人脸识别方法综述
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
科技信息
○科教前沿○
ቤተ መጻሕፍቲ ባይዱ
SCIENCE & TECHNOLOGY INFORMATION
2010 年 第 17 期
人脸识别方法综述
邢嘉李磊 （青岛酒店管理职业技术学院 山东 青岛 266100）
【摘 要】近几年来，人脸识别技术得到了迅猛发展，本文对各种人脸识别技术进行了综合性研究。 在对所有方法进行分析比较的基础上， 论述了人脸识别技术的研究现状、存在的问题并对未来进行了展望。
这种思想首先用各种数字图像处理的方法对输入图像进行处理， 根据处理结果提取出来的某些特征与人脸的某些共性特征进行比较， 借此来判断某一区域是否为人脸。 举例来说，我们可以用数字图像处 理中常用的提取边界的方法在输入图像中寻找边界，然后试探哪些边 界能像正面人脸的左边线、右边线和发髻线那样构成人脸轮廓；还可 以利用从图像中提取出来的色彩和纹理信息与人脸的色彩和纹理模 型进行比较，得出可能的人脸区域。 当然各种人脸特征的综合运用对 于提高检测算法的性能会有很大帮助。 1.1.3 模板匹配的方法
模 板 匹 配 是 [2][3][4] 一 种 有 效 地 模 式 识 别 技 术 ，它 能 利 用 图 像 信 息 和 有关识别模式的先验知识，更加直接地反映图像之间的相似度。 首先， 建立并存储一些人脸模板作为标准，可以包括正面人脸或是单独的眼 睛、鼻子、嘴等。 利用一些算法来计算各待测区域与标准模板的相似程 度或相关性，利用这一相似程度来判决某一区域是否为人脸。 传统的 模板匹配方法首先要分别得到左眼和右眼模板，然后分别用左右眼模 板在图像中进行匹配， 得到两个相似度最大的点作为定位的眼睛，这 种方法比较简单，但计算量较大，定位准确率较低。 1.1.4 基于人脸外观的方法
2 人脸识别的发展方向
近几年，人脸识别技术逐渐走出了实验室阶段，由原型系统朝着 商业化应用的方向发展。 人脸图像作为一种较为复杂的模式，很容易 受到光照、姿态、表情、年龄、尺寸、外表附属物以及图像采集设备等的 影响。 对实验室采集的人脸图像的测试结果表明对于限定在一定条件 下的人脸图像，例如, 正面人脸、光照良好、表情中性、给定尺寸的人脸 图像，识别率可以达到 90%以上。 对来自现实生活的人脸图像进行大 规模测试的结果表明，随着人脸数据规模的增大, 识别率随之下降。另 外, 识别率还受到测试对象的年龄、性别、图像的采集地点和图像的采 集时间间隔等的影响。由此可见, 当人脸图像的约束条件放宽时，现有 技术的识别率水平与实际应用需求之间还有一定的距离。 当前的商业 化人脸识别系统是在一定的图像约束条件下对人脸识别技术的应用， 往往需要人的主动配合，这在很大程度上限制了其应用范围。 潜在的 巨大市场需求和高可靠性的使用要求驱使研究人员从更加广阔的层 面来考虑提高现有人脸识别的技术水平。 另外，计算机视觉、图像处 理、模式识别以及硬件技术等的发展为新的人脸识别方法出现创造了 有利的条件。
3 总结与思考
人脸识别技术在国内有着巨大的发展潜力，行业内的领先者正在 逐步提供、完善产品解决方案，力求倡导与普及一种全新的工作生活 习惯与方式，使得人脸识别应用市场的前景一片光明。 （下转第 572页）
573
2010 年 第 17 期
SCIENCE & TECHNOLOGY INFORMATION
