第一篇：人臉識別綜合實踐報告

人臉識別綜合實踐報告 一、實踐背景 人臉識別技術作為生物特征識別領域中一種基于生理特征的識別，是通過計算機提取人臉特征，并根據這些特征進行身份驗證的一種技術。同其它生物識別技術相比，人臉識別技術具以下優越性：①不需要人工操作，是一種非接觸的識別技術；②快速、簡便；③直觀、準確可靠；④性價比高，可擴展性良好；⑤可跟蹤性好；⑥具有自學習功能。人臉識別技術是一種精度高、方便使用、魯棒性好，而且很難假冒、性價比高的生物特征識別技術。由于人臉識別具有以上優點，因此應用非常廣泛，主要應用范圍有：①檔案管理系統，如有些大型公司和學校都用人臉識別來進行考勤打卡；②安全驗證系統信用卡驗證；③刑事案件偵破；④出入口控制，如北京奧運會和杭州 G20 峰會應用人臉識別技術進行安保；⑤人機交互領域；⑥金融行業，如支付寶推出了刷臉功能。人臉識別技術應用前景廣闊。

二、實踐概況 實習時間：2017-3-7 至 2017-4-29

實習公司：新秩序電子科技有限公司

實習目的：在實習中接觸社會，學習市場營銷的基本知識，掌握市場營銷的基本技能，在實踐中鍛煉自己在與人溝通、團隊合作、制定計劃、應對危機等各方面的能力，發現自身的各種問題和缺點并采取實際行動改進。

實習任務：通過面試被聘為新秩序電子科技有限公司的一名實習生，在其銷售部擔任一名市場營銷人員，參與公司人臉識別產品的市場維護及拓展的營銷計劃。

三、實踐方法及內容 （一）人臉識別內容 本實踐提出的分布式人臉識別模型中有多個代理，并且每個代理可以同時識別多個視頻中的行人，為了避免代理處理任務量不均導致的時間延遲，對每個代理處理的任務量采用遺傳算法（GA）進行負載均衡。假設有ｋ個代理要處理 m 個視頻，每個視頻中有多個行人，第 i 個代理處理的 ID 號為iAID，處理的視頻集合為 } ,..., , {2 1iin i i iV V V V ?，其中 i 的范圍是（0，k），in 是第 i 個代理中的視頻個數，)＜n 0(im ?，iV 中第 j 個視頻的行人個數為ijP，)n ＜j 0(i?。

首先對 GA 中的染色體進行初始化，以第 i 個代理為例，將ij ij iP V AID , , 這 3個參數作為一個節點，由于第 i 個代理中有in 個視頻，所以就有in 個這樣的節點，將這in 個節點作為第 i 個染色體的基因。第 i 個染色體由iChrom，來表示，iChrom初始化結果如下所示:)., ,(),..., , ,(),..., , ,(), , ,(:2 2 1 1i iin in i ij ij i i i i i i i iP V AID P V AID P V AID P V AID Chrom

本實踐采用的適應值函數如下：

???injij iP c F1/

其中 c 是小于 1 的隨機數。

其次，使用輪盤賭方式進行選擇操作，根據計算公式獲得選擇結果?？紤]個體優劣差距較大的情況，根據染色體的數量，選擇不同質量的染色體進行遺傳。

???kii i chromF F i P1/)（在遺傳操作中，選擇兩點交叉方法進行交叉操作，根據染色體長度的不同，設定這兩個交叉點的選擇范圍，令第一個交叉點的位置為第一個基因節點，假設這兩條染色體中最短的染色體長度為minL，則第二個交叉點的選擇范圍即為

[min min, 2 / L L ]。

為了避免過早收斂使算法進入局部最優，及保證種群的多樣性，根據染色體的適應值對交叉概率cP 和變異概率mP 增加了一些隨機性操作，cP 和mP 的計算公式如下所示: 2211MaxFFkMaxFFk P c? ?? ?

??? ?FMinFkMaxFFk P m413 其中:1MaxF 是染色體中最大的適應值，2MaxF 是染色體中第二個大的適應值，MinF 是染色體中最小的適應值，3 2 1k k k、、和4k 是[0,1]的隨機數。

為了盡快縮小染色體之間的優劣差距，在傳統的 GA 算法中加入了遷移操作，即通過將最差染色體中的最大基因遷移至最優的染色體中來完成該操作。

最常用的停比準則是選擇一個比較大的數作為迭代次數。但在本實踐中，為了不錯過最優解，設置了一個閡值函數，公式如下: ? ＞ /MaxF F? 其中：參數 ? 是一個閾值，這個閾值小于 1。

本實踐負載均衡操作的步驟如下: 步驟 1:服務器接收代理發送的信息，并初始化為染色體。

步驟 2:根據公式計算每條染色體的適應值。

步驟 3:根據公式執行選擇運算。

步驟 4:計算公式，如果沒有滿足預定的閡值，則執行步驟 5~步驟 7;如果滿足預定閡值，則停止。

步驟 5:根據公式計算交叉概率cP 判斷是否執行交叉操作，并且重復步驟 2和步驟 3。

步驟 6:根據公式計算變異概率mP，如果不能執行變異操作，則執行遷移操作，并且重復步驟 2 和步驟 3。

步驟 7:轉到步驟 4 繼續。

（二）

實習內容 1.了解新秩序公司 在接受新秩序公司人事部主管、營銷部等相關人員的基本培訓，了解公司的基本概況。新秩序電子科技有限公司是一家研發、生產、銷售新型電子產品于一體的高科技有限公司，公司產品旨在降低客戶設備購置和使用成本。

在培訓的那天，三位公司職務不低的培訓人員在上午連續培訓幾個小時后，只在報告廳的桌子上睡了一下又接著在下午給我們進行精彩的培訓，在中午的時候他們完全可以享受更好的休息條件，但他們卻沒有。在這種行為之中我感受到了公司中人的那種敬業的精神、能吃苦的精神。這也促使我之后在網上搜索該公司更多的信息，使我對公司有了更深刻的了解。

2.拜訪經銷商，督促其下單，了解市場信息

（1）跟著業務經理一起到各市縣拜訪各級經銷商，了解公司人臉識別產品出貨價格、出貨渠道、出貨時的促銷優惠措施等，同時了解各級經銷商所賣其他競爭人臉識別產品的各種信息，針對人臉識別產品信息做出人臉識別產品銷售策略的調整。

