人脸识别的意义和进展（本文非原创，属拼凑备用）
人脸识别是将静态图像或视频图像中检测出的人脸图像与数据库中的人脸图像进行对比 ,从中找出与之匹配的人脸的过程 ,以达到身份识别与鉴定的目的 , 它是同属于生物特征识别领域和人工智能领域的一个课题 。人脸识别是图像分析与理解的一种最成功的应用 , 因其在商业 、 安全 、 身份认证 、 法律执行等众多方面的广泛应用 ,以及对人脸识别可行性技术的三十多年研究 ,使其越来越得到重视 , 并逐渐成为一个充满活力的研究领域。
人脸感知对于人类来说是一项常规任务 ,但是建立一种相似的计算机系统是一项一直在进行中的研究 。人们关于人脸识别的研究至少可以追溯至 20 世纪 50 年代; 到现在 , 人们对于基于计算机的人脸识别方法的研究已经取得了丰硕的成果 ,但这些方法仍然受到实际应用环境的限制 。
近年来，由于反恐、国土安全、和社会安全的需要，世界上各个国家都对安防领域加大了投入，而身份识别正是安防的一个核心问题。生物特征识别技术为人类身份识别提供了一个简单、易行、可靠性高的方法，收到越来越多的重视。
生物识别系统对生物特征进行取样，提取其唯一的特征转化成数字代码，并进一步将这些代码组成特征模板，当人们同识别系统交互进行身份认证时，识别系统通过获取其特征与数据库中的特征模板进行比对，以确定二者是否匹配，从而决定接受或拒绝该人。
这些生物特征中人脸图像是人类主要的主要特征，与用其他身体特征鉴别身份方法相比，人脸图像相对来说比较稳定、不容易被遗忘、改变和盗取，而且利用人脸图像来识别身份，容易被人们所接受。人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。
人们关于人脸识别的研究至少可以追溯至 20 世纪 50 年代; 到现在 , 人们对于基于计算机的人脸识别方法的研究已经取得了丰硕的成果。
人脸识别技术基本上可以归结为以下三类:
a)基于几何特征的方法 。该方法是最早 、 传统的人脸检测和识别的方法 。在基于该方法的人脸识别系统中 ,通常需要检测出重要面部特征的形状 、 相对位置以及这些特征之间的距离等相关参数 ,以构成一个可以代表人脸的特征向量 , 其特征分量通常包括两点间的欧式距离 、 曲率和角度等 。 在使用几何特征时最重要的一件事就是对图像进行适当的标准化。
b)基于模板的方法 。 这类技术的核心在于利用整幅图像的灰度级模板 。 与基于几何特征的方法一样 ,图像首先需要进行标准化 。 最简单的模板匹配就是把一幅图像看做是强度值的二维排列 ,然后利用合适的尺度 ( 典型的如欧几里德距离 )与单独的代表整脸的模板进行对比匹配,基于模板的方法可以分为基于相关的方法、特征脸方法、线性判别分析方法、神经网络方法、 动态连接匹配方法等 。
c)基于模型的方法 。 该方法利用数学模型将具有不同人脸尺度和人脸方向的不同人脸实例的信息合并 ,故相对基于模板的方法来说 ,该方法对于自然的人脸变形和光照条件具有更大的弹性 。 基于模型的方法利用模型参数来进行人脸识别 ,其典型方法是基于隐马尔可夫模型的方法 。
对于认证问题,我们可以把分类问题简单化为两类:是本人或者不是本人,我们的目的是找一个分界,尽可能好的区分这两类.在这种情况下,我们可以使用运算速度相对较快的线性判别方法.我们用一个两维的数组分类来说明问题.