人工智能技术在人脸识别中的应用_开题报告

一、文献综述

人脸识别技术是包括人脸检测和人脸身份认证技术。人脸检测是根据所获得视频或图片信息，利用图像处理和计算机视频相关算法，从图像中判断是否有人脸并给出存在人脸的数量和位置，更进一步的通过脸与脸的匹配识别人脸的身份。

人脸识别技术的研究无论在理论上还是在实践中都有很大的意义，它涵盖了数字图像处理、神经网络、心理学、生理学、模式识别、计算机视觉以及人工智能等各方面的知识内容。虽然人脸识别技术拥有多种优势让其得到人们的青睐，但其研发过程中存在的难度也是人们不容人们忽视。人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一,大致有以下几个难点：

光线问题

由于人脸的3D结构，光照投射出的阴影，会加强或减弱原有的人脸特征。

表情

面部幅度较大的哭、笑、愤怒等表情变化同样影像着面部识别的准确率

姿态问题

姿态问题涉及头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化，其中垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失。

遮挡问题

对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题。

年龄变化

随着年龄的变化，一个人从少年变成青年，变成老年，他的容貌可能会发生比较大的变化，从而导致识别率的下降。对于不同的年龄段，人脸识别算法的识别率也不同。

人脸相似性

不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。

样本缺乏

   基于统计学习的人脸识别算法是目前人脸识别领域中的主流算法，但是统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一个不规则的流形分布，能得到的样本只是对人脸图像空间中的一个极小部分的采样，如何解决小样本下的统计学习问题有待进一步的研究。

国内研究现状

人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。其中，2014年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“DeepFace系统：达到肉眼级别的人脸识别系统”(翻译名)，之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为97.52%，可以说深度学习技术让计算机人脸识别能力超越人类的识别程度。

目前，国内的人脸识别技术已经相对发展成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利保障、电子商务及安全防务等领域，人脸识别的全面应用时代已经到来。据前瞻产业院根据人脸识别行业发展现状，估算我国人脸识别市场规模约占全球市场的10%左右。2010-2016年，我国人脸识别市场规模逐年增长，年均复合增长率达27%。2016年，我国人脸识别行业市场规模约为17.25亿元，同比增长28.0%。

（二）国外研究现状

  国内外对于人脸识别的研究都非常的活跃。美国、德国、日本等经济发达国家和部分发展中国家都有研究机构和研究人员对此进行专门的研究。美国是人脸识别技术最先起步的国家，也是最先应用该技术的国家，其人脸识别技术的水平一直走在国际前列。早在1993年，美国国防部就启动了FERET项目，为其之后的生物智能识别技术奠定了基础，推动人脸识别技术从初始阶段提升到原型系统阶段。日本虽然也是略晚接触人脸识别技术的国家，但是其发展却日新月异。在2014年日本的一家研究中心就在日本大阪试验一项基于视频的人脸识别技术，目的在于当灾难来临是，通过实时监控中人脸的表情以及人流的动态来判断各个紧急安全出口是否可用。日本近年来一直在加快对只能视频分析技术的研究。日本在国内的骨干机场引进了通过计算机智能识别人脸来确认身份的系统，有望在举办东京奥运会和残奥会的之前，推进日本人出入境审查的无人化，大大缩短外国游客入境审查的时间。

虽然人脸识别技术目前还存在一些缺陷，但是这一技术目前已经得到了非常迅速的发展，还出现了专门的国际会议，越来越多的研究人员和研究机构投入其中，同时各国也开始逐渐试验这一技术，那些亟待解决的问题不过也是时间的问题。相信不久的将来，这一人工智能技术会在不断的应用中逐渐完善，并且造福全人类。

二、^范文提纲

1 人工智能

人工智能简介

人工智能发展史

1.2 人工智能的研究与应用

1.2.1 人工智能研究领域

1.2.2 人工智能应用领域

2 人脸识别

2.1 人脸识别简介

2.2 常用的人脸识别方法

2.2.1 基于几何特征的方法

2.2.2 基于模型的方法

2.2.3 基于统计的方法

2.2.4 基于神经网络的方法

2.3   人脸识别目前所存在的技术难点及解决方案

2.3.1  人脸识别目前存在的技术难点分析

2.3.2  动态人脸识别技术难点及解决思路

2.3.3  人脸识别算法及国内外人脸识别算法

2.4 人脸识别技术在国内外的现状及发展

2.4.1 人脸识别技术在国外的现状及发展

2.4.2 人脸识别技术在国内的现状及发展

2.5  人脸识别行业前景及未来发展趋势分析

2.5.1 人工智能+人脸识别应用场景分析

2.5.2 人脸识别未来发展前景趋势分析

3 结束语

参考文献

王文杰.人工智能原理与应用[M]北京:人民邮电出版社,2004

刘乔辉 . 计算机人工智能识别技术的应用探讨 [J]. 科技风 ,2016(4):121-122

张妮，徐文尚，王文文.人工智能技术发展及应用研究[J].煤矿机械，2009(02)

张仰森.人工智能原理与应用[M]北京:高等教育出版社,2004

李陶深.人工智能[M].重庆:重庆大学出版社,2002

孙珩著. 浅谈人工智能的发展趋势[ J ]. IT与网络, 2002,(6)

吴巾一.人脸识别方法综述[A].计算机应用研究，2009（09）：3205-3209

生物特征识别技术需从应用中逐步完善[J].智能建筑与城市信息，2014（09）：15-19

吴巾一.人脸识别方法综述[A].计算机应用研究，2009（09）：3205-3209

姜贺.基于几何特征的人脸识别算法[D].大连：大连理工大学，2008（12）.

生物特征识别技术需从应用中逐步完善[J].智能建筑与城市信息，2014（09）：15-19

厉小润,赵光宙,赵辽英改进的核直接Fisher描述分析与人脸识别[J].浙江大学学报:工学版,2008,42(4):583-589