董立锋[1]2004年在《人脸识别技术在信息系统身份认证中的应用》文中研究表明随着以计算机和网络通信为代表的信息技术飞速发展，信息技术几乎渗透到了社会生活的方方面面。然而，由于信息网络的国际化、社会化、开放化以及个人化的特点，使它在给人们提供“技术共享”、“信息共享”的同时，也给人类社会带来了不安全的阴影，信息安全问题也越来越受到人们的关注。身份认证是信息系统安全的第一道关卡，对于保证信息只被合法授权者获取和访问起着重要作用，因而建立强有力的身份认证机制成为信息安全的关键之一。 生物特征识别技术，是20世纪末期才开始蓬勃兴起的，它因具有难以伪造、不会遗失、随身携带、方便易用等特点，克服了传统身份认证方式的缺陷，提供了一种更加安全可靠的身份认证机制。特别是“9·11事件”以后，国际上“反恐”意识高度增强，许多国家和组织要求在个人身份识别上采用生物特征，伴随而来的是生物特征识别技术所面临的前所未有的发展机遇和广阔的市场前景。 人脸识别技术，更以其出众的用户友好性和易用性等特点，成为生物特征识别最具潜力的研究方向。目前，国外对人脸识别技术的研究仍处于发展阶段，但在政府、军队、民用等很多公共安全领域已有比较成熟的产品开始应用。我国对这项技术的研究和应用刚刚处于起步阶段，相比国外先进水平尚存在一定的差距，国家和科研单位都高度重视，积极推进这方面的研究，并四川大学工程硕士学位论文人脸识别技术在信息系统身份认证中的应用已经取得很大进展。 对于人脸识别方面的研究，国内外所采用主要方法分为基于先验知识的方法和基于后验学习和训练的方法。其中基于先验知识的方法包括模板匹配方法和基于灰度分布、肤色信息的人脸规则方法;基于后验学习和训练的方法包括聚类分析、特征子脸、神经网络等方法。由于人脸是一种有弹性的局部可变形的非刚性目标，因而对面部特征的提取变得很困难，同时光照、饰物等干扰因素也增加了特征提取的难度，这是人脸识别技术存在的主要难题。 在本设计中，我们采用了人脸重心模板匹配的方法实现人脸的检测，与其他方法相比，该方法具有算法简单、定位准确、检测速度快等特点。在系统实现过程中，我们增加了线划脸去除、灰度检查和纹理检查等功能，能有效的检测出“伪脸”和排除检测过程中产生的“假脸”，提高了检测的准确率。同时通过实验比较，采用多种光照补偿方法融合，很大的提高了对光照不均情况下的检测率。 在设计过程中，我完成了对重心模板人脸检测算法的分析，实现了人脸检测的功能;并对线划脸去除的算法进行了研究，也实现了其功能;进行了多方法融合光照补偿下的人脸检测实验，统计了实验数据，并对数据结果进行了分析，验证了采用该方法的有效性。 以下是本文的结构安排: 首先，介绍了信息安全及信息安全所涉及的技术，并着重对身份认证技术进行了介绍，其中包括身份认证在信息安全中的关键作用、技术特点及实现方式等。 然后，详细介绍了生物特征识别的概念、技术发展概况，并阐述了生物特征识别作为身份认证方式所特有的优势以及生物特征识别技术未来发展的趋势。同时，对几种不同生物特征识别技术的应用进行了介绍，对它们各自的优缺点进行了分析和比较。 接下来，对人脸识别技术的重心模板人脸检测方法、光照补偿方法与实四川大学工程硕士学位论文人脸识别技术在信息系统身份认证中的应用验、线划脸去除原理进行了透彻的分析，详细阐述了它们的理论基础，同时设计并实现了一个面向复杂背景的多级、多角度人脸检测跟踪系统。 最后，在前面对人脸识别技术分析和应用的基础上，对在身份认证系统中实现人脸识别提供了设计方案，对系统的构建、系统工作模式以及可靠性的设计都作了详细的阐述，并介绍了几种人脸识别身份认证系统的应用实例。关键词:信息安全身份认证生物特征识别 人脸识别重心模板匹配
林巧民[2]2014年在《物联网安全及隐私保护中若干关键技术研究》文中认为物联网因其巨大的应用前景而受到各国政府、学术界和工业界的广泛重视。物联网的核心理念在于感知、控制、传输和智能，通过技术手段实现物与物、人与物、人与人之间的协同关系，从而在传感网、互联网和移动通信网的基础上形成一个更大的复杂网络系统。物联网信息共享的数据与个人生活行为息息相关，且信息彼此感知关联度较大，这种感知性与敏感性对物联网信息共享的安全及隐私保护提出了更高的要求。然而受制于网络结构、终端设备、通信方式、应用场景等特点，物联网特有的一些安全隐私问题尚无法直接通过现有的互联网安全技术手段加以解决。有必要对物联网的安全及隐私保护关键技术展开深入地研究。首先，简要描述物联网安全及其隐私问题，然后，给出物联网安全及隐私保护的国内外研究和应用现状，之后，列出物联网安全及隐私保护存在的关键技术问题。最后，围绕其中的4个关键技术问题（安全密钥预分配、双向认证与密钥协商、隐写术、数字身份认证）进行了深入地研究。下面对本文的主要工作进行简要介绍。