基于人脸识别技术的智能系统研究与开发

在参数椭圆模板的基础上，加入对眼睛、眉毛和嘴巴特征的参数描述，进而利用改进的模板进行检测与定位，取得了较好的结果。并且，在通过调节参数区分目标人物时，也有较好的表现。经分析，检测与定位成功率的提高得益于对脸部器官外形参数的有效地描述，使其过滤了大多数的背景中的干扰，取得了较好的效果。在调节面部器官的外形参数时，模型取得了较好的区分效果，这可以认为是各目标人物的个人特征的真实反应。其中仍然存在的问题是，在人脸倾斜，或有眼镜、大片头发遮盖等情况发生时，将对检测与定位的效果产生严重的影响。

6 结论

人脸检测与识别研究的趋势是利用多种线索（头发、肤色、器官、轮廓、模板等），综合多种分类方法（混合高斯模型、概率模型、神经网与支持向量机等），启发式信息与统计学习方法相结合。总之，由于人脸对象的非刚体性，以及姿态、光照、遮挡等各种变化因素的影响和实时性要求，高性能的人脸检测仍是一个困难的问题。

7本文作者创新点：

1采用基于参数化的椭圆型人脸模板与基于眼睛及嘴巴几何特征相结合的人脸定位方法，根据其眼睛、鼻部及嘴部的几何特征参数，对实验人脸库进行监督下的分类。

2提出了结合人脸模板和人脸特征进行人脸检测的方法，并对现有的人脸检测与定位的方法提出了改进，进而提取脸部特征，并在此基础上实现了一个智能识别系统，经检验，模型取得了较好的区分效果。

3.本项目为作者所在学院智能机器人研究课题之子课题，该课题目前已初步实用化，产生经济效益累计达110万元。本项目实验数据，如FERET'97及FRVT 2000,以及BioID人脸库等，均为互联网上公开资料，所采用的研究方法为实验法。

参考文献

[1] 梁路宏，艾海舟。 人脸检测研究综述[J].计算机学报，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] 陈莉，刘智明， 周激流。 一种基于颜色和几何特征的人脸检测方法[J].计算机工程与应用，2003.27

[5] 邢藏菊， 曲延锋， 王守觉。 静态灰度图像中的人脸快速检测[J].计算机辅助设计与图形学学报。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] 冯素玲。人脸识别常用方法研究[J].微计算机信息，2004,05: 45-47