【人臉識別發(fā)展歷程分析的國內(nèi)外文獻綜述2900字】

中國農(nóng)業(yè)大學(xué)碩士學(xué)位論文STYLEREF"標(biāo)題1"錯誤！文檔中沒有指定樣式的文字。人臉識別發(fā)展歷程研究的國內(nèi)外文獻綜述人臉識別相關(guān)技術(shù)發(fā)展作為近年來一個大熱門的話題,其實己經(jīng)開始有了挺長的一個學(xué)術(shù)研究發(fā)展時期,人臉識別的技術(shù)形成和應(yīng)用發(fā)展整個過程大致情況可以詳細(xì)劃分如下為三個階段發(fā)展早期階段:1）第一個研究階段(1964年至1990年),這個研究階段,人們才剛剛開始深入地研究網(wǎng)絡(luò)人臉識別,只是將其作為一種一般化的模型問題來進行研究,主要的技術(shù)解決方案就是基于網(wǎng)絡(luò)人臉的幾何和結(jié)構(gòu)學(xué)的分類,人們針對網(wǎng)絡(luò)中人臉的面部剪影和形狀特征進行提取和分析,做了大量的研究。這一階段并沒有能夠獲得什么重要的成果,基本上也就是出現(xiàn)過什么與人臉識別相關(guān)的實際應(yīng)用,這就是我們進行人臉識別的最后一個初級階段。2）第二個早期階段(1991年-1997年),這個早期階段的發(fā)展時間雖然相對來說比較短,但是卻已經(jīng)完全成為了當(dāng)前人臉識別相關(guān)技術(shù)應(yīng)用研究的一個高潮發(fā)展時期,也就是已經(jīng)出現(xiàn)了很多可喜的研究成果。不但先后產(chǎn)生了若干系列具有國際代表性的新型人臉識別管理算法,還不斷涌現(xiàn)了許多由傳統(tǒng)商業(yè)化人員操作的新型人臉識別管理系統(tǒng)?？傮w來說,這個階段時候我們的手機人臉識別成像技術(shù)已經(jīng)開始得到了新的飛速發(fā)展,所提出的算法在理想條件下也能實現(xiàn)較好性能。統(tǒng)計圖像辨認(rèn)、統(tǒng)計表觀視覺模型、2d級的人臉辨認(rèn)圖像識別線性子圖和空間統(tǒng)計辨認(rèn)圖像判別等技術(shù)階段已成為目前主流的識別技術(shù)。3）第三個發(fā)展階段（1998年—現(xiàn)在），隨著人臉識別技術(shù)研究大熱，人臉識別技術(shù)受光照、姿勢等影響過重的問題逐漸被人們發(fā)現(xiàn)，漸漸的這些問題也就成為了探討的焦點。美國軍方就在FERET（FaceRecognitionTechnology）人臉數(shù)據(jù)庫的基礎(chǔ)上組織過系統(tǒng)測評，出名的算法有：基于光錐模型的多光照、多姿態(tài)條件人臉識別方法被基奧蓋蒂斯等人提出，這個方法重要的結(jié)論就是在不同的環(huán)境條件下，同一個角度的同一光錐所投影的圖像會在空間中形成一個凸點，簡稱光照錐；基于3D變形模型的多光照、多姿態(tài)條件下人臉圖像分析識別方法被布蘭茲和維特等人提出；康柏研究院的研究員維奧拉和瓊斯在IICV上向大家展示了他們的實時人臉檢測系統(tǒng),這種計算模式的與眾不同點在于:1)將人臉圖像特征用一個可以迅速計算的簡單矩形特點來代表;2)大量的弱分類器數(shù)據(jù)在AdaBoost算法基礎(chǔ)上進行組合，由此衍生出強分類器機械學(xué)習(xí)的方法;3)系統(tǒng)采用級聯(lián)式檢測技術(shù),大大提高了數(shù)據(jù)的檢測效率;沙蘇哈等在2001年研究發(fā)展出了一種基于商業(yè)圖像的人臉影象識別畫面繪制技術(shù)。該計算技術(shù)主要是一項基于隨機限定數(shù)學(xué)訓(xùn)練課程對象的立體光照反射圖像模型進行集合式隨機學(xué)習(xí)的圖像繪制計算技術(shù),能夠直接依靠在限定訓(xùn)練對象集合中對少量不同立體光照下的圖像分別進行再組合成任意一個輸入的立體人臉光照圖像;雅各布和巴斯里兩人通過聯(lián)合使用光在球面上的反射諧波圖像來準(zhǔn)確表示立體光照,通過卷積的計算方式對光來進行分析和計算描述朗博的線性反射,該計算方法是在進行了大量解析后可以得出一個重要的實驗結(jié)論:由隨機數(shù)學(xué)光源反射計算方法獲得的全部包含朗博線性反射光度函數(shù)的訓(xùn)練集合將可能會直接形成一個朗博線性子反射空間。在人工智能、物聯(lián)網(wǎng)等前沿技術(shù)飛速成長帶領(lǐng)下，一個新詞已經(jīng)逐漸入侵大眾的生活——“刷臉”。公司上班打卡要“刷臉”，手機支付可以選擇“刷臉”，進出高鐵站驗證乘客信息要“刷臉”，我們的臉?biāo)坪跻呀?jīng)變成一張行走各地的電子通行證。但人臉識別系統(tǒng)的性能對環(huán)境變化、人體姿態(tài)等因素仍十分敏感，人臉庫上樣本不足等問題也亟待解決。目前在當(dāng)今世界廣大范圍內(nèi),研究應(yīng)用人臉識別系統(tǒng)的技術(shù)公司很多,國外著名的技術(shù)公司主要包括美國Identix公司、德國CognitecSystems公司、西班牙HertaSecurity公司、日本NEC公司、日本Softwise公司等;國內(nèi)此時這些年亦已經(jīng)涌現(xiàn)出許多知名實力派,例如浙大智能互聯(lián)網(wǎng)新智能科技,云從智能科技,大華智能股份,?？