针对彩色信息的人脸检测, 人脸肤色检测非常重要且简单有效。 在人脸区域，肤色是占主导地位的色彩，基于肤色的人脸检测方法利 用图像的彩色信息，在一定的色彩空间中构造肤色模型，该方法可以 在不同的视角中均能检测到人脸，具备稳定性，不受尺寸、表情、人脸 姿态变化的影响。 但在复杂背景下的检测效果也不是很理想，一般情 况下误检率比较高，检 测 精 度 也 有 限 。 Freund 和 Schapire 于 1995 年 提出的 AdaBoost 算法， 其基本思想是当分类器对某些样本正 确 分 类 时，则减少这些样本的权值；当错误分类时，则增加这些样本的权值， 让学习算法在后续的学习中集中对比较困难的训练样本进行学习，最 终得到一个准确率理想的分类器。 这种方法大大提高了人脸检测速 度，可以实现实时检测。 但是基于 AdaBoost 算法的人脸检测同样也有 一定的局限性，即对于侧面及多姿态的人脸图像检测正确率不高。 1.2.2 基于灰度信息的人脸检测算法
●
作者简介：付欣文，王兆雷，防空兵指挥学院在读硕士研究生。 王文发，防空兵指挥学院作战指挥系教授，博士研究生导师。
[责任编辑：曹明明]
4 示例
（上接第 573 页）在 2010 年 上 海 世 博 会 的 安 检 和 监 控 方 面 ，人 脸 识别、客流分析、视频监控等智能视频处理技术已经成为本届世博会 的一大亮点。
这种方法是基于我们在认识人脸过程中所总结出来的一些先验 知识，把它们归结成为一些复杂程度由简而繁的规则。 例如：“正面人 脸都包括两只位置相互对称的眼睛”、“灰度图像中眼睛要比脸上其他 部分暗”等。 找到一系列规则后，把它们应用到输入图像中，搜索出符 合规律的人脸区域。 1.1.2 基于人脸特征的自底向上的方法
综上所述，经过这两年的市场启动，尤其是嵌入式人脸识别技术 的成熟，人脸识别技术将应用到公安、安全、海关、金融、军队、机场、边 防口岸、安防等多个重要行业及领域，以及智能门禁、考勤等民用市 场。 有关专家预言，2010 至 2012 年，全球人脸识别市场将进入一个快 速成长期，人脸识别时代已经到来！ 科
x'i=xi+ε（l，y） 式中 y=xmax-xmin，xmax，xmin， 为 xi 允许的最大值和最 小 值 ， 故 y=m；ε （t，y）=[y·（1-a（1- t ）b]，a 为[0，1]区间内的随机数，T 为最大允许迭 代
T 次数 ，t 为 当 前 的 迭 代 次 数 ，b 为 系 数 。 ε（t，y）的 目 的 是 使 迭 代 后 期 当 t→T 时 突 变 愈 来 愈 小 ， x'i 仅 在 原 地 附 近 变 动 ；而 在 初 期 ε（t，y）较 大 ， x'i 在大范围内搜索。 b 选取的不同，搜索速度也不一样。 同理，为了满 足约束条件可取
这种思想是指通过搜集大量的人脸和非人脸样本作为训练集，用 人工神经元网络、 支持向量机等方法训练出一个分类器来检测人脸。
这种思想与其他思想的不同之处在于，它并不首先人工的对人脸进行 分析或是抽取模板，也不对输入图像进行复杂的处理，而是利用大量 的人脸整体外观用结构化的方法来训练出人脸检测的分类器。 在这一 类方法中，特征向量、统计学、信息学等思想也得到了运用。 1.2 根据检测过程中是否用到色彩信息分类 1.2.1 基于彩色信息的人脸检测算法
可见人脸检测时有一定的难度和复杂性，但对这一问题的深入研 究必将推动模式识别、计算机视觉、人工智能等计算机科学分支的发 展。 人脸检测在近十年中得到了广泛的关注，人脸识别技术的研究出 现了新的高潮并取得了突破性进展。
1 计算机人脸检测的常用方法
人脸检测是一个开放性的，比较活跃的研究课题。 对人脸识别方 法进行分类时，根据不同的分类原则可以产生不同的分类结果。 大致 可分为以下两大类。 1.1 从方法论角度进行分类 1.1.1 基于知识的自顶向下的方法
