人脸识别-一路机电人脸识别器-人脸识别认证

1.首***行预处理，选定视频中不在人脸可能出现的区域，并将该区域图像保存，作为对比图像在背景对比步骤使用。然后进行背景对比，选取一帧与预处理选定的背景图像相同区域的图像，将与图像进行灰度化处理得到两幅图的灰度图像和。在图像上寻找个亚像素级角点，使用金字塔Lucas-Kanade光流方法追查亚像素级角点在图像的位置。计算两次角点位置偏移之和，大于某一阈值则认为背景发生变化、检测的人脸为非活的人脸。

2.背景检测结束后，对视频每帧图像进行人脸检测和眼睛检测。将检测后的图像进行直方图均匀化、自适应二值化，然后进行形态学开闭操作求出眼珠，统计眼珠的像素总和。分析每帧图像中眼珠像素总和，当睁眼状态时的值蕞大，人脸识别认证，闭眼状态时的值为0。出现上述状态时，可以认为该过程为眨眼过程。当背景检测相同且发生眨眼过程时，则认为检测的人脸是活的。

人脸图像匹配与识别：

人脸图像匹配是指提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。

人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

伴随着科技的飞速发展，人脸识别的技术也越来越好，近来有一种通过***网络的方法进行识别，人工***网络是一种非线性动力学系统，具有良好的自***、自适应能力。目前***网络方法在人脸识别中的研究方兴未艾。Valentin提出一种方法，首先提取人脸的 50个主元，然后用自相关***网络将它映射到 5维空间中，酒店人脸识别，再用一个普通的多层感知器进行判别，对一些简单的测试图像效果较好；有人提出了一种混合型***网络来进行人脸识别，人脸识别，其中非监督***网络用于特征提取，而监督***网络用于分类。Lee等将人脸的特点用六条规则描述，然后根据这六条规则进行五官的***，将五官之间的几何距离输入模糊***网络进行识别，效果较一般的基于欧氏距离的方法有较大改善，Laurence等采用卷积***网络方法进行人脸识别，由于卷积***网络中集成了相邻像素之间的相关***，从而在一定程度上获得了对图像平移、旋转和局部变形的不变性，因此得到非常理想的识别结果，Lin等提出了基于概率决策的***网络方法 (PDBNN)，其主要思想是采用虚拟 (正反例 )样本进行强化和反强化学习，从而得到较为理想的概率估计结果，并采用模块化的网络结构 (OCON)加快网络的学习。这种方法在人脸检测、人脸***和人脸识别的各个步骤上都得到了较好的应用，其它研究还有 :Dai等提出用Hopfield网络进行低分辨率人脸联想与识别，Gutta等提出将RBF与树型分类器结合起来进行人脸识别的混合分类器模型，Phillips等人将MatchingPursuit滤波器用于人脸识别，国内则采用统计学习理论中的支撑向量机进行人脸分类。

***网络方法在人脸识别上的应用比起传统的方法来有一定的优势，人脸识别功能，因为对人脸识别的许多规律或规则进行显性的描述是相当困难的，而***网络方法则可以通过学习的过程获得对这些规律和规则的隐性表达，它的适应性更强，一般也比较容易实现。因此人工***网络识别速度快，但识别率低 。而***网络方法通常需要将人脸作为一个一维向量输入，因此输入节点庞大，其识别重要的一个目标就是降维处理。