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领 域。 1、 企业、住宅安全和管理。 2、 电子护照及身份证。 人脸相关业务 人脸识别系统 人脸比对 人脸建库 JMCT 人脸图像散据 移动警务 身盼豪■ 1} --------- 人輪阳憧JMtVEft ■库于累气
人脸识别课程设计论文(完美版)
前言 在人类社会的发展进入到21世纪的今天，安全问题已经成为困扰人们日常生活的重要问题之一。社会的发展促进了人的流动性，进而也增加了社会的不稳定性，使得安全方面的需求成为21世纪引起广泛关注的问题。不论是享受各项服务如网上冲浪、还是居家、办公等都涉及到安全，以往这些行为基本上是通过符号密码来进行安全保护，但是随着服务数量的不断增加，密码越来越多以致无法全部记住，而且密码有时也会被他人所窃取，各种密码被破解的概率越来越高，因为通常由于记忆的原因，人们经常会选用自己或亲人的生日、家庭地址、电话号码等作为密码并长期使用，这些很容易被一些不法分子获取。可见在现代社会中，身份识别已经成为人们日常生活中经常遇到的一个基本问题。人们乎时时刻刻都需要鉴别别人的身份和证明自己的身份，以获得对特定资源的使用权或者制权，同时防止这些权限被他人随意的取得。传统的身份识别方法主要基于身份标识物(如证件、卡片)和身份标识知识(如用户名、密码)来识别身份，这在很长一段时期是非常可靠和方便的识别方法，得到了广泛的应用。但是，随着网络、通信、交通等技的飞速发展，人们活动的现实空间和虚拟空间不断扩大，需要身份认证的场合也变得无不在。人们需要携带的身份标识物品越来越多，身份标识知识也变得越来越复杂和冗长在这种情况下，传统身份识别方式的弊端日益彰显。身份标识物品容易被丢失和伪造，份标识知识容易被遗忘、窃取和破解，而身份标识的重要性又使得一旦失去了身份标识会给标识的所有者甚至整个社会带来重大的甚至难以弥补的损失。在美国，每年约有上百万的福利款被人以假冒的身份领取;每年发生的信用卡、ATM、移动电话和冒领支票等成的损失达数百亿美元[2]。面临着这样的状况，人们对身份识别的安全性、可靠性、准确和实用性提出了更高的要求，必须寻求身份识别的新途径。 于是，近年来人类生物特征越来越广泛地用于身份识别，而且生物特征可以更好的进行安全控制，世界各国政府都在大力推进生物识别技术的发展及应用。与原有的人类身分识别技术(如:个人密码、磁卡、智能卡等)相比，基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。人类本身具有很多相对独特的特征，如DNA、指纹、虹膜、语音、人脸等。基于这些相对独特的人类特征，结合计算机技术，发展起众多的基于人类生物特征的人类身份识别技术，如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。 人脸识别和其他的生物识别比起来有以下几个优点:1、其他的生物特征识别方法都需要一些人为的行为配合，而人脸识别不需要。2、人脸识别可应用在远距离监控中。3、针一对现在的第一、二代身份证，每个身份证都有人脸的正面照片，也就是人脸库将是最完善的，包括人最多的，我们可以利用这个库来更直观、更方便的核查该人的身份。 4、相对于其他基于生物特征识别技术，人脸识别技术具有特征录入方一便，信息丰富，使用面广等优点，同时人脸识别系统更加直接友好。人脸识别技术作为生物识别技术的
校园人脸识别系统解决方案
项目背景 随着经济的发展，社会开放程度的提高，社会上的一些违法犯罪事件 也日渐影响到学校校园。如何建立一个安全的校园环境，保障师生的学习、校园生活安全一直是教育部门、公安部门和社会各界关注的焦点。 特别是学校的校园安全建设尤其重要，学校师生均属于安全防卫能力较弱的群体，大部分学生尚未成年，防范意识和自我保护能力比较弱。学校园安全问题，维系着社会的稳定，牵动着家庭的幸福，已成为全社会密切关注的话题，直接影响到和谐社会的建设。 据社会调查显示，造成学校安全事故发生的原因，分为校外社会人员的侵害、校园内外舍学生入侵、学生外出活动伤害等等。 近年来，随着人脸识别技术、大数据技术的迅猛发展，并在实际应用中逐步成熟，在校园打击预防违法犯罪、校园园内人员管理、校园出入人员管控、智慧一脸通等方面起到了良好的作用。且通过人脸识别可以校园多场景中应用。 重庆中科云丛科技有限公司是中国科学院旗下专注于人脸识别等计算机视觉技术的人工智能企业，目前拥有技术人员近1000 人，核心技术人员主要来自于中科院各大研究院全球顶级学府和研究机构。云从科技作为中国科学院战略性先导科技专项的唯一人脸识别团队参与了国内首个人脸识别国家 标准起草与制定。 项目需求 1. 校园安防人脸识别需求分析通过校园安防人脸识别系统管理门禁，