（2）一些大的經銷商不用督促其進貨，溝通是最佳的手段，只要溝通的好他們會很容易的按其需求進貨。只要情感的溝通技巧用的好，比說人臉識別產品性能和促銷政策等效果要好很多。有時候印象很重要，要讓別人接受你的人臉識別產品，就得先讓別人接收你這個人。培養員工的獨特方式，體會了一些商場上爾虞我詐、殘酷無情的味道，這是我在學?？隙▽W不到的東西，我感覺這個游戲已經使我不虛此行了。

在我們接受公司營銷部的業務培訓，了解公司人臉識別產品的種類、特性、市場定位、價格、競爭優勢、人臉識別產品流入市場的渠道、競爭產品的相關信息等。

3.拜訪銷售終端，銷售公司人臉識別產品，摸清銷售渠道，核實市場信息

跟著業務經理拜訪營銷點、經銷商、等銷售終端和終端用戶。

（1）了解他們使用或銷售人臉識別產品的感受，記錄客戶使用人臉識別產品后的反饋信息（包括人臉識別產品質量問題、實際使用時的人臉識別產品特性和使用感受），幫助用戶解決使用過程中出現的問題，提供技術咨詢與技術服務。

（2）從這些銷售終端得到電子人臉識別產品及其他競品的銷售渠道、價格、促銷、推廣力度等的真實信息（競爭品的情報信息尤為重要），與從經銷商處得到的信息核對，判斷經銷商在信息上是否對我們有所隱瞞，如有必要可調整與經銷商的合作策略。

（3）從銷售終端，了解其他相關人臉識別產品配送的渠道信息，為我們省去找渠道的時間。如了解營銷點所用所經營各類人臉識別產品的種類、進貨渠道、價格、得到的促銷政策、用競爭產品而不用我們公司人臉識別產品的原因（如果用競爭人臉識別產品的話）。

如從營銷點了解經銷商的信息，若該經銷商不經營我們公司的人臉識別產品，之后可以找該經銷商談，盡量將其爭取為我們公司人臉識別產品的經銷商。同時從營銷點可以了解到一個地區的經銷商網絡狀況，通過經銷商找終端會為我們拜訪客戶省去很多找客戶的時間。從營銷點可以了解到我們的經銷商是否執行了我們要求其執行的我們公司人臉識別產品推廣計劃。

四、實踐感悟 （一）

溝通 有很多溝通的技巧在銷售上是很有用的，特別是在外面拜訪客戶的時候有很多說話的技巧、觀察的技巧，如在拜訪營銷點、經銷商的時候如何打消他們的戒心和疑慮，如何讓他們接受你、讓他們對你說實話，如何從他們不經意間透露的信息了解到他們賣或用的人臉識別產品、進貨渠道、用量或銷量，如何說服他們用我們公司的人臉識別產品，如何對他們講解我們公司電子人臉識別產品的優勢，如何讓他們對我們的人臉識別產品感興趣、進有很多溝通的技巧在銷售上是很有用的，特別是在外面拜訪客戶的時候有很多說話的技巧、觀察的技巧，如在拜訪營銷點、經銷商的時候如何打消他們的戒心和疑慮，如何讓他們接受你、讓他們對你說實話，如何從他們不經意間透露的信息了解到他們賣或用的人臉識別產品、進貨渠道、用量或銷量，如何說服他們用我們公司的人臉識別產品，如何對他們講解我們公司電子人臉識別產品的優勢，如何讓他們對我們的人臉識別產品感興趣、進而用我們的人臉識別產品等等。我也將我學到的和客戶談話技巧的小細節，與客戶溝通的小招數，觀察客戶開的店子需要注意的細節等都認真總結、細心揣摩，從中我汲取到了更多的養分。

（二）

嘗試 工作中有很多事沒開始做的時候感覺很難，但真正開始做的時候會發覺其實沒有想象中的難。有些事不管怎樣，首先要嘗試，只要在嘗試后慢慢調整策略就很可能成功。

有一次想坐公交車到經銷商的倉庫去，但當時整條路都在修，我們所知道的幾路公交車都改線路了。因為目的地本身就有點偏，幾乎不可能有別的公交車到那里了。當時情況有點急，也可以步行到經銷商那里，但會耽誤時間，最后我還是嘗試問了一個大叔有沒有公交到我們的目的地，我們很幸運的得到了肯定的回答。有時候看似不可能或很困難的事，其實只要去嘗試，就有解決的機會，不去試的話連丁點機會都不會有。

（三）

總結 總結是很重要的，自己學到的、體會到的知識能不能升華、能不能使自己得到更多的啟示就靠總結了。總結能使我反思自己工作中的不足，繼而想出解決的辦法；能使我舉一反三，加快我學習、成長的速度；能使我更清楚我前進的方向。這次寫實習報告的過程也就是我總結反思的過程，在寫報告的過程中發現了自身很多不足之處，在今后我會很重視這些在實踐中發生的問題，竭盡一切努力去改進。

五、實踐總結 1.增加實踐環節。學生們共同的體會之一是“書到用時方恨少”。從銷售終端的商品管理、價格確定，到渠道控制、廣告投放、新品開發及至市場調研，都需要寬泛的理論知識支撐。

2.承認教師指導社會實踐的工作量。目前教師指導社會調查實習、畢業實習都沒有計入教學工作量，所以不能調動教師積極性，也出現了上面三番五次強調

但總是難以見效的實際情況。

3.加大教學改革力度。以社會需求為導向，調整課程設置。實習中了解到，目前社會需要大量的營銷人才，可是，我們的學生卻難以找到合適的崗位。客觀表現為企業一般招聘有幾年工作經驗的人。

最后，我要由衷的感謝新秩序電子科技有限公司給我這個寶貴的實習機會，感謝公司人員的培訓，感謝營業部王經理給我的幫助。

第二篇：人臉識別小結

人臉識別總結

一、概述

生物特征識別技術包括人臉識別、指紋識別、語音識別、表情分析及理解、虹膜識別等 人臉識別的實質就是借助計算機工具來分析人臉面部圖像，采用不同的特征表示方法提取有效地人臉特征，是可用來辨識身份的一門自動處理技術，常見重要應用案例包括銀行和軍事重地的自動門禁系統、智能人臉監控系統、用于公共交通體系中安檢系統的嫌疑人自動識別系統、網絡服務中的在線驗證系統等。產生不同個體較大差異性的內在因素主要有種族、性別、年齡、心理等。外在因素主要有光照變化、角度偏轉、姿態、噪聲千擾、遮擋、以及化妝遮擋物等。18世紀,就有一篇依據人臉特征信息進行身份鑒別的文章發表在《Nature》上,開啟了近代最早的人臉識別研宄，最早的自動人臉識別系統是由Chan和Bledsoe創于1965年 人臉識別包括四個主要步驟：圖像預處理、人臉檢測、面部特征提取和分類識別。

