文 献 综 述

1.课题的研究意义和应用价值

随着科技的发展和社会的进步，越来越多的智能设备进入人们的生活。人工智能技术的发展，促使了许多新的身份认证技术的出现，除了指纹识别技术、虹膜识别技术，人脸识别技术也开始应用到各个领域中。人脸识别技术通过提取人的脸部特征，可以对个人的身份进行识别。在安防方面，使用人脸识别技术的门禁系统可以极大的方便使用者，提高安全性；在移动终端方面，使用人脸识别技术的智能设备可以更加安全地保护个人的隐私，为用户提高更好的人机交互体验；在视频监控方面，在摄像头中加入人脸识别技术，可以迅速识别视频中的人的身份。

基于机器视觉的人脸识别可以从动态的视频中进行人脸的检测与定位，实现人脸识别。能够实现以计算机的自动识别代替人工识别，达到快速、高效、精准的人脸身份自动识别的目的，在公安、国防、金融、安防等方面有着广泛的应用前景，具有很大的应用价值。

对于人脸识别的研究有着很大的意义，人脸识别是一门多学科交叉的学科，研究人脸识别能够推动图像处理、模式识别、计算机视觉、人工智能、人机交互等多学科的共同发展，具有很大的学术价值。

2.国内外研究现状

人脸识别的研究开始于二十世纪六七十年代，目前已成为许多国内外研究机构学术研究的热点问题。经过国内外学者多年的研究，人脸识别的技术获得了很大的发展。随着视频监控、信息安全、访问控制等应用领域的发展需求，基于视频的人脸识别已成为人脸识别领域最为活跃的方向之一^[1]。

人脸识别之前需要进行人脸检测，常用的人脸检测方法有4种：基于知识的方法，特征不变方法，模板匹配方法，基于外观的方法^[2]。目前比较成熟的方法有基于肤色和AdaBoost算法的人脸检测方法^[3]，在人脸检测的过程中效果较好。

基于静态图像的人脸识别有很多种方法，基于外表的人脸识别方法是一种常用的方法，该方法面临的一个主要的问题是图像的维数太大，需要进行降维。常用的降维技术有主成分分析方法（Principal Component Analysis，PCA），线性判别式方法（Linear Discriminate Analysis，LDA），弹性图匹配方法（Elastic Graphic Matching，EGM），保留映射方法（Locality Preserving Projection，LPP）^[4-5]。

基于视频的人脸识别相对于静态的人脸识别更加复杂，需要提取动态的人脸特征进行识别，根据各种算法对于输入视频的处理方法的不同，可以分为基于关键帧的方法、基于图像集的方法和基于有序视频序列的方法三种^[6-7]。