针对流窜作案、多次作案人员，在校园出入门、周界、路口、重要区域增加人脸识别拍抓摄像机，对嫌疑人员、多次作案人员、兄弟院校嫌疑人员、公安部门通辑人员等建立嫌疑人数据库，对经过完人脸抓拍机人会实时抓拍与嫌疑人、在校师生、学校服务人员等数据库中的人像比对，发现黑名单或非本校师生等人的时候，校园安防人脸识别系统将自动报警。 2. 校园宿舍人脸识别需求分析 针对学生宿舍安全管理，以及在校学生夜不归寝，导致学生人身安全.学业.得不到妥善保障的解决方案及建议。在当今充满诱惑物欲横流的社会，充满好奇、缺乏分辨能力、自主意识薄弱的学生最容易学会夜不归寝并且无法自拔，还有甚者引以为荣，逐渐的人数越来越多。从而影响了学业，威胁学生的人身安全。通过校园宿舍人脸识别系统可实现以下功能。 大大降低校园被盗事件的发生，往往偷盗事件发生的两个因素，第一是学生防盗意识薄弱，第二是校园硬件设备滞后。而其中一个环节的提高，都会使得偷盗事件发生率的降低。传统的监控设备，起到作用是方便案件发生后的追查。而人脸识别的门禁设备，是把事件的发生制止与未然。把犯罪嫌疑人止于门外。 提高安全，解决潜在隐患。因为钥匙、磁卡可复制性，以及流动性强，决定了一旦钥匙丢失、或者传递，便使得宿舍楼处于亚安全状态，无形中增加管理难度。人脸识别系统采用人脸面部验证，不仅仅能确保出入人员的身份，更能记录下出入详细信息。通过设置，还能实现出入人员的管理（例学生在假期间识别无效，赋予假期留校生专门权限）。
人脸表情识别
图像处理与模式识别 ------人脸表情识别介绍摘要：人脸表情是我们进行交往和表达情绪的一种重要手段，不经过特殊训练，人类对其面部表情往往很难掩饰，所以，通过对人脸表情进行分析，可以获得重要的信息。人脸表情识别是人机交互的智能化实现的一个重要组成部分，也是模式识别、图像处理领域的一个重要研究课题，近几年来，受到了越来越多的科研人员的关注。 本文综述了国内外近年来人脸表情识别技术的最新发展状况，对人脸表情识别系统所涉及到的关键技术: 人脸表情特征提取，做了详细分析和归纳。 关键词：人脸定位；积分投影；人脸表情识别；流形学习；局部切空间排列Abstract:Facial expression is a kind of important means that we communicate and express the special training, People often difficult to conceal their facial , by the analyzing facial expression, we can obtain important information. Facial expression recognition is an important component that the implementation of human-computer interaction, and an important research topic in the field of pattern recognition, image processing, in recent years, more and more researchers focus on this topic. In this paper,we present the latest development of this area,and give a detailed analysisand summary for facial
人脸识别系统的原理与发展
人脸识别系统的原理与发展 一、引言 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大； 二、概述 人脸识别系统概述 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。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 人脸识别系统功能模块 人脸捕获与跟踪功能：人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
人脸识别课程设计报告
用Matlab实现人脸识别 学院：信息工程学院 班级：计科软件普131 成员：
一、问题描述 在一个人脸库中，有15 个人，每人有11 幅图像。要求选定每一个人的若干幅图像组成样本库，由样本库得到特征库。再任取图像库的一张图片，识别它的身份。 对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个矢量。如一幅N*N象素的图像可以视为长度为N2的矢量，这样就认为这幅图像是位于N2维空间中的一个点，这种图像的矢量表示就是原始的图像空间，但是这个空间仅是可以表示或者检测图像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。因此，本次采用PCA算法确定一个子空间，最后使用最小距离法进行识别，并用matlab实现。
