基于人臉識別技術(shù)的智能系統(tǒng)研究與開發(fā)

在參數(shù)橢圓模板的基礎(chǔ)上，加入對眼睛、眉毛和嘴巴特征的參數(shù)描述，進而利用改進的模板進行檢測與定位，取得了較好的結(jié)果。并且，在通過調(diào)節(jié)參數(shù)區(qū)分目標人物時，也有較好的表現(xiàn)。經(jīng)分析，檢測與定位成功率的提高得益于對臉部器官外形參數(shù)的有效地描述，使其過濾了大多數(shù)的背景中的干擾，取得了較好的效果。在調(diào)節(jié)面部器官的外形參數(shù)時，模型取得了較好的區(qū)分效果，這可以認為是各目標人物的個人特征的真實反應(yīng)。其中仍然存在的問題是，在人臉傾斜，或有眼鏡、大片頭發(fā)遮蓋等情況發(fā)生時，將對檢測與定位的效果產(chǎn)生嚴重的影響。

6 結(jié)論

人臉檢測與識別研究的趨勢是利用多種線索（頭發(fā)、膚色、器官、輪廓、模板等），綜合多種分類方法（混合高斯模型、概率模型、神經(jīng)網(wǎng)與支持向量機等），啟發(fā)式信息與統(tǒng)計學(xué)習(xí)方法相結(jié)合?？傊?，由于人臉對象的非剛體性，以及姿態(tài)、光照、遮擋等各種變化因素的影響和實時性要求，高性能的人臉檢測仍是一個困難的問題。

7本文作者創(chuàng)新點：

1采用基于參數(shù)化的橢圓型人臉模板與基于眼睛及嘴巴幾何特征相結(jié)合的人臉定位方法，根據(jù)其眼睛、鼻部及嘴部的幾何特征參數(shù)，對實驗人臉庫進行監(jiān)督下的分類。

2提出了結(jié)合人臉模板和人臉特征進行人臉檢測的方法，并對現(xiàn)有的人臉檢測與定位的方法提出了改進，進而提取臉部特征，并在此基礎(chǔ)上實現(xiàn)了一個智能識別系統(tǒng)，經(jīng)檢驗，模型取得了較好的區(qū)分效果。

3.本項目為作者所在學(xué)院智能機器人研究課題之子課題，該課題目前已初步實用化，產(chǎn)生經(jīng)濟效益累計達110萬元。本項目實驗數(shù)據(jù)，如FERET'97及FRVT 2000,以及BioID人臉庫等，均為互聯(lián)網(wǎng)上公開資料，所采用的研究方法為實驗法。

參考文獻

[1] 梁路宏，艾海舟。 人臉檢測研究綜述[J].計算機學(xué)報，Vol.25,No.5

[2] P. Jonathon Phillips, Alvin Martin C.L. Wilson, Mark Przybocki. An Introduction to Evaluating Biometric Systems.IEEE 2000

[3] DoD Counterdrug Technology Development Program Office. FRVT 2000 Evaluation Report. Feb. 16 2001

[4] 陳莉，劉智明， 周激流。 一種基于顏色和幾何特征的人臉檢測方法[J].計算機工程與應(yīng)用，2003.27

[5] 邢藏菊， 曲延鋒， 王守覺。 靜態(tài)灰度圖像中的人臉快速檢測[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報。Vol.14,No.5,2002

[6] Kwok-Wai Wong,Kin-Man Lam,Wan-Chi Siu.An efficient algorithm for human face detection and facial feature extraction under different conditions.Pattern Recognition 34 （2001）

[7] 馮素玲。人臉識別常用方法研究[J].微計算機信息，2004,05: 45-47