基于人臉識別技術的智能系統研究與開發

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

6 結論

人臉檢測與識別研究的趨勢是利用多種線索（頭發、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、神經網與支持向量機等），啟發式信息與統計學習方法相結合。總之，由于人臉對象的非剛體性，以及姿態、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本文作者創新點：

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

2提出了結合人臉模板和人臉特征進行人臉檢測的方法，并對現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，并在此基礎上實現了一個智能識別系統，經檢驗，模型取得了較好的區分效果。

3.本項目為作者所在學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，產生經濟效益累計達110萬元。本項目實驗數據，如FERET'97及FRVT 2000,以及BioID人臉庫等，均為互聯網上公開資料，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].計算機工程與應用，2003.27

[5] 邢藏菊， 曲延鋒， 王守覺。 靜態灰度圖像中的人臉快速檢測[J].計算機輔助設計與圖形學學報。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