二、研究領域

1、身份驗證領域：通過人臉識別技術來判斷和鑒別當前用戶是否合法或者具備相應的功能權限，例如2008年北京奧運所采用的人臉識別系統。

2、智能視頻監控領域，例如車站安裝智能監控系統,該系統中加入了人臉識別技術以捕捉人群中的可疑罪犯。

3、人機交互領，例如人臉面部為視覺系統提供了最為主要的特征信息。

三、人臉識別方法及其算法

（一）方法分類

可以分為：基于幾何特征的人臉識別、基于彈性圖匹配的人臉識別、基于子空間分析的人臉識別、基于神經網絡的人臉識別、基于隱馬爾可夫模型等。? 經典的特征臉“Eigenface”就是該時期由麻省理工學院的M.Turk和A.Pentlaiid提出的，采用PCA變換對原始圖像進行降維處理,然后再進行分類識別。? ? P.Belhumeur等提出的Fisherfaces人臉也被廣泛應用在人臉識別中。

90年代中后期,出現了一種基于動態連接結構(Dynamic Link Architecture)的彈性圖匹配(Elastic GraphMatching)識別方法。? 90年代末支持向量機被應用到人臉識別技術中。

（二）流行算法

主要分為：等距離映射_(Isometrical Mapping,簡稱 ISOMAP)、局部線性嵌入(Locally LinearEmbedding,簡稱LLE、拉普拉斯算子特征映射(Laplacian Eigenmaps)、拉普拉斯臉(Laplacianface)方法?；诶绽笲elkin M等提出局部投影(LPP)方法。近期算法包括： ? 基于稀疏表示的人臉識別方法(Sparserepresentation recognition, SRC)針對此識別方法還出現了較多的改進模型,典型的有

? 基于Gabor的稀疏表示 ? 基于Metaface的稀疏表示等

（三）難點

1、人臉圖像的成像條件包括較大的隨機性：光照變化、姿態變換、表情變化、發 型改變、化妝、以及遮擋等復雜條件

2、人臉面部圖像的復雜的三維結構屬性：包括線性結構和非線性結構

3、人臉圖像數據的維數問題

4、不同個體間的面部特征的差異性

四、人臉特征提取研究

（一）人臉特征提取和識別算法分類

? ? 基于統計方法 基于幾何方法

（二）具體實現

? 主成分分析(principal component analysis, PCA)是一種典型的數據處理和數據降維方法

? Sirovich和Kirby首先研究人臉降維過程，采用基于鏡像臉的技術 ? M.Turk_提出了基于PCA表示的特征臉的概念

? Fisher線性判別方法也是人工智能和模式識別領域中的重要方法之一

? Foley和Sammon提出了基于Sammon最佳鑒別平面的技術

? Duchene和Leclercq提 出了針對多類問題的Foley-Sammon最佳鑒別矢量集的求解公式

? Turk和Pentland提出了基于特征臉的特征提取方法 ? Kittler又提出了基于Fisher鑒別準則的提取面部特征方法 ? Hong和Yang提出了采用SVD進行特征提取方法 ? Cheng等改進并提出了一種新的相似性鑒別準則

? Liu等提出了基于最佳鑒別廣義平面和最佳鑒別廣義矢量集的一系列特征提取方法 ? 郭等在此基礎上提出了改進的最佳鑒別矢量方法 ? 吳等又改進了廣義最佳鑒別矢量方法 ? 基于模型的特征提取方法

? Kass等首次提出了主動輪廊線模型(Active Contour Model,ACM), ACM也被稱為Snake模型

? Lee等提出了一種改進Snake模型的方法,改進方法是由正面和側面結構化特征來對面部進行特征點定位

? 基于統計參數化模型的主動形狀模型(Active Shape Model, ASM)? 優勢在于它不僅能有效地定位和提取目標物體的外部輪廓信息,而且能提取目標物體的內部輪廓和形狀特征

? Cootes等在ASM基礎上提出了主動表觀模型(Active AppearanceModel,AAM)

（三）需要解決的問題

1、根據奇異值分解原理可以得到人臉圖像的奇異值向量所在的基空間(矩陣)是由 人臉圖像本身決定的。

2、當光照、姿態、表情變化以及遮擋等復雜條件下,人臉的表象會產生較大變化, 從而造成人臉識別系統的性能下降。

3、需要構造一種能有效描述目標紋理特性的局部紋理輪廓模型,進一步提高模型的 特征點定位精度。

第三篇：銀行用人臉識別

銀行人臉識別運用

銀行是國家貨幣流通的主要場所，業務中涉及大量現金、有價證券及貴重物品，因而銀行的安全一直以來都是國家安全防范的重點。近年來，金融行業市場發展迅猛，隨著營業網點、ATM機、銀行資金流動等的增多，銀行安防系統所面臨的挑戰越來越大。為加強對銀行、儲蓄所、金庫、貴重物品集中場所的安全防范，銀行越來越重視技防的作用，作為防止犯罪發生的有效途徑，雙門互鎖門禁系統也應運而生。目前市場上的雙門互鎖門禁系統大都采用讀卡或者指紋的身份驗證方式，由于這兩種方式都存在一定的安全隱患或不足，因而人臉識別技術的應用受到用戶關注。

雙門互鎖系統是指兩道門具有互鎖聯動的功能，即當一道門被打開時，另一道門則打不開，只有當兩道門都關上時，才能打開其中的任一道門。根據《銀行營業場所風險等級和防護級別的規定》等相關銀行安全管理規范，儲蓄網點等現金柜臺的進出口必需設置兩道門，而且員工在進入第一道門后必需要按照規范鎖好第一道門才能進入第二道門，如進入第一道門后沒有按要求關好此道門，員工將不能進入第二道門，從而更好地防止犯罪分子尾隨作案。目前，市場上的雙門互鎖門禁系統大都采用讀卡或者指紋的身份驗證方式，但是這兩種身份驗證方式均存在一定的安全隱患。例如：磁卡和智能IC卡均容易被復制，竊取，丟失，它們作為驗證模式已經不能滿足日益增長的安全需要。而指紋門禁雖然成本低，但是對某類人群的適應性很差，例如指紋不清晰，有磨損等，同時在指紋上有油漬，水漬，蛻皮等情況下，指紋識別的誤差也是很大的。另外，由于多年來指紋一直被當成辨識犯罪的工具，部分人會因為指紋被采集而在心理上產生抵觸情緒。而人臉識別利用人的面部特征進行身份辨識，友好，直觀，不需要人的刻意配合，是目前所有生物識別技術中對使用者影響最小的，準確性也高。更為可貴的是，有人臉識別門禁攝像頭采集的人臉圖像，也可為事后調查提供最直觀的證據，因此，用人臉識別技術取代雙門互鎖系統中的讀卡或者指紋的驗證方式，是實現銀行營業廳出入控制的一種最佳的選擇。