3 计算步骤及流程
改进遗传算法的工作步骤是： 第一步：确定个体的基因组成及长度。 第二步：随机建立初始群体。 第三步：计算各个体的适应度。 第四步：根据遗传概率，用下述操作产生新群体。 复制：将已有的优良个体复制后添入新群体中，删除劣质个体； 交换：将选出的两个个体进行交换，所产生的新个体进入新群体； 突变：随机地改变某个体的某一基因后，将新个体添入新群体。 第五步：反复执行步骤三和步骤四，直到终止条件，选择最佳个体 作为遗传算法的结果。 其计算流程如下图所示。
○科教前沿○
科技信息
因的位置也是随机确定的。 在此问题中，为了满足约束条件，突变点的 位置限制在第 1 位到第 n-1 位之间，并且基因的突变是在该数允许的 范围内变动，其突变量的选取采用了一定的模拟退火的思想。 假设第 t 代的个体为 x'（x1，x2，…，xi，…xn-1，xn），若 xi 被选为突变点，则新个体为 x'+1（x1，x2，… ，x'i，… ，xn-1，xn）， 其 中
人脸检测可以分为两项内容，一项是人脸位置、大小和方向的确 定； 另一项是面部主要器官的定位。 人眼作为人脸最显著的特征，比 嘴、鼻能够提供更可靠、更重要的信息。 常用的人眼定位方法有阈值分 割法[5]、灰度投影法[6]和模板匹配法。 阈值分割法首先对人脸的二值图 像进行区域分割，然后设定一系列经验值和支持函数粗定位眼睛。 该 方法对于如人眼闭合、戴眼镜等一些情况定位效果较差。 灰度投影法 对人脸图像进行水平和垂直方向的投影，根据波峰波谷的分布信息来 定位眼睛。 这种方法定位速度较快，但波峰、波谷的分布对不同的人脸 和姿态的变化非常敏感，因此定位精度较差，并且容易陷入局部最小 而导致定位失败。
xn=m-（x1+x2+…x'i+…xn-1） 若 xn＜0，则须重新执行突变操作直到 xn≥0 为止。 2.7 终止 对于此问题，终止的方法是规定最大迭代次数 T。 一旦遗传算法 的迭代次数达到 T，则停止操作，输出结果。 通常 T 取 200～500 次。 由 于遗传算法中有许多随机因素影响，最后一代的结果不一定含有最优 个体。 为此，要经常记录每代的最优个体以便于查询比较。
设 有12 套 某 型 地 空 导 弹 武 器 系 统 保 卫 某 防 空 区 域 中 的 5 个 要 地，各个要地的重要度分别为 0.85,0.5,0.7,0.4,0.3,p=0.7。 在计算机上仿 真计算的简要结果见下表。
由于本例计算规模较小，故确定初始群体规模 M=10，每次迭代随 机选择 6 个个体交换，1 个个体突变，从计算结果看出，此算 法 收 敛 较 快，当迭代 13 次后已得出最优解，继续进行迭代，其最优解保持不变。 5 结束语
【参考文献】 ［1］Chellappa R, Wilson C L, Sirohey S. Human and machine recognition of faces a
survey [J]. Proceedings of the IEEE,1995,83(5): 705-740. ［2］AL. Yuille.J. Cognitive Neuroscience, 1989, 3:59－70. ［3］K.M . Lam, H. Yan. Pattern Recogition, 1995, 29:771－779. ［4］J. Ydeng , F .Lai. Pattern recognition, 1997, 30:403－419. ［5］钟威，刘智明，周激流. 人脸检测中眼睛精确定位的研究[J]. 计算机工程与应 用,2004，36：73-76． ［6］冯 建 强 ，刘 文 波 ，于 盛 林 ．基 于 灰 度 积 分 投 影 的 人 眼 定 位 [J]. 计 算 机 仿 真 ， 2005，22 (4)：75-77．