二、PCA 原理和人脸识别方法 1）K-L 变换 K-L 变换以原始数据的协方差矩阵的归一化正交特征矢量构成的正交矩阵作为变换矩阵，对原始数据进行正交变换，在变换域上实现数据压缩。它具有去相关性、能量集中等特性，属于均方误差测度下，失真最小的一种变换，是最能去除原始数据之间相关性的一种变换。PCA 则是选取协方差矩阵前k 个最大的特征值的特征向量构成K-L 变换矩阵。 2）主成分的数目的选取 保留多少个主成分取决于保留部分的累积方差在方差总和中所占百分比(即累计贡献率)，它标志着前几个主成分概括信息之多寡。实践中，粗略规定一个百分比便可决定保留几个主成分；如果多留一个主成分，累积方差增加无几，便不再多留。 3）人脸空间建立 假设一幅人脸图像包含N 个像素点，它可以用一个N 维向量Γ表示。这样，训练样本库就可以用Γi（i=1，...，M）表示。协方差矩阵C 的正交特征向量就是组成人脸空间的基向量，即特征脸。将特征值由大到小排列：λ1≥λ2≥...≥λr,其对应的特征向量为μk。这样每一幅人脸图像都可以投影到由u1,u2,...,ur张成的子空间中。因此，每一幅人脸图像对应于子空间中的一点。同样，子空间的任意一点也对
人脸识别闸机解决方案
玺瑞（SYRIS）人脸识别闸机解决方案 一、人脸识别技术优势分析 人脸识别技术，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。人脸识别系统集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，该技术目前被广泛应用于公安系统、海关系统、安保系统、银行系统等。 1.1人脸识别技术拥有四大优势 非接触性 人脸验证的过程不需要和设备、终端接触，这与指纹、打卡方式完全不同。体验感强，设备应为不会被频繁触碰，稳定性高，故障率低。 自然性
人类识别物体特征第一感知就是通过眼睛的感官传递回大脑，人脸识别技术是利用计算机深度学习人类感官回传大脑的过程，所以人脸识别相较于其他的生物识别技术在使用和体验上更加的自然，且不需要其他物体特征，不会发生丢失、被复制等问题。 识别速度快精度高 由于计算机技术的发展，在固定样本库对比下，人脸识别速度已经可以提升至0.3秒/人次，且不同角度、佩戴眼镜、化妆等改变面貌的行为也可以通过调整人脸识别算法来修正比对数据。 人脸已经成为大数据时代重要数据源 通过大量区域内人脸识别、比对，利用大数据分析、挖掘等技术，可以完全掌握特定对象的行为轨迹或特定人群的活动范围，过程中不需要人工干预，完全交由云计算、大数据系统来处理。技术的发展和成熟，使得人脸识别成为了人工智能时代最热门的技术门类和方向，推动各行各业应用人脸识别技术，用机器替代人工，极大程度改善和推动社会化行为中的效率和安全性。 1.2人脸识别门禁应用的优势 采用人脸识别门禁，相较于其他识别方式，具有以下几点优势： 无需接触识别设备 自然步态及速度 解放双手 无需特意配合 丢失、忘带识别卡的情况不再发生
数字图像处理课程设计人脸检测与识别
数字图像处理课程设计
人脸检测与识别课程设计一、简介人脸检测与识别是当前模式识别领域的一个前沿课题，人脸识别技术就是利用计算机技 术，根据数据库的人脸图像，分析提取出有效的识别信息，用来 “辨认”身份的技术。人脸识别是模式识别研究的一个热点, 它 在身份鉴别、信用卡识别, 护照的核对及监控系统等方面有着广 泛的应用。人脸图像由于受光照、表情以及姿态等因素的影响, 使得同一个人的脸像矩阵差异也比较大。因此, 进行人脸识别时, 所选取的特征必须对上述因素具备一定的稳定性和不变性. 主 元分析(PCA)方法是一种有效的特征提取方法,将人脸图像表示成 一个列向量, 经过PCA 变换后, 不仅可以有效地降低其维数, 同 时又能保留所需要的识别信息, 这些信息对光照、表情以及姿态 具有一定的不敏感性. 在获得有效的特征向量后, 关键问题是设 计具有良好分类能力和鲁棒性的分类器. 支持向量机(SVM ) 模 式识别方法,兼顾训练误差和泛化能力, 在解决小样本、非线性及 高维模式识别问题中表现出许多特有的优势。 本此课程设计基于MATLAB，将检测与识别分开进行。其中检测 部分使用实验指导书上的肤色模型算法进行，不进行赘述。识别 部分采用PCA算法对检测出的人脸图像进行特征提取, 再利用最
邻近距离分类法对特征向量进行分类识别，将在后文具体表述。仿真结果验证了本算法是有效的。 二、人脸检测源码 1.img=imread('D:\std_test_images\face3.jpg'); figure; imshow(img); R=img(:,:,1); G=img(:,:,2); B=img(:,:,3); faceRgn1=(R>95)&(G>40)&(B>20)&max(img,[],3)-min(img,[],3)>15& abs(R-G)>15&R>B; figure; imshow(faceRgn1); r=double(R)./double(sum(img,3)); g=double(G)./double(sum(img,3)); Y=0.3*R+0.59*G+0.11*B; faceRgn2=(r>0.333)&(r<0.664)&(g>0.246)&(g<0.398)&(r>g)& g>=0.5-0.5*r; figure; imshow(faceRgn2); Q=faceRgn1.*faceRgn2;