人臉識別安全性更高

人臉識別技術上劃分為1：1比對和1：N比對，對于銀行可采用智能卡與人臉識別1：1比對方式相結合，其優勢是雙重的驗證機制。首先需要智能IC卡或者ID卡驗證，驗證通過之后，進行人臉識別驗證，人臉識別驗證通過之后，才能開門。與單純的采用智能卡的門禁系統相比，安全性更高，適合銀行這樣的高安全性場所使用。根據目前銀行營業廳等重要場所的實際情況，可以設計安全通道門，由兩道帶人臉識別裝備的防盜門、一臺兩門聯動控制器等組成。

其工作原理是：首先在管理系統中注冊人員，注冊時每人分配一張IC卡或者ID卡，將人員的注冊信息和人員圖像注冊到聯動控制器中。以從公共區進入安全區為例，正常使用時，當人臉在門1的人臉識別上驗證時，首先聯動控制器查詢門2是否閉合，如果門2處于開啟狀態，則拒絕在門1處進行驗證，只有當門2閉合，才允許啟動驗證。

驗證時，先刷卡，同時人臉識別攝像頭會捕獲一張圖像，將卡號信息和圖像傳輸至聯動控制器中，控制器根據卡號信息找到注冊時的圖像，與捕獲的圖像進行比對識別，比對通過則控制器控制電鎖開啟，關上門1，在門2處重復上述的驗證步驟。

在一些特殊情況下，比如卡丟失，員工需要進行掛失，重新補卡才能使用該系統；如果是有入侵者脅迫開門的情況，員工會使用脅迫開門功能，同時向后臺管理系統報警，監控中心的人員在管理系統的實時監控中獲取警情，可以采取相關報警動作;如果是多人臉識別，系統允許一定時間內，多人相繼驗證通過，系統才會開門。智能化管理

通過管理電腦對進出人員的權限，進出時間以及進入方式進行管理。并同時存儲相應數據，以備事后查詢。多人臉識別開門功能

在重要的區域，系統可以設置同時多個人臉識別（兩人以上）才能開門的方式，即打開一道門要有多人同時在規定時間內通過人臉識別驗證后，門才能打開。優勢

綜上所述，使用本方案有以下幾個方面的優點。第一，使安全防范級別得到有效提升。

在原有智能卡門禁系統上融入人臉識別技術，可有效防止盜取他人智能卡或者監守自盜現象的發生，是原有出入控制系統安全防范級別的有效提升。第二，能與CCTV系統無縫結合。隨著人們安防要求的逐漸提高，CCTV系統早已成為銀行安防系統中的重要環節。本系統無須另添加任何其它設備即可與銀行原有的CCTV系統無縫結合。本方案所述的人臉識別門禁系統還設計有一些通訊接口，可以和視頻監控系統進行通訊。比如，在發生脅迫報警時，可以通知視頻監控系統，使其調整監控畫面，更方便觀看現場的情況等。第三，靈活的事件處理和報警聯動。

本系統可以與其它報警系統聯動，對各種異常事件，如非法讀卡，開門超時，門鎖損壞，強行進入等，可根據用戶實際需求設定相應的報警處理和提示，以確保安全防范區域的安全可靠，并對犯罪分子具有極大的威懾作用。結語

近些年來，人臉識別技術雖然取得了很大的發展，但是用戶擔心識別精度還是會受到光照、姿態、表情、偽裝等因素的影響，正緣于此，他們在選用人臉識別產品上會有一些擔心與顧慮，可喜的是，人臉識別技術的算法已越來越具魯棒性（魯棒性，在此指人臉識別算法的健壯性，減弱外界的光照，姿態，表情等因素對人臉識別的影響），再采用紅外成像等手段，可以提升識別精度，使得人臉識別產品真正應用起來。

出入口控制作為安全防范系統中的重要環節，直接影響著整個系統內部的安全。目前，較為成熟的門禁解決方案是卡片或者卡片加密碼的模式，但一旦卡片丟失或者密碼遺失，對整個系統的安全就構成很大威脅或者對用戶的使用造成不便。而人臉識別門禁系統用人臉作為“鑰匙”來開門明顯安全性更高，并且具有受場地環境影響小、識別準確率高、識別速度快、結果直觀等優點，已經越來越受到廣大客戶的重視。

第四篇：人臉識別相關技術分析報告解讀

人臉識別相關技術

分析報告

2015年10月

目 錄

第一章 分析概述...........................................................................................................................................2

一、背景調研............................................................................................................................................2

二、檢索及分析內容................................................................................................................................2 第二章 人臉識別專利態勢及技術研發分析...............................................................................................4

一、專利態勢及技術研發分析................................................................................................................4

（1）人臉識別專利申請趨勢分析......................................................................................................4

（2）技術生命周期..............................................................................................................................5（3）人臉識別技術構成......................................................................................................................6（4）人臉識別競爭對手分析..............................................................................................................7

二、技術路線分析...................................................................................................................................8

（1）人臉定位技術路線....................................................................................................................8（2）圖像獲取技術路線....................................................................................................................9（3）人臉跟蹤技術路線....................................................................................................................10 第一章 分析概述

一、背景調研

人臉檢測識別技術是基于人臉特征來進行身份識別的技術。與其他識別方式相比，由于人臉始終暴露在外面，采集人臉特征有直接、友好、方便的特點。現在，國際銀行組織、國際民航組織的生物特征識別護照的標準中明文規定必選的特征是人臉，可選的特征是指紋、虹膜或者在其它特征中任何一種。目前我國公民的第二代身份證有嵌入可機讀的人臉圖像信息，這也為下一步人臉識別廣泛應用打下有利的基礎。