兵力配置是现代防空作战部署中极为重要的一环，科学的兵力配 置是达到合理的使用兵力，充分发挥武器系统的作战效能，取得防空 作战胜利的基础和前提。 对于多种型号武器系统的混合配置问题，其 目标函数、约束条件和解集合都比较复杂，目前正处于研究中，初步想 法是通过对各型武器系统作战能力等性能的分析比较，转化为同型号 的兵力配置优化问题。 通过对遗传算法的改进，模型寻优速度明显加 快，收敛性能也有了明显提高，为解决防空作战运筹领域类似问题提 供了一种思路。 科
【关键词】人脸识别；生物特征识别；研究进展
0 引言
现今社会，计算机的应用已得到普及，人们越来越趋向于在网络 中来交流。 人脸表情是人类在交流时所采用的最有效、最自然和最直 接 的 一 种 途 径 ，也 是 人 机 交 互 应 用 中 重 要 的 一 种 信 息 资 源 [1]。
然而人脸作为人类自身再熟悉不过的一个组成部分，其检测问题 却是一个极富挑战性的课题。 首先人脸是一个包含五官、毛发等的极 不规则的复杂待测目标，不同的人脸在形状、大小、颜色等方面有很大 的变化性；其次为了实现检测方法的鲁棒性，要考虑人脸在各种复杂 的背景中，不同的方向、角度、尺度等情况下所展现出来的不同表象； 再次，我们所基于的检测对象或环境大多是由图像捕捉设备所采集的 数字图像或视频流中的数字图像序列，所以采集条件特别是光照条件 包括光源的方向、明暗、色彩等都会对图像效果产生很大的影响，进而 影响对人脸的检测；另外，人脸上还可能长有胡须、戴有眼镜或其他装 饰品等，这些也同样是我们设计一种有效的人脸检测算法时不可忽视 的因素。
○科教前沿○
ቤተ መጻሕፍቲ ባይዱ
SCIENCE & TECHNOLOGY INFORMATION
2010 年 第 17 期
人脸识别方法综述
邢嘉李磊 （青岛酒店管理职业技术学院 山东 青岛 266100）
【摘 要】近几年来，人脸识别技术得到了迅猛发展，本文对各种人脸识别技术进行了综合性研究。 在对所有方法进行分析比较的基础上， 论述了人脸识别技术的研究现状、存在的问题并对未来进行了展望。
这种思想首先用各种数字图像处理的方法对输入图像进行处理， 根据处理结果提取出来的某些特征与人脸的某些共性特征进行比较， 借此来判断某一区域是否为人脸。 举例来说，我们可以用数字图像处 理中常用的提取边界的方法在输入图像中寻找边界，然后试探哪些边 界能像正面人脸的左边线、右边线和发髻线那样构成人脸轮廓；还可 以利用从图像中提取出来的色彩和纹理信息与人脸的色彩和纹理模 型进行比较，得出可能的人脸区域。 当然各种人脸特征的综合运用对 于提高检测算法的性能会有很大帮助。 1.1.3 模板匹配的方法
模 板 匹 配 是 [2][3][4] 一 种 有 效 地 模 式 识 别 技 术 ，它 能 利 用 图 像 信 息 和 有关识别模式的先验知识，更加直接地反映图像之间的相似度。 首先， 建立并存储一些人脸模板作为标准，可以包括正面人脸或是单独的眼 睛、鼻子、嘴等。 利用一些算法来计算各待测区域与标准模板的相似程 度或相关性，利用这一相似程度来判决某一区域是否为人脸。 传统的 模板匹配方法首先要分别得到左眼和右眼模板，然后分别用左右眼模 板在图像中进行匹配， 得到两个相似度最大的点作为定位的眼睛，这 种方法比较简单，但计算量较大，定位准确率较低。 1.1.4 基于人脸外观的方法
