人脸识别算法发展概述*

任兴珅

北方民族大学计算机科学与工程学院 宁夏 银川 750021

1 人脸识别概述

人脸识别是计算机视觉领域重要的研究方向，随着现阶段人脸识别应用的普及，人脸识别算法被应用到各个领域。人脸识别是将当前人脸图像进行特征提取，然后与人脸库中的人脸信息对比，匹配个人信息，并给予反馈。因此，为避免人脸识别错误率带来的不稳定性，人们对人脸识别算法的准确率以及速度要求在逐渐提高。

2 传统人脸识别算法

人脸识别技术最早在1965年被提出，早期的人脸识别研究主要基于人脸几何特征的方法和基于模版匹配的方法。基于人脸几何特征的方法是通过提取人脸器官，如眼睛、鼻子、嘴巴等重要特征点的位置以及人脸器官的几何形状作为分类特征。基于几何特征的方法通过设定好的算法提取人脸特征，计算量小，但容易受光照、角度、表情等多种因素影响，效果极其不稳定。基于模版匹配的方法是将要识别人脸与已经建立好的人脸图像库以一定的方式进行模板匹配，当匹配效果较好时理论上满足人脸识别需求。但由于场景的多样性，模板匹配的成功率存在偶然性，很难用于实际应用[1]。

20世纪90年代，研究人员使用机器学习方法将人脸特征向量化，得到高维人脸特征向量，然后映射到低维空间进行判定。如Turk等人提出特征脸Eigenface；Peter等人利用主成分分析方法PCA对人脸进行降维，然后采用线性判定分析期望获得类间距离较大，类内距离较小的子空间实现人脸识别[2]。……