上世紀九十年代以來，人臉檢測識別技術研究達到了高潮時期，一批具有代表性的論文和算法產生，自動人臉識別技術也得到了長足的發展，相關機構組織了如人臉手勢識別等專門的國際學術會議。另外，現在很多的研究型理工大學和兀公司都在著手人臉檢測識別研究。領域內最著名的國際研究機構包括：美國麻省理工學院媒體實驗室及人工智能實驗室、南加州大學、馬里蘭大學、卡內基一梅隆大學機器人研究及交互系統實驗室等。在我國，清華大學計算機系、電子系瞻嘲、中科院自動化所陽吲、南京理工大學、南京航空航天大學、哈爾濱工業大學等進行了許多很有意義的嘗試，積累了經驗。國內的研究工作主要是集中在三大類方法的研究：基于幾何特征的人臉識別方法、基于代數特征的人臉識別方法和基于連接機制的人臉識別方法。人臉識別由于具有直接、友好、方便的特點，使用者無任何心理障礙，易于被用戶所接受，從而得到了廣泛的應用。主要在以下幾個方面：(1)檔案管理系統(2)安全驗證系統(3)信用卡驗證(4)公安系統的罪犯身份識別(5)銀行和海關的監控(6)人機交互等。

人臉識別系統包括：(1)人臉圖像的獲取(2)人臉的檢測(3)特征提取(4)基于人臉圖像比對的身份識別(5)基于人臉圖像比對的身份驗證

二、檢索及分析內容

本分析對人臉識別相關專利進行了中國專利檢索，檢索采用國家知識產權局專利數據庫，以該專利數據為基礎對其相關技術進行了分析，以期能從戰略層面為漢柏的技術研發、專利布局和專利風險預防提供借鑒參考。

具體分析項如下：（1）專利申請趨勢分析（2）技術構成（3）競爭對手分析（4）技術路線圖分析

第二章 人臉識別專利態勢及技術研發分析

第二章 人臉識別專利態勢及技術研發分析

截至報告檢索完成日期，共檢索得到人臉識別公司專利3516件。我們以此3516件專利作為基礎進行人臉識別技術專利態勢技術及研發分析，包括專利申請趨勢分析、技術生命周期、技術構成、發明人分析、競爭對手分析等，由此獲取人臉識別技術發展情況，為漢柏的科研和決策提供參考。

一、專利態勢及技術研發分析

（1）人臉識別專利申請趨勢分析

圖表 1 人臉識別專利申請趨勢

圖表1顯示了人臉識別專利申請趨勢。如上圖所示，自1995年起首次出現人臉識別相關專利申請，1995-2004年期間專利申請量發展平穩，增長率不大，自2005年起該領域專利申請量呈快速增長，2010年后呈爆發式增長。

應注意的是，受到報告截止的統計時間的影響，2015年的數據必然不是最終數據，僅起到一定參考作用，以下情況相同，不做另述。

第二章 人臉識別專利態勢及技術研發分析

（2）技術生命周期

分析人臉識別相關技術的申請人數量及專利申請數量隨時間分布，可分析該技術生命周期發展情況。

圖表 2 人臉識別專利申請趨勢

1995-2005年為該技術發展起步階段，申請人及申請量都較少，2005-2014年為該技術發展的成長階段，申請人數量及申請量均迅猛增長，2015年之后，將陸續有專利超過保護期限而失效，行業壁壘逐漸減少，可能競爭會更加激烈。

第二章 人臉識別專利態勢及技術研發分析

（3）人臉識別技術構成

分析人臉識別相關技術的技術構成，可以看出該的技術發展的熱點。

圖表 3 人臉識別重點技術隨時間分布圖

圖表2顯示了人臉識別技術構成前10位技術領域的IPC和專利量。人臉識別的技術構成主要集中于：G06K 數據識別；數據表示

第二章 人臉識別專利態勢及技術研發分析

（4）人臉識別競爭對手分析

通過對該技術申請人統計分析，可以找到掌握該技術最重要的競爭對手。

圖表4 人臉識別技術重要競爭對手

圖表4顯示出掌握該技術專利數量最大的幾個申請人，主要以應用類產品研發的公司及研究型大學為主。

第二章 人臉識別專利態勢及技術研發分析

二、技術路線分析

（1）人臉定位技術路線

第二章 人臉識別專利態勢及技術研發分析

（2）圖像獲取技術路線

第二章 人臉識別專利態勢及技術研發分析

（3）人臉跟蹤技術路線

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學到的任何有價值的知識都是由自學中得來的。——達爾文

5、少壯不努力，老大徒悲傷。

6、黑發不知勤學早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時方恨少、事非經過不知難。——陸游

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學習永遠不晚?！郀柣?/p>

18、少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光?！獎⑾?/p>

19、學而不思則惘，思而不學則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干。——培根

第五篇：前沿人臉識別綜述解讀

人臉識別綜述

王軍軍

（西安交通大學，西安，710086）

摘要：人臉識別已成為多個學科領域的研究熱點之一，本文對人臉識別的發展歷史、研究現狀進行了綜述，系統地對目前主流人臉識別方法進行了分類針對人臉識別面臨的挑戰，著重對近幾年來在光照和姿態變化處理方面的研究進展進行了詳細淪述，并對未來人臉識別的發展方向進行了展望。

關鍵詞：人臉識別，人臉檢測，模式識別

一、引言

人臉識別是近年來模式識別、圖像處理、機器視覺、神經網絡以及認知科學等領域研究的熱點課題之一。所謂人臉識別，是指給定一個場景的靜態圖像或動態視頻，利用存儲有若干已知身份的人臉圖像的數據庫驗證和鑒別場景中單個或者多個人的身份[1]。人臉識別按照人臉信息的來源可以分為兩類:基于靜態人臉圖像的識別和基于包含人臉的動態視頻信息的識別。因為動態視頻信息并不能明顯提高人臉識別的性能，因此本文只研究基于靜態人臉圖像的識別[2]。

作為生物特征識別的一個重要方面，人臉識別在檔案管理系統、安全驗證系統、信用卡驗證、公安系統的罪犯身份識別、銀行和海關的監控、人機交互等領域具有廣闊的應用前景。與指紋識別、視網膜識別、虹膜識別等[3]技術相比，人臉識別技術在數據采集方面手續比較簡單，使用者更容易接受。人臉作為生物特征，雖然唯一性比指紋和虹膜要差[4]，在高安全性要求的系統中只能作為輔助手段。然而，對于一般安全性要求的身份驗證和鑒別系統[5]，人臉識別技術已經足夠應用了。

