Adaboost+Haar-Like人脸识别系统的设计+matlab代码(3)

菜单

1.2 当前课题存在的主要问题

虽然该项技术发展前景诱人，但在识别度的准确性上与指纹识别、身份验证等有着一定的差距，主要原因在于：（1）采集人脸信息过程中存在干扰因素（如光线、噪声等），（2）人脸的多变性（如剃胡须，化浓妆，发型等），（3）人脸可塑性较大（如喜、怒、哀、乐等）；4）所涉及的范畴较广（心理学，医学，模式识别，图像处理，数学，计算机等）。在识别过程中当这些不确定成分的出现就会导致最终的结果不理想。基于几何特征的人脸识别方法，问题在于没有构成一致的最佳的提取准则。尽管如此，解决面部信息剖析时的一个最有效的根据依旧是基于几何特征的方法。与此同时也提出许多优化的提取算法，让其提取变得简单合理，最具代表性的是利用三维人脸图像特征提取手段。基于代数特征的人脸识别手段是普遍使用的方式，终其缘由在于矢量对成像角度、背景变化等干扰的解决都有不错的稳定性。一定程度上来讲，进行人脸检测的许多手段，本质在于找到描绘人脸的一种方法。无论是最初使用的几何描绘方式还是后来运用较多的代数描述方式都有不足之处。所以该课题暴露出的问题，只能是在今后的不断探索中逐渐的优化方案让其变得更稳定。

2. 人脸识别系统

如图2-1所示，人脸信息采集、人脸图像预处理、人脸检测定位、特征提取、人脸识别五部分组成一个完整的人脸识别系统。

图2-1 系统的基本框架

2.1 人脸识别研究的目的和意义

伴随人们安全意识的提升，大家越来越看重那些快而简便的辨别方式。传统辨认身份的手段大多采用识别身上的物品或通过密码、编号来实现，常见的物品有身份证、名片、胸卡等。大家都知道密码、身份证、名片、胸卡等人身标识物品很容易丢失、伪造、忘记和错记，一旦别人获取证件后同样具有使用权力。即使两者结合在一起，也无法彻底解决此类问题，比如自动取款机虽然用到银行卡和用户密码，但卡里的钱仍然会丢失。因此，传统手段越来越不能得到大家的认可。而人脸作为生物特征里重要的一个部分，作为辨别身份的手段就很好的得到人们认可，相比其他特征人脸不易被遗忘、伪造并且人脸信息采集具有非接触性、非侵犯性，容易被大家认可。人脸系统并不能像人们那样，可以很容易地认出成千上万的人脸。原因在于人脸变换多端；面貌随时间推移变化很大；面部信息受光线、成像角度及背景色彩等影响；此外，该技术与图像处理、模式识别、计算机视觉、心理学和数学等学科紧密相连。所以，研究人脸识别不仅可以促进各学科领域的发展，同时也是一项富有挑战性的课题。