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。
基于深度学习的人脸表情识别研究与实现
西南科技大学硕士研究生学位论文第I页 目录 1绪论 (1) 1.1研究背景及意义 (1) 1.2国内外研究现状及趋势 (2) 1.3本文的研究内容与章节安排 (6) 2人脸表情识别预处理及相关技术 (8) 2.1人脸表情数据集 (8) 2.1.1严格数据集 (8) 2.1.2非严格数据集 (9) 2.2数据筛选 (10) 2.2.1基于某种概率分布的筛选策略 (10) 2.2.2 基于图模型的筛选策略 (11) 2.3人工神经网络 (12) 2.3.1正向传播 (13) 2.3.2反向传播 (14) 2.4自编码器神经网络 (16) 2.5卷积神经网络 (18) 2.5.1局部感受野 (18) 2.5.2权值共享 (19) 2.5.3池化（pooling） (19) 2.6循环神经网络 (20) 2.7人脸检测 (22) 2.8人脸关键点检测与对齐 (23) 2.9本章小结 (25) 3基于降噪自编码器的表情识别研究与实现 (26) 3.1堆栈式降噪自编码器 (26) 3.2Dropout (27) 3.3降噪自编码器表情识别网络 (28) 3.4实验与分析 (29) 3.5本章小结 (32) 4基于卷积神经网络的表情识别研究与实现 (33) 4.1一种轻量级CNN人脸表情识别模型 (33)
西南科技大学硕士研究生学位论文第II页 4.2利用bottleneck特征训练CNN表情识别网络 (38) 4.3微调（fine turn）训练CNN表情识别网络 (40) 4.4本章小结 (41) 5基于循环神经网络的表情识别研究与实现 (43) 5.1图像序列筛选 (43) 5.2CNN+LSTM表情识别方法 (44) 5.3实验结果分析 (45) 5.4本章小结 (46) 总结和展望 (47) 致谢 (49) 参考文献 (50) 攻读硕士期间获取得的研究成果 (55)
基于matlab的人脸识别课程设计
目录 摘要...................................................................... III 第1章绪论............................................................. - 1 - 1.1人脸识别技术的细节 . (1) 1.2人脸识别技术的广泛应用 (1) 1.3人脸识别技术的难点 (2) 1.4国内外研究状况 (2) 1.5人脸识别的研究内容 (3) 1.5.1人脸识别研究内容............................................... - 3 - 1.5.2人脸识别系统的组成............................................. - 4 - 第2章人脸识别方法..................................................... - 6 - 2.1基于特征脸的方法 (6) 2.2基于神经网络的方法 (6) 2.3弹性图匹配法 (7) 2.4基于模板匹配的方法 (7) 2.5基于人脸特征的方法 (7) 第3章 PCA人脸识别方法................................................. - 9 - 3.1引言 (9) 3.2主成分分析 (9) 3.3特征脸方法 (11) 第4章仿真实验........................................................ - 13 - 4.1流程图 (13) 4.2仿真结果 (14) 第5章总结与展望...................................................... - 15 - 5.1总结.. (15) 5.2展望 (15)
机器学习概述课程设计报告MATLAB人脸识别
机器学习概述课程设计 报告M A T L A B人脸识别 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】
机器学习概述课程设计报告题目：MATLAB人脸识别系统 姓名：** 学号：** 专业：** 时间：2015/8/7
目录 一、课程设计的目的.......................................... 二、设计的内容与要求........................................ 三、详细设计................................................ 四、课程设计的总结.......................................... 五、参考文献................................................