人臉識別研究在二十世紀六七十年代引起了諸多學科領域研究者的濃厚興趣。進人九十年代后，隨著各行業對人臉識別系統的迫切需求，人臉識別研究再次成為熱門課題。當前世界各國有許多研究機構在從事這方面的研究，這些研究受到軍方、警方以及大公司的高度重視和資助[6]。美國軍方還專門組織了人臉識別競賽以促進人臉識別研究的發展。經過三十多年的研究，人臉識別已經成為圖像分析與圖像理解領域最成功的應用之一研究人員提出了很多識別方法，建成了一些實驗系統，也有一些成功的人臉識別商業軟件投人市場。

人臉識別作為模式識別的一種，一般可以分為三個組成部分:從場景中檢測并分割人臉;抽取人臉特征;匹配和識別人臉[7]。由于人臉檢測已經發展成為一個獨立的課題，具有特定的思想和方法，所以本文假定人臉已經被正確檢測并從場景中分割出來。

二、人臉識別的方法

目前，人臉識別的方法大致可以分為以下幾類：基于幾何特征的方法、基于模型的方法、基于統計的方法、基于神經網絡的方法和多分類器集成的方法[8]。目前主流的方法有基于幾何特征的方法和基于模型的方法。

2.1基于幾何特征的方法

文獻中記載最早的人臉識別方法就是Bledsoe[9]提出的基于幾何特征的方法。該方法以面部特征點之間的距離和比率作為特征，通過最近鄰方法來識別人臉，以該方法建立的人臉識別系統是一個半自動系統，面部特征點必須由人手工定位。也正是由于人工的參與，該系統對光照變化和姿態變化不敏感[10]。

側影[11](Profile)識別也是早期基于幾何特征人臉識別的一個重要方法，其基本原理是從人臉的側影輪廓線上提取特征點，將側影轉化為輪廓曲線，從中提取基準點，根據這些點之間的幾何特征來進行識別，由于側影識別相對較簡單且應用面小，對側影識別的研究較少。

基于幾何特征的方法非常直觀，識別速度快，內存要求較少，提取的特征在一定程度上對光照變化不太敏感[12]。但是，當人臉具有一定的表情或者姿態變化時，特征提取不精確，而且由于忽略了整個圖像的很多細節信息，識別率較低，所以近年來已經很少有新的發展。

2.2基于模型的方法

隱馬爾可夫模型[13](Hidden Markov Model,HMM)是一種常用的模型，基于HMM的方法首先被用于聲音識別等身份識別上，之后被Nefian和Hayes引人到人臉識別領域。它是用于描述信號統計特性的一組統計模型。HMM用馬爾可夫鏈來模擬信號統計特性的變化，而這種變化又是間接通過觀察序列來描述的，因此馬爾可夫過程是一個雙重的隨機過程。在HMM中結點表示狀態，有向邊表示狀態之間的轉移，一個狀態可以具有特征空間中的任意特征，對同一特征，不同形態表現出這一特征的概率不同[14]。在人臉識別過程中，Nefian首先采用兩維離散余弦變換(Discrete Cosine Transform,DCT)抽取人臉特征，得到觀察向量，構建HMM人臉模型，然后用EM(Expectation Maximization)算法訓練，利用該模型就可以算出每個待識別人臉。觀察向量的概率，從而完成識別。HMM方法的魯棒性較好，對表情、姿態變化不太敏感，識別率高[15]。

主動形狀模型[16](Active Shape Model, ASM)方法由Cootes等人提出，Cootes對形狀和局部灰度表象建模，用建立的ASM在新的圖像中定位易變的物體。后來，Lanitis等將其應用于解釋人臉圖像，在使用ASM找出人臉的形狀后，將人臉切割并歸一到統一的框架，對這個與形狀無關的人臉采用亮度模型來進行解釋和識別，其魯棒性和識別效率均較高，但需要手動標會人臉的特征點，算法的自動化程度有待加強。

主動表象模型[17](Active Appearance Model, AAM)可以看成是對ASM的進一步擴展，是一種通用的非線性圖像編碼模式，通過變形處理將通用人臉模型與輸人圖像進行匹配，并將控制參數作為分類的特征向量。

2.3 基于統計的方法

基于統計的方法將人臉圖像視為隨機向量，從而用一些統計方法來分析人臉模式，這類方法有著完備的統計學理論支持;得到了較好地發展，出現了一些較成功的算法。

特征臉[18](Eigenface)方法由Turk和Pentland提出。對于每一幅人臉圖像，按照從上到下、從左到右的順序將所有像素的灰度值串成一個高維向量，然后通過主成分分析(Principal Component Analysis, PCA)將高維向量降低維數。用PCA[19]降維主要基于以下三點:(1)壓縮功能，在低維空間內比較圖像將提高計算效率;(2)人臉樣本的分布近似正態分布，方差大的維可能與有用信號相關，而方差小的維可能對應噪聲，因此去掉小方差對應的維將有利于提高識別精確率;(3)因為每幅圖像都被減去均值，且被放縮成單位向量，兩幅圖像之間的相關性與特征空間中投影之間的距離成反比，因此特征空間中的最近鄰匹配是圖像相關性的有效近似。PCA技術首先由Kirby[20]和Sirovich引人到人臉識別領域，并且證明了PCA是使原始圖像與重構圖像之間的均方誤差極小化的最佳壓縮方式。一幅圖像在各個特征臉上的投影組成了該圖像的權值向量，將待識別圖像的權值向量與人臉數據庫中各圖像的權值向量相比較，確定哪一幅圖像與待識別圖像的權值向量最接近。后來Pentland等人進一步擴展了特征臉方法，將類似的思想運用到面部特征上，分別得到了本征眼、本征鼻、本征嘴，并且將它們結合起來進行人臉識別。實驗結果表明，這樣比單獨使用特征臉效果更好。特征臉方法計算量低，使用方便，并且效果良好，目前已經成為人臉識別的基準程序(Benchmark)和事實上的工業標準。但是它對于外界因素所帶來的圖像差異和人臉自身所造成的差異是不加區分的，因此外界因素(例如光照、姿態)變化會引起識別率的降低。