2 人脸识别的发展方向
近几年，人脸识别技术逐渐走出了实验室阶段，由原型系统朝着 商业化应用的方向发展。 人脸图像作为一种较为复杂的模式，很容易 受到光照、姿态、表情、年龄、尺寸、外表附属物以及图像采集设备等的 影响。 对实验室采集的人脸图像的测试结果表明对于限定在一定条件 下的人脸图像，例如, 正面人脸、光照良好、表情中性、给定尺寸的人脸 图像，识别率可以达到 90%以上。 对来自现实生活的人脸图像进行大 规模测试的结果表明，随着人脸数据规模的增大, 识别率随之下降。另 外, 识别率还受到测试对象的年龄、性别、图像的采集地点和图像的采 集时间间隔等的影响。由此可见, 当人脸图像的约束条件放宽时，现有 技术的识别率水平与实际应用需求之间还有一定的距离。 当前的商业 化人脸识别系统是在一定的图像约束条件下对人脸识别技术的应用， 往往需要人的主动配合，这在很大程度上限制了其应用范围。 潜在的 巨大市场需求和高可靠性的使用要求驱使研究人员从更加广阔的层 面来考虑提高现有人脸识别的技术水平。 另外，计算机视觉、图像处 理、模式识别以及硬件技术等的发展为新的人脸识别方法出现创造了 有利的条件。
3 总结与思考
人脸识别技术在国内有着巨大的发展潜力，行业内的领先者正在 逐步提供、完善产品解决方案，力求倡导与普及一种全新的工作生活 习惯与方式，使得人脸识别应用市场的前景一片光明。 （下转第 572页）
573
2010 年 第 17 期
SCIENCE & TECHNOLOGY INFORMATION
针对彩色信息的人脸检测, 人脸肤色检测非常重要且简单有效。 在人脸区域，肤色是占主导地位的色彩，基于肤色的人脸检测方法利 用图像的彩色信息，在一定的色彩空间中构造肤色模型，该方法可以 在不同的视角中均能检测到人脸，具备稳定性，不受尺寸、表情、人脸 姿态变化的影响。 但在复杂背景下的检测效果也不是很理想，一般情 况下误检率比较高，检 测 精 度 也 有 限 。 Freund 和 Schapire 于 1995 年 提出的 AdaBoost 算法， 其基本思想是当分类器对某些样本正 确 分 类 时，则减少这些样本的权值；当错误分类时，则增加这些样本的权值， 让学习算法在后续的学习中集中对比较困难的训练样本进行学习，最 终得到一个准确率理想的分类器。 这种方法大大提高了人脸检测速 度，可以实现实时检测。 但是基于 AdaBoost 算法的人脸检测同样也有 一定的局限性，即对于侧面及多姿态的人脸图像检测正确率不高。 1.2.2 基于灰度信息的人脸检测算法
●
作者简介：付欣文，王兆雷，防空兵指挥学院在读硕士研究生。 王文发，防空兵指挥学院作战指挥系教授，博士研究生导师。
[责任编辑：曹明明]
4 示例
（上接第 573 页）在 2010 年 上 海 世 博 会 的 安 检 和 监 控 方 面 ，人 脸 识别、客流分析、视频监控等智能视频处理技术已经成为本届世博会 的一大亮点。
这种方法是基于我们在认识人脸过程中所总结出来的一些先验 知识，把它们归结成为一些复杂程度由简而繁的规则。 例如：“正面人 脸都包括两只位置相互对称的眼睛”、“灰度图像中眼睛要比脸上其他 部分暗”等。 找到一系列规则后，把它们应用到输入图像中，搜索出符 合规律的人脸区域。 1.1.2 基于人脸特征的自底向上的方法
综上所述，经过这两年的市场启动，尤其是嵌入式人脸识别技术 的成熟，人脸识别技术将应用到公安、安全、海关、金融、军队、机场、边 防口岸、安防等多个重要行业及领域，以及智能门禁、考勤等民用市 场。 有关专家预言，2010 至 2012 年，全球人脸识别市场将进入一个快 速成长期，人脸识别时代已经到来！ 科
