关于人脸识别技术一点谈

       随着计算机通信技术、视音频压缩技术和大规模存储技术的发展，人脸图像识别己大量应用在教育、科研、广播电视、安防、商业及消费领域。人脸图像识别在传统上的应用包括人脸图像的辨认和确认，如：访问控制、执法及安防等。随着计算机计算和存储能力的提高、网络技术的发展及人脸图像识别算法的成熟，人脸图像识别技术将会在人机接口、虚拟现实、数据库检索、多媒体、娱乐等一些新的领域得到广泛的应用。

     人脸识别目前现状：

1. 基于人脸全局特征的人脸识别：主成分分析算法；Fisher线性区分算法。

     2.基于人脸局部特征的人脸识别技术：局部二值模式化BP算子及其变种算法；Gabor滤波器算法.

     3.基于压缩感知稀疏表示理论的人脸识别技术：压缩感知是指利用信号的稀疏性和非相关性，通过构建测量矩阵，用低于奈奎斯特采样率的频率对信号进仔采样，实现边采样边压缩；在接收端通过信号重构的方法实现解缩，从而避免在采样端产生大量的冗余数据，降低采样端存储和计算成本。压缩感知包括信号的稀疏表示、测量矩阵的构建和信号恢复等三个关键环节。

     4.基于深度学习的人脸识别技术：深度学习是机器学习研究中的一个新的领域，源于人工神经网络的研究。深度习的动机在于建立类似于人脑进行分析学习的神经网络，从而模拟人脑的机制来解释数据。

     人脸识别未来趋势：

      一、多数据融合与方法综合

      人脸识别技术经过这几十年的发展，已取得非常不错的成果。但是各种技术和方法都有自己不同的适应环境和各自的特点。如何使用数据融合理论，将不同的方法综合起来，相互补充，来取得较好的人脸识别效果，便成为人们的研究热点之一。

       二、动态跟踪人脸识别系统

      目前的静态人脸识别技术只能满足一般身份识别场合如门禁系统，考勤系统等，无法进行人脸的动态跟踪与识别。随着现在社会的发展，目前对动态人脸的跟踪与识别的需求越来越大，尤其是在一些安全领域。

       三、基于小波神经网络的人脸识别

       小波自提出以来，其理论和应用得到了长足的发展。它被认为是傅里叶分析的突破性的发展。随着神经网络的理论研究的深入，与小波，混沌，模糊集等非线性理论相结合已成为一个非常重要的发展方向。小波变换具有时频特性和变焦特性，神经网络具有自学习，自适应，鲁棒性，容错性和推广能力。如果能结合两者的优势，将会取得人脸识别不错的效果。

       四、三维人脸识别

       目前许多人脸识别成果是建立在二维人脸基础上的，而实际的人脸是三维的。三维人脸相比较于二维图像提供了更加完整的人脸信息。随着现在三维人脸采集技术的逐步发展，如何利用三维人脸进行人脸识别已成为一个新的研究热点。

       五、适应各种复杂背景的人脸分割技术

      现在在复杂背景下的人脸分割已经取得了一定的成果，如弹性匹配，但检测速度和效果还无法令人满意。在复杂背景下快速有效检测和分割人脸技术还需进一步的研究。

       六、全自动人脸识别技术

       全自动人脸识别技术目前还处于初级研究阶段，识别效果和速度离实际的要求还相差甚远。具体原因是人脸是非刚体，无法得到准确完整的描述人脸特征。如何有效的表达人脸特征将是其研究的重点。

       参考相关文献，就不在此一一列举，感谢作者。