特征臉方法使用由各個特征臉擴展的空間來表示人臉，雖然可以有效地表示人臉信息，但是并不能有效鑒別和區分人臉。很多研究者提出了使用其他線性空間來代替特征臉空間以取得更好的識別效果。此中線性判別分析方法[21](也叫Fisher臉方法)，利用了類別歸屬信息，它選擇類內散布正交的矢量作為特征臉空間，從而壓制了圖像之間與識別信息無關的差異，強調了不同人臉之間的差別，同時弱化了同一人臉由于光照、視角和表情而引起的變化，獲得了比特征臉更好的識別效果。LDA[22]是一種監督學習方法，而PCA是非監督學習方法。Belhumeur對16個人的各10幅圖像進行識別實驗，PCA方法的識別率為81%，而Fisher臉方法的識別率為99.4%。

Moghaddam[23]等人提出了貝葉斯人臉識別方法。他們提出了一種基于概率的圖像相似度度量方法，將人臉圖像之間的差異分為類間差異和類內差異。其中類間差異表示不同對象之間的本質差異。類內差異為同一對象的不同圖像之間的差異。而實際人臉圖像之間的差異為兩者之和。如果類內差異大于類間差異，則認為兩人臉圖像屬于同一對象的可能性大，他們提出了類間差異和類內差異度量的概率模型和計算方法。由于貝葉斯相似度的計算涉及復雜的非線性計算。Moghaddam等人提出了一種線性的快速計算方法。這種人臉識別方法在1996年美國DAPAR組織的FERET人臉測試中是效果最好的方法之一特別是在克服光照和表情變化對識別的影響方面性能較好。

奇異值分解[24](Singular Valor Decomposition。SVD)是一種有效的代數特征提取方一法。奇異值特征具有良好的穩定性、轉置不變性、旋轉不變性、位移不變性以及鏡像變換不變性等重要性質。因此奇異值分解技術也被應用到人臉識別領域。

獨立成分分析[25](Independent Component Anal-ysis,ICA)，可以看成是對PCA的推廣，PCA利用二階矩去掉輸人數據的相關性。使得數據的協方差為零。而ICA使得輸人數據的二階和高階矩依賴性最小，ICA首先被用于盲源分離(Blind Source Separation。BSS)問題，用來將觀察信號分解成一系列獨立信號的線性組合。ICA用于人臉識別有兩種結構(ICA Architecture I和ICA Architecture II)和多種算法(例如FastICA和InfoMax)，PCA和ICA Architecture II利用的是全局特征，而ICA Architecture I利用的是空間局部特征。B Draper等人詳細比較了PCA和ICA在人臉驗證和面部表情識別中的性能，人臉驗證實驗中，ICA Architecture II的性能最好。PCA的性能與距離度量標準有關。ICA Architecture I的性能較差，ICA用Fast I-CA算法較好;表情識別實驗中，用InIoMax算法實現的ICA A rchitecture I性能最好。

3、人臉識別面臨的挑戰

當光照、姿態、表情變化時，人臉的表象會產生較大變化，從而造成人臉識別系統的性能下降。FE-RET測試川表明，光照和姿態變化問題是當前人臉識別系統面臨的挑戰。隨著人臉識別研究的深人，很多研究者對光照和姿態變化進行了專門的研究，也取得了一定的進展。本節專門針對這兩方面問題進行論述。

3.1 光照變化

因為光照會改變人臉圖像灰度的相對分布，所以由光照引起的人臉圖像變化甚至比因個體差異引起的變化還要大。因此，光照變化會造成人臉識別系統性能的嚴重下降。對光照變化的處理已經引起了很多研究者的重視，并且取得了較大進展。目前已經出現了很多光照處理方法，這些方法大致可以分為三類: 第一類方法的主要思想是尋找對于光照變化不敏感的人臉圖像表示方法。第二類方法是對原來某些不存在光照變化時人臉識別算法的簡單改進和推廣。第三類方法的主要出發點是構建圖像合成(Synthesize)模型[26]，這些模型可以合成與測試(Probe)圖像具有相同或相似光照條件的新圖像作為數據庫(Gallery)中的圖像。這類方法的關鍵是對光照進行建模。

3.2 姿態變化

視角的變化，即人臉姿態變化也會造成人臉識別系統性能的降低，因此對多視角人臉圖像的處理是人臉識別面臨的另一挑戰。Beymer[27]先對輸人圖像的視角進行估計，接著根據自動檢測到的三個特征點進行二維仿射變換使之與原型(Prototype)的視角相同，然后直接使用模板匹配來實現多視角人臉識別。在一個62人的多視角人臉數據庫上取得了較好的實驗結果，但測試集和訓練集的視角比較接近，因此識別難度較低。

Pentland[28]等人提出的基于視角的特征臉(View-based Eigenface)方法為每個視角構建一個

特征空間。取得了比標準特征臉方法更高的性能。Huang等人在基于視角的特征臉方法的基礎上，采用神經網絡集成(Neural Network Ensemble)的方法，實現多視角人臉的識別。這類方法的缺點是每人需要多張人臉圖像作為訓練集，而且將光照變化問題與視角變化問題分開來考慮，這些前提條件在很多場合不能滿足。

3.3同時存在光照和姿態變化

上述的很多方法只是對光照或姿態變化中的一種進行了處理，但在現實情況下，光照和姿態變化會同時存在。因此，要使人臉識別技術真正實用，人臉識別系統必須能夠處理同時存在兩種甚至任意多種成像條件變化的情況。光場(Light Field)[29]方法是最新提出的較有效的方法，對各種外部成像條件的變化都能進行較好處理。由于人臉是三維的，因此利用三維模型(或者三維和兩維相結合)可以顯著地提高識別性能。

4總結與展望

本文對人臉識別的發展歷史、研究現狀進行了綜述，尤其是對近幾年來在光照和姿態變化處理方面的研究進展進行了詳細論述。

經過幾十年的研究，人臉識別已經取得了很大的進展，但現有的人臉識別方法一般都是針對某一類問題提出的，由于人臉識別問題的復雜性，實現一個通用的人臉識別系統目前還不現實。因此，解決特定條件或者特定應用領域的人臉識別問題仍然是目前人臉識別研究的重要課題。要構建一個穩健的人臉識別系統，以下是有待于解決的幾個主要問題:

1、非線性建模問題。目前統計方法中的子空間方法有一個共同的特點，即都是線性方法。人臉圖像顯然是一種高度非線性的模式。也就是說，人臉圖像的分布應該是位于某種高度非線性的流形[30](Mani-fold)上的，因此用非線性方法來進行人臉識別是一個必然的發展趨勢。人臉識別技術由線性向非線性發展可能的現實途徑有兩條:一是利用核理論將現有的線性分析方法向非線性擴展，這是一種間接的方法。典型代表是核主成分分析(Kernel Principal Component Analysis, KPCA)，也就是利用核理論對PCA進行擴展;二是直接從數據分布本身出發，研究高效的非線性流形學習算法，從而將人臉圖像投影到其實際分布所在的流形上進行識別，目前，已有研究人員將其應用到人臉識別領域，對人臉圖像采用流型的方法來進行識別。