等A納威視和杭州曠視智能科技。這些應(yīng)用技術(shù)雖然是目前主流的,但人臉識別軟件公司,技術(shù)以及解決模式方案都應(yīng)該具備自己的獨特性。例如采用海康電子威視的前端人臉識別管理技術(shù),其中前端人臉識別管理系統(tǒng)在?？敌畔⑷四樧R別的超高準(zhǔn)確率上已經(jīng)表現(xiàn)得非常好,前端管理智能-深邃、中心管理智能-臉和海康深度臉譜、分布式管理智能-超腦的onvr,均已經(jīng)是充分融合了?？瞪疃葯C器學(xué)習(xí)智能算法,前后端的融合深度學(xué)習(xí)智能為?？敌畔⑷四樧R別技術(shù)人工刷臉智能技術(shù)和行業(yè)大數(shù)據(jù)的融合應(yīng)用以及發(fā)展趨勢提供出了強力技術(shù)支持?？傮w而言,全球的手機人臉識別信息系統(tǒng)及其產(chǎn)品服務(wù)行業(yè)目前正處于一個快速蓬勃發(fā)展的關(guān)鍵時期。2016年至2021年，中國人臉市場規(guī)模大幅度攀升，從市場份額17.25億元到53.16億元，僅僅七年時間，就增加了三十多億。圖１－１2016-2021年中國人臉市場規(guī)模前瞻通信產(chǎn)業(yè)發(fā)展研究院早在2016年就分析預(yù)計過,在五年內(nèi)中國移動終端人臉識別應(yīng)用市場整體規(guī)模不會一直保持23%的平均增速，會慢慢恢復(fù)穩(wěn)定增長速度,預(yù)計到2024年，市場整體規(guī)模將至少有機會首次實現(xiàn)突破100億元的目標(biāo),約合美金15.5億美金。但是隨著依托移動物聯(lián)網(wǎng)與移動人工智能的迅猛融合推進,未來幾年基于人臉識別的實際應(yīng)用發(fā)展場景必然可能會因此變得越來越寬闊。隨著來自世界各地相關(guān)科研機構(gòu)的大力開發(fā)和研究投入、市場上的宣傳、企業(yè)對該識別技術(shù)的不斷深度深入鉆研,這些都被普遍認(rèn)為都將是未來中國人臉識別美好前景的一個重要發(fā)展預(yù)兆。人臉識別技術(shù)系統(tǒng)應(yīng)用技術(shù)已相對成熟,新型制造企業(yè)仍然無法在比較短時間內(nèi)形成突破企業(yè)現(xiàn)有的打造知名品牌國際聲譽及所需自建設(shè)備的技術(shù),并且這一技術(shù)行業(yè)的市場技術(shù)壁壘和企業(yè)資本投入壁壘也相對較高。近幾年盡管國內(nèi)的企業(yè)在人臉識別相關(guān)技術(shù)鄰域領(lǐng)域已經(jīng)取得了一些突破和成果,但還是存在許多技術(shù)難點亟待我們鉆研,例如怎樣通過車窗玻璃對人臉、夜間識別、紅外線辨認(rèn)等等相關(guān)技術(shù)困難點依舊存在,我們正在繼續(xù)等待我們的企業(yè)自己去探索和攻克。隨著互聯(lián)網(wǎng)、共享時代的到來,數(shù)據(jù)安全的問題日益受到高度重視,以人臉識別技術(shù)為主要代表的新一代科學(xué)技術(shù)革命正式展開。對于技術(shù)的重視程度也越來越高,既要求獲取和得到數(shù)據(jù)的精度和準(zhǔn)確性,又必須要充分保證數(shù)據(jù)的信息安全性,人臉識別在這兩個領(lǐng)域中的前景很廣闊,作為這兩個領(lǐng)域的主導(dǎo)者和龍頭,企業(yè)的科學(xué)技術(shù)力量和創(chuàng)新能力直接決定了整個行業(yè)的發(fā)展趨勢,任何一點點科學(xué)技術(shù)的發(fā)展和創(chuàng)新都很有可能會給整個行業(yè)帶來巨大的變革。當(dāng)前關(guān)于人臉識別的主要研究領(lǐng)域是圍繞一些化、年級和時間的改變、人臉表皮和身體結(jié)構(gòu)之間的相似性、人臉上的裝飾物所受到的遮擋。參考文獻唐歡.視頻人臉圖像超分辨率重建技術(shù)研究[D].電子科技大學(xué).ChaoD,ChenCL,HeK,etal.LearningaDeepConvolutionalNetworkforImageSuper-Resolution[C]//ECCV.SpringerInternationalPublishing,2014.HarisM,ShakhnarovichG,UkitaN.DeepBack-ProjectionNetworksForSuper-Resolution[J].arXiv,2018.程建.基于改進正則化超分辨率重建方法的人臉識別研究[D].西安電子科技大學(xué).朱海,王國中,范濤,等.基于深度超分辨率重建的監(jiān)控圖像人臉識別[J].電子測量技術(shù),2018(16).巧克力和江小白./question/323163386/answer/677115422陳夢嫻,戴文博.基于視頻的人臉識別研究進展概述[J].科學(xué)與信息化,2019,000(028):34.林增剛,張艷寧,郭哲.一種有效的三維人臉識別方法[C]//第十二屆中國體