在60年代初已经提出了脸部识别技术,由于计算机的处理速度的缓慢,只能证明在理论上是可行的。自90年代以来,随着计算机的处理速度越来越快,能力越来越强,人脸识别方法也随之有了新的进展,现在发展到了一个真正的计算机自动识别阶段,人脸识别技术也因此得到空前的关注。
1.2国内外研究现状与水平
1.2.1国外研究现状
1990年日本制造的人脸识别计算机能在1秒内从3500人中找你要寻找的人物。
1993年,美国国防部高级研究项目署 (Advanced Research Projects Agency)和美国陆军研究实验室(Army Research Laboratory)成立了Feret(Face Recognition Technology) 项目组,建立了feret 人脸数据库,用于评价人脸识别算法的性能。
随着人脸识别技术的深入发展,国外对此的研究与论文的发表也越来越多。国外主要从以下几点进行研究:
(1)模板匹配
(2)示例学习
(3)基于形状分析的方法
(4)基于AdaBoost的人脸识别算法
(5)基于隐马尔可夫模型的方法
(6)基于彩色信息的方法
(7)神经网络
1.2.2国内研究现状
现在人脸识别系统在很多地方都发挥着非常重要的作用,特别是在安全性和考勤,网络安全,银行,军事安全,智能卡,海关边检,物业管理,智能门禁机关单位,司机驾照验证,计算机登录系统。北京科瑞奇科技发展有限公司于2002年制定了人脸识别系统,人脸图像进行处理,以消除相机的影响,然后将图像特征提取和识别。这是用于面部识别特别有价值的,因为人脸鉴别通常使用正面照,面部图像被取在不同的时间,使用不同的照相机。该系统可以接受较长的时间间隔的照片,并可以实现在计算机库藏2300的脸照片的高识别率,每一张照片使用距离1 - 7年时间,拿差别比较大的照片去查询,首选率可以达到50% 。
1.3人脸识别研究的意义
怎么样能够使计算机能够如同我们人类一样地分析各种视觉信息,我们可以使用一个流程来计算得到可视数据。本机智能通过机器模拟人的能力像人类一样去观察并通过眼睛而获取视觉信息,并将获得视觉信息的使用大脑来处理。近年来,使用计算机视觉技术在各个领域解决许多问题,该技术具有在视觉模式下重要的应用。面部识别技术使用视频数据的采集,在数据采集分布的PCA空间中,视频数据格式会转换成存储在数据库中的视频数据,并最终得到一个32位浮点图,该技术具有操作更简单,直接和其他优点。人脸检测与识别在生物特征识别技术的重要应用除了跟踪视频识别技术之外,它具有智能视频监控系统,视频会议,人机交互,访问控制,信息安全,以及家庭娱乐等场合也有重要的作用。
2图像处理
2.1 OPENCV简介
OpenCV的全称是(Open Source Computer Vision Library ),OpenCV于1999年由Intel建立,如今由Willow Garage提供支持。OpenCV是一个基于(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法,它不依赖于其它的外部库,但可以使用某些外部库。OpenCV 为Intel® Integrated Performance Primitives (IPP) 提供了透明接口。这意着如果有为特定处理器优化的的 IPP 库,OpenCV 将在运行时自动加载这些库。OpenCV有几个显著的特点:
1. 速度快、代码优化
2. 方便灵活的用户接口
3. 强大的图像和矩阵运算功能