2、三維建模問題。目前只利用二維信息的人臉識別方法只能在特定環境下取得較好的性能，然而在處理光照、視角和表情等方面的變化時會遇到較大的困難。由于人臉是三維的，因此利用三維模型可以顯著提高識別性能本文論述的三維可變型模型方法就是在這方面較好地嘗試。但是目前三維人臉識別在識別算法、三維人臉庫以及實驗方法等方面還存在很多挑戰。

3、三維模型計算開銷問題。利用三維模型可以顯著提高識別性能，然而，構造和存儲完整的三維人臉模型需要的開銷太大，因此如何通過二維圖像對三維人臉參數進行建模將是未來人臉識別研究的一個熱點。另外，利用2.5維信息進行識別也是減小存儲和計算開銷的一條可能途徑。

4、算法的自動化與時間開銷問題。本文所提到的算法中，基于幾何特征的方法與基于模型的方法中的部分算法存在手工標定人臉特征點的問題，算法的自動化程度有待進一步加強。另外，算法中某些魯棒性與準確率較高的算法，計算量巨大，運算時間比較長，人臉識別的實時性有待加強。[1] 厲小潤,趙光宙,趙遼英.改進的核直接Fisher描述分析與人臉識別[J].浙江大學學報:工學版, 2008,42(4): 583-589.[2] YU Hua, YANG Jie.A direct LDA algorithm for high-dimensionaldatawith application to face recognition [J].Pattern Recognition,2001,34(10): 2067-2070.[3] 周大可,楊新,彭寧嵩.改進的線性判別分析算法及其在人臉識別中的應用[J].上海交通大學學報, 2005,39(4): 527-530.[4] BARTLELLM S, MOVELLAN JR, SEJNOWSKIT J.Face recognition by independent component analysis [J].IEEE Trans on NeuralNetworks, 2002,13(6): 1450-1464.[5] 洪子泉,楊靜宇.基于奇異值特征和統計模型的人像識別算法[J].計算機研究與發展, 1994,31(3): 60-65.[6] 杜干,朱雯君.基于局部奇異值分解和模糊決策的人臉識別方法[J].中國圖象圖形學報, 2006,11(10): 1456-1459.[7] 高全學,梁彥,潘泉,等.SVD用于人臉識別存在的問題及解決方法[J].中國圖象圖形學報, 2006,11(12): 1784-1791.[8] COOTES T F, EDWARDS G J, TAYLOR C J.Active appearance models: active appearance models [ J].IEEE Trans on Pattern Analysis and Machine Intelligence, 2001,23(6): 681-685.[9] WISKOTTL, FELLOUS JM, KRUGER N,et al.Face recognition by elastic bunch graphmatching [J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1997,19(7): 775-779.[10] WURTZ R P.Object recognition robust under translations, deformations, and changes in background [ J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1997,19(7): 769-775.[11] 孫大瑞,吳樂南.基于特征的彈性圖匹配人臉識別算法[J].應用科學學報, 2002,20(4): 377-381.[12] 張海旸,馬華東.基于網格的自適應彈性圖人臉匹配方法[J].計算機輔助設計與圖形學報, 2008,20(2): 253-258.[13] 劉小軍,王東峰,張麗飛,等.一種基于奇異值分解和隱馬爾可夫模型的人臉識別方法[J].計算機學報, 2003,26(3): 340-344.[14] 李耀東,崔霞,肖柏華,等.自動人臉識別技術綜述[J].計算機科學, 2002,29(12): 1-11.[15] 鄒志煌,孫鑫,程武山.人臉識別技術產品的發展概況[J].視頻應用與工程, 2008,32(3): 91-93.[16] 劉瑾,徐可欣,陳小紅,等.采用圖像融合技術的多模式人臉識別[J].工程圖學學報, 2007,28(6): 72-78.[17] 王耀明,王仲國,沈毅俊.基于圖像集似然度的人臉識別[J].計算機工程, 2001, 27(7): 113-114.[18] 王宏勇，廖海斌，段新華，丁汨.基于奇異值與特征融合矩陣的自適應人臉識別[J].計算機工程與應用，2010，46（7）：162-174.[19] 斯華齡,張立明.智能視覺圖像處理-多通道圖像的無監督學習方法及其他方法[M].上海:上?？萍冀逃霭嫔?2002.[20] 郭武,張鵬,王潤生.獨立分量分析及其在圖像處理中的應用現狀[J].計算機工程與應用，2008，44（23）：172-176.[21] 白曉明,王成章,石勤.基于二維線性判別分析的彩色人臉識別[J].北京工業大學學報.2010,12(36):1717-1721.[22] 王曉慧.線性判別分析與主成分分析及其相關研究評述[J].中山大學研究生學刊(自然科學、醫學版).2007,4(28):50-59.[23] 聶會星,梁坤,徐樅巍.基于小波變換和支持向量機的人臉識別研究[J].合肥工業大學學報(自然科學版).2022，2（34）：208-211 [24] 段錦著.人臉自動機器識別[M].北京: 科學出版社, 2009．

[25] 吳巾一，周德龍.計算機應用研究[J].人臉識別方法綜述，2009，9（26）: 3205-3209 [26] SIROVITCH L, KIRBYM.Low-dimensionalprocedure for the characterization of human face[ J].Journal of the Optical Society of America, 1987,4(3): 519-524.[27] KIRBYM, SIROVITCH L.Application ofKarhunen-Loeve procedure for the characterization ofhuman faces[J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1990,12(1): 103-108.[28] 劉成明，張立明.一種改進的人臉特征點定位方法[J].復旦學報：自然科學版，2006,45(4)：452-463.[29] 杜春華.人臉特征點定位及識別的研究[D].上海：上海交通大學.2008.[30] 馬艷妮，耿國華等.臉部特征點的定位與提取方法[J].計算機工程與應用，2009,45(18)：167-170.讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學到的任何有價值的知識都是由自學中得來的。——達爾文

5、少壯不努力，老大徒悲傷。

6、黑發不知勤學早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上。——高爾基

14、書到用時方恨少、事非經過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學習永遠不晚?！郀柣?/p>

18、少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光。——劉向

19、學而不思則惘，思而不學則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干。——培根