一. 课程设计的目的 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。 在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。。 二．设计的内容及要求 1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种 进行课程设计 2、要求能完成具体的识别任务：如图像分割、语音识别、人脸识 别 3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。 三．详细设计 YCbCr空间——>灰度图像转换——>噪声消除——>图像填孔——>图像重构——>人脸区域确定——>边缘检测
人脸表情识别综述
人脸表情识别综述 一、人脸表情识别技术目前主要的应用领域包括人机交互、安全、机器人制造、医疗、通信和汽车领域等 二、1971年，心理学家Ekman与Friesen的研究最早提出人类有六种主要情感，每种情感以唯一的表情来反映人的一种独特的心理活动。这六种情感被称为基本情感，由愤怒（anger）、高兴(happiness)、悲伤(sadness)、惊讶(surprise)、厌恶(disgust)和恐惧(fear)组成 人脸面部表情运动的描述方法---人脸运动编码系统FACS (Facial Action Coding System)，根据面部肌肉的类型和运动特征定义了基本形变单元AU（Action Unit），人脸面部的各种表情最终能分解对应到各个AU上来，分析表情特征信息，就是分析面部AU的变化情况 FACS有两个主要弱点：1.运动单元是纯粹的局部化的空间模板；2.没有时间描述信息，只是一个启发式信息 三、人脸表情识别的过程和方法 1、表情库的建立：目前，研究中比较常用的表情库主要有:美国CMU机器人研究所和心理学系共同建立的 Cohn-Kanade AU-Coded Facial Expression Image Database(简称CKACFEID)人脸表情数据库;日本ATR 建立的日本女性表情数据库(JAFFE)，它是研究亚洲人表情的重要测试库 2、表情识别: （1）图像获取:通过摄像头等图像捕捉工具获取静态图像或动态图像序列。 （2）图像预处理:图像的大小和灰度的归一化，头部姿态的矫正，图像分割等。 →目的:改善图像质量，消除噪声，统一图像灰度值及尺寸，为后序特征提取和分类识别打好基础 主要工作→人脸表情识别子区域的分割以及表情图像的归一化处理(尺度归一和灰度归一) （3）特征提取:将点阵转化成更高级别图像表述—如形状、运动、颜色、纹理、空间结构等,在尽可能保证稳定性和识别率的前提下，对庞大的图像数据进行降维处理。 →特征提取的主要方法有：提取几何特征、统计特征、频率域特征和运动特征等 1）采用几何特征进行特征提取主要是对人脸表情的显著特征,如眼睛、眉毛、嘴巴等的位置变化进行定位、测量,确定其大小、距离、形状及相互比例等特征,进行表情识别 优点：减少了输入数据量 缺点：丢失了一些重要的识别和分类信息，结果的精确性不高
人脸识别技术分析
人脸识别技术分析 近年来，由于反恐、国土安全和社会安全的需要，世界上各个国家都对安防领域加大了投入。在安防行业中，生物识别一直是市场中备受关注的焦点之一，近年来保持着较高的增长率，其中人脸识别是一个活跃的研究领域，也是人类视觉最杰出的能力之一。虽然人脸识别的准确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。目前人脸识别技术不断得到发展，该技术广泛应用到电子护照、生物特征身份证、体育场馆、银行、公安等系统中，对安检、奥运反恐、刑侦追逃等有重要意义。当前由于其应用日渐增多该市场份额比重在不断增加，前景普遍被看好。 对于人脸识别的应用，依照摄像机到用户的距离可将其分为近距离人脸识别（普遍必要用户合作）、中距离人脸识别和远距离人脸识别系统（FaceRecognitionataDistance（FRAD）），其中远距离人脸识别技术关注的是在一个广阔区域内进行非合作的人脸自动识别，这种远距离生物特征的提取和识别可以通过采用主动视觉系统解决。目前，在很多商业、安防和国防应用中都需要在开阔区域内进行远距离（10～20米或更远）非合作的人员识别。比如用于安防目的的人员识别和监督、入侵检测，以及在广阔的区域内通过智能摄像机网络进行人员跟踪等。人脸识别与视频监控的无缝对接可极大地提升传统视频监控的预警功能和智能化程度，并极大地拓展人脸识别技术的应用空间。 在近距离人脸识别中，摄像机可以轻松捕捉高辨别率和相对稳定的人脸图像。而可在FRAD应用中，人脸图像质量却是个大难题，可以说，远距离人脸识别是视频人脸识别应用中最具挑战性的形式之一。近年来国内外针对远距离人脸识别的研究很多，从目前的发展情况来看，对于广阔的覆盖区域已经有一些有效的解决办法，如可通过多摄像机主动视觉系统完成FRAD，即系统通过广视场摄像机（