基于Gabor特征的人脸识别算法的研究(2)

3.3.3人脸的建模与检索：

可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。 3.3.4真人鉴别功能：

系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。 3.3.5图像质量检测：

图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。 3.3.6人脸识别技术优缺点： 人脸识别优点：（相比较其他生物识别技术而言）非接触的，用户不需要和设备直接接触；非强制性，被识别的人脸图像信息可以主动获取；并发性，即实际应用场景下可以进行多个人脸的分拣、判断及识别； 3.3.7人脸识别的弱点：

对周围的光线环境敏感，可能影响识别的准确性；人体面部的头发、饰物等遮挡物，人脸变老等因素，需要进行人工智能补偿；（如可通过识别人脸的部分关键特性做修正）。

3.4人脸识别技术的主要应用发展现状

人脸识别技术对于维护国家安全和社会稳定、打击各类犯罪活动具有十分重大的意义。在国家安全、军事安全、金融、公安、司法、民政、海关、边境、口岸、民航、保险以及社会安防、民用安防等领域都有所涉及，目前的主要应用有、人脸识别考勤、人脸识别门禁、人脸识别身份认证、监控布防等。 在新兴的信息安全应用领域，人脸识别技术提供了一种更为安全可靠易用的身份鉴别手段，从而提升了整个网络信息系统的安全性能，有效地遏止各类网络违法犯罪活动。同时，人脸识别技术在传统的安防领域可以便捷的与原有技术实现紧密的结合，大大提升原有系统的智能化程度、安全性及易用性，拓展了原有系统的应用领域，从而促进了传统产业的技术升级。随着科学技术的发展及各种技术手段的综合应用，人脸识别技术一定会不断向前发展，在越来越多的领域发挥更重要的作用。

4.小结

分利用Gabor小波特征能较好地表示局部特征和DF—LDA能提取分类性能较强的全局特征的优点，融合Gaobr小波特征和原始图像的灰度值信息，构造增强Gabor特征，提出一种人脸识别算法。(DF—LDA+EGF)．在ORL、Georgia Tech和Yale人脸数据库的实验结果表明，该算法用于人脸识别的正确识别率高于PCA算法、Fisherfaces算法、DF—LDA算法、PCA+GF算法、Fisherfaces+GF算法和DF—LDA+GF算法．同时，对姿态、光照、表情等因素具有较强的鲁棒性．特别是在姿态变化较大的Geor-百a Tech人脸库上，其识别性能比传统算法有较大提高．增强Gabor特征比传统的利用Gabor特征在特征维数上稍有增加(仅比传统的Gabor特征增加1／40)，但是充分利用人脸图片的局部特征和全局特征信息．DF—LDA+EGF人脸识别方法具有识别率高、性能稳健的特点．

参考文献

[1]Liu CJ, Wechsler H. Gabor feature based classification using the enhanced fisher linear discriminant model for face recognition. IEEE Trans. on Image Processing, 2002,11(4):467?476.

[2]Liu CJ, Wechsler H. Gabor feature based classification using the enhanced fisher linear discriminant model for face recognition. IEEE Trans. on Image Processing, 2002,11(4):467?476

[3]Shan SG. Study on some key issuses in face recognition [Ph.D. Thesis]. Beijing: Institute of Computing Technology, the Chinese Academy of Sciences, 2004 (in Chinese with English abstract).

[4]LinlinShen，Li Bai. Information Theory for Gabor Feature Selection for Face Recognition，EURASIP Journal on Applied Signal Processing， Volume 2006 [5]凌捷.人脸识别技术综述[J].计算机学报，2003，13（12）75-78 [6]何国辉，甘俊英.PCA-LDA算法在性别鉴别中的应用[J].中国图像图形学报，2006，32（19）：208-211 [7] 王聃，贾云伟，林福严.人脸识别系统中的特征提取[J].自动化学报，2005，21（7-3）：53-55

[8]张俭鸽，王世卿，盛光磊.基于小波和DFB-PCA的人脸识别算法研究[J].自动化学报，2007，23（2-1）：253-255

[9] 曹林，王东峰，刘小军，邹谋炎.基于二维Gabor小波的人脸识别算法[J].电子学报，2006，28（3）490-494

[10] 焦峰，山世光，崔国勤，高文，李锦涛.基于局部特征分析的人脸识别方法[J].自动化学报，2003，15（1）：53-58 [11]徐倩，邓伟.一种融合两种主成分分析的人脸识别方法[J].计算机学报，2007，43（25）：195-197

[12]刘贵喜，杨万海.基于小波分解的图像融和方法及性能评价[J].自动化学报，2002，28（6）：927-934

[13] 周嫔，马少平，苏中.多分类器合成方法综献[J].自动化学报，2000，28（1）：122-124 [14]庄哲民，张阿妞，李芬兰.基于优化的LDA算法人脸识别研究[J].中国图像图形学报，2007，29（9）：2047-2049 [15]王蕴红，范伟，谭铁牛.融合全局与局部特征的子空间人脸识别算法[J].电子学报，2005，28（10）：1657-1662

[16]钟向阳.基于Gabor小波的人脸识别系统的实现[J].中国图像图形学报，2005，23（3）：74-78

[17]张燕昆，刘重庆.一种新颖的基于LDA的人脸识别方法[J].自动化学报，2003，22（5）：327-330

[18]荆晓远，郭跃飞，杨静宇.基于奇异值特征的图像预处理及人脸识别[J].信息与控制，1999（2）：116-120

[19]洪子泉，杨静宇.基于奇异值特征和统计模型的人像识别算法[J].计算机研究与发展，1994，31（3）：60-65 [20]黄修武，杨静宇，郭跃飞.基于隶属度的人脸图像特征抽取和识别[J].电子学报，1998，26（5）：89-92

[21]赖剑煌，阮邦志，冯国灿.频谱脸：一种基于小波变换和Fourier变换的人像识别新方

法[J].中国图像图形学报，1999，4（10）：811-817

[22] 刘贵喜，杨万海.基于小波分解的图像融和方法及性能评价[J].自动化学报，2002，28（6）：927-934

[23]章毓晋.图像工程（上、下册）[M].北京：清华大学出版社，2004 [24] [25]苏光大.图像并行处理技术[M].北京：清华大学出版社，2002 [26]袁勇，李天牧.一种新的人脸特征定位及识别的方法[J].云南大学学报（自然科学版），2001，23（3）：181-186