x'i=xi+ε（l，y） 式中 y=xmax-xmin，xmax，xmin， 为 xi 允许的最大值和最 小 值 ， 故 y=m；ε （t，y）=[y·（1-a（1- t ）b]，a 为[0，1]区间内的随机数，T 为最大允许迭 代
T 次数 ，t 为 当 前 的 迭 代 次 数 ，b 为 系 数 。 ε（t，y）的 目 的 是 使 迭 代 后 期 当 t→T 时 突 变 愈 来 愈 小 ， x'i 仅 在 原 地 附 近 变 动 ；而 在 初 期 ε（t，y）较 大 ， x'i 在大范围内搜索。 b 选取的不同，搜索速度也不一样。 同理，为了满 足约束条件可取
这种思想是指通过搜集大量的人脸和非人脸样本作为训练集，用 人工神经元网络、 支持向量机等方法训练出一个分类器来检测人脸。
这种思想与其他思想的不同之处在于，它并不首先人工的对人脸进行 分析或是抽取模板，也不对输入图像进行复杂的处理，而是利用大量 的人脸整体外观用结构化的方法来训练出人脸检测的分类器。 在这一 类方法中，特征向量、统计学、信息学等思想也得到了运用。 1.2 根据检测过程中是否用到色彩信息分类 1.2.1 基于彩色信息的人脸检测算法
可见人脸检测时有一定的难度和复杂性，但对这一问题的深入研 究必将推动模式识别、计算机视觉、人工智能等计算机科学分支的发 展。 人脸检测在近十年中得到了广泛的关注，人脸识别技术的研究出 现了新的高潮并取得了突破性进展。
1 计算机人脸检测的常用方法
人脸检测是一个开放性的，比较活跃的研究课题。 对人脸识别方 法进行分类时，根据不同的分类原则可以产生不同的分类结果。 大致 可分为以下两大类。 1.1 从方法论角度进行分类 1.1.1 基于知识的自顶向下的方法
3 计算步骤及流程
改进遗传算法的工作步骤是： 第一步：确定个体的基因组成及长度。 第二步：随机建立初始群体。 第三步：计算各个体的适应度。 第四步：根据遗传概率，用下述操作产生新群体。 复制：将已有的优良个体复制后添入新群体中，删除劣质个体； 交换：将选出的两个个体进行交换，所产生的新个体进入新群体； 突变：随机地改变某个体的某一基因后，将新个体添入新群体。 第五步：反复执行步骤三和步骤四，直到终止条件，选择最佳个体 作为遗传算法的结果。 其计算流程如下图所示。
○科教前沿○
科技信息
因的位置也是随机确定的。 在此问题中，为了满足约束条件，突变点的 位置限制在第 1 位到第 n-1 位之间，并且基因的突变是在该数允许的 范围内变动，其突变量的选取采用了一定的模拟退火的思想。 假设第 t 代的个体为 x'（x1，x2，…，xi，…xn-1，xn），若 xi 被选为突变点，则新个体为 x'+1（x1，x2，… ，x'i，… ，xn-1，xn）， 其 中
人脸检测可以分为两项内容，一项是人脸位置、大小和方向的确 定； 另一项是面部主要器官的定位。 人眼作为人脸最显著的特征，比 嘴、鼻能够提供更可靠、更重要的信息。 常用的人眼定位方法有阈值分 割法[5]、灰度投影法[6]和模板匹配法。 阈值分割法首先对人脸的二值图 像进行区域分割，然后设定一系列经验值和支持函数粗定位眼睛。 该 方法对于如人眼闭合、戴眼镜等一些情况定位效果较差。 灰度投影法 对人脸图像进行水平和垂直方向的投影，根据波峰波谷的分布信息来 定位眼睛。 这种方法定位速度较快，但波峰、波谷的分布对不同的人脸 和姿态的变化非常敏感，因此定位精度较差，并且容易陷入局部最小 而导致定位失败。
xn=m-（x1+x2+…x'i+…xn-1） 若 xn＜0，则须重新执行突变操作直到 xn≥0 为止。 2.7 终止 对于此问题，终止的方法是规定最大迭代次数 T。 一旦遗传算法 的迭代次数达到 T，则停止操作，输出结果。 通常 T 取 200～500 次。 由 于遗传算法中有许多随机因素影响，最后一代的结果不一定含有最优 个体。 为此，要经常记录每代的最优个体以便于查询比较。
设 有12 套 某 型 地 空 导 弹 武 器 系 统 保 卫 某 防 空 区 域 中 的 5 个 要 地，各个要地的重要度分别为 0.85,0.5,0.7,0.4,0.3,p=0.7。 在计算机上仿 真计算的简要结果见下表。
由于本例计算规模较小，故确定初始群体规模 M=10，每次迭代随 机选择 6 个个体交换，1 个个体突变，从计算结果看出，此算 法 收 敛 较 快，当迭代 13 次后已得出最优解，继续进行迭代，其最优解保持不变。 5 结束语
【参考文献】 ［1］Chellappa R, Wilson C L, Sirohey S. Human and machine recognition of faces a
survey [J]. Proceedings of the IEEE,1995,83(5): 705-740. ［2］AL. Yuille.J. Cognitive Neuroscience, 1989, 3:59－70. ［3］K.M . Lam, H. Yan. Pattern Recogition, 1995, 29:771－779. ［4］J. Ydeng , F .Lai. Pattern recognition, 1997, 30:403－419. ［5］钟威，刘智明，周激流. 人脸检测中眼睛精确定位的研究[J]. 计算机工程与应 用,2004，36：73-76． ［6］冯 建 强 ，刘 文 波 ，于 盛 林 ．基 于 灰 度 积 分 投 影 的 人 眼 定 位 [J]. 计 算 机 仿 真 ， 2005，22 (4)：75-77．
兵力配置是现代防空作战部署中极为重要的一环，科学的兵力配 置是达到合理的使用兵力，充分发挥武器系统的作战效能，取得防空 作战胜利的基础和前提。 对于多种型号武器系统的混合配置问题，其 目标函数、约束条件和解集合都比较复杂，目前正处于研究中，初步想 法是通过对各型武器系统作战能力等性能的分析比较，转化为同型号 的兵力配置优化问题。 通过对遗传算法的改进，模型寻优速度明显加 快，收敛性能也有了明显提高，为解决防空作战运筹领域类似问题提 供了一种思路。 科
【关键词】人脸识别；生物特征识别；研究进展
0 引言
现今社会，计算机的应用已得到普及，人们越来越趋向于在网络 中来交流。 人脸表情是人类在交流时所采用的最有效、最自然和最直 接 的 一 种 途 径 ，也 是 人 机 交 互 应 用 中 重 要 的 一 种 信 息 资 源 [1]。
然而人脸作为人类自身再熟悉不过的一个组成部分，其检测问题 却是一个极富挑战性的课题。 首先人脸是一个包含五官、毛发等的极 不规则的复杂待测目标，不同的人脸在形状、大小、颜色等方面有很大 的变化性；其次为了实现检测方法的鲁棒性，要考虑人脸在各种复杂 的背景中，不同的方向、角度、尺度等情况下所展现出来的不同表象； 再次，我们所基于的检测对象或环境大多是由图像捕捉设备所采集的 数字图像或视频流中的数字图像序列，所以采集条件特别是光照条件 包括光源的方向、明暗、色彩等都会对图像效果产生很大的影响，进而 影响对人脸的检测；另外，人脸上还可能长有胡须、戴有眼镜或其他装 饰品等，这些也同样是我们设计一种有效的人脸检测算法时不可忽视 的因素。