（1）随着物联网应用的兴起，将会有越来越多的隐私信息通过传感器进行传输，因此，必须对传感器节点之间的通信加以保护，以达到隐私保护安全的目的。提出一种基于椭圆曲线的无线传感器网络的安全密钥预分配方案，利用椭圆曲线上的不同基点作为种子密钥群，并基于种子密钥进行倍点运算生成私钥环，该私钥环在节点部署之前被分配给每个传感器节点，通过选择合适的私钥环大小，两个相邻节点共享相同私钥的概率大，其他不共享私钥的相邻节点亦可通过路径密钥经由中间节点实现安全通信，从而保障整个传感器网络的隐私通信安全。仿真结果表明，该方案具有较好的网络连通性和防御性。（2）认证与密钥协商在射频识别系统中是一道核心安全屏障，也是实施访问控制的基础。提出一种新的射频识别双向认证与密钥协商协议，它能够有效解决射频识别系统的隐私安全保护问题。该协议的主要特点是安全，具有低存储成本、低通信成本、方法新颖、易于实现等特点。该协议不仅能够有效抵御服务器泄露攻击、中间者攻击、离线猜测攻击和不可察觉的在线猜测攻击，同时提供双向认证、强安全性的会话密钥、不可追踪性以及前向安全性，满足了射频识别系统的隐私安全需求，非常适合应用于必须提供隐私保护的射频识别系统。（3）由于无线多媒体传感器网络中承载着多媒体数据，这使其更容易遭受隐私安全攻击，因此在无线多媒体传感器网络的应用中，隐私安全的通信机制是十分重要的。此外，考虑到传感器节点的技术资源（如能量、计算、带宽以及存储等）有限，这种隐私保护安全机制须将多媒体信息的分布式处理同能量感知的算法相结合，以满足能量效率方面的要求。为了解决这些问题，提出一种基于分布式隐写术的高能效通信方案，该方案将隐写术同分布式计算相结合，可以为无线多媒体传感器网络提供隐私安全通信保障。模拟实验结果表明，该方案在保证隐私通信安全的同时取得了可观的能效。（4）作为身份认证中最成功的技术之一，人脸识别在过去几年时间里备受关注。为了构建自控性和鲁棒性强的物联网隐私保护安全体系，研究了人脸识别技术在无线多媒体传感器网络中的身份认证应用。提出一种基于面部局部组件的识别机制以确保人脸识别的准确性；提出一种基于K-d树的分布式部署方案并用于人脸图像的传输和检索，解决了资源紧张的问题。仿真模拟结果显示，方案在确保人脸识别准确性的同时，能够显着提高无线多媒体传感器网络中传感器节点的能耗效率。通过与无线多媒体传感器网络相结合，增强了人脸识别身份认证系统的灵活性，不过，在该人脸识别系统原型中，人脸特征数据未加保护直接暴露给了恶意分子，这使得用户隐私及安全得不到保障。结合前文工作的小波变换技术以及隐写术，提出一种基于小波变换的人脸特征隐写术，它通过隐写术的嵌入算法将加密后的人脸特征数据嵌入到载体图像中，这使不法分子即便截获了包含人脸特征的隐秘图像，也不能分辨出或提取到有用的人脸特征数据，从而达到隐私保护的目的。但人脸隐写术依然消除不了系统可能面临的重放攻击威胁，因此，又提出一种基于人脸特征隐写的身份认证与密钥协商协议，有效保护了系统的认证及隐私安全。
文豪[3]2017年在《基于图像识别的电子交易身份识别与认证方法研究》文中研究表明近年来,互联网金融迎来了快速发展期,但也出现了各种各样的安全问题。层出不穷的病毒、木马、钓鱼网站、电信诈骗给用户的财产安全带来了巨大的威胁。为此,网络认证成为网络支付交易保障交易安全的重要手段。传统的验证方式有身份证验证、银行鉴权验证等,虽然能很好地验证身份,但在涉及到需要更加严格的验证需求时,特别是网络认证中如何鉴别并对交易方进行鉴权极端重要。基于图像特别是人脸图像的鉴别,成为身份识别与认证的重要创新方向。论文首先设计了用于身份验证的业务方法,并根据背景需求提出更加严格的人脸验证方法。其次,根据业务需求提出身份识别与认证系统的总体架构,设计相应模块并实现模块功能。最后,对系统进行测试并分析测试结果。论文采用开源人脸识别引擎(SeetaFace)的训练模型实现人脸检测、特征点定位以及特征提取与比对,并在此基础上实现人脸识别功能。眨眼检测采用模板匹配定位眼睛位置,根据眼中心坐标是否在当前连通区域内判断被测试者是否眨眼。系统测试结果表明,根据光照、人脸角度、图像分辨率的不同,系统在标准图像库下的人脸分类准确率达到98.6%,表现出了很好的区分度。论文的主要工作内容有:1)在现有验证方式基础上,提出采用人脸图像进行身份识别与验证的具体方式,并实现相应功能;2)在电子交易过程中,为防止非法用户使用静态照片冒充合法用户,提出并实现基于实时视频的眨眼检测验证,确保被识别对象为真人;3)通常在金融行业扣款鉴权场景中,其认证过程往往需要两位合法用户同时授权才能完成。因此,提出并实现基于双人识别的认证方法,即对两人的同镜视频或合照进行识别验证;4)设计并实现基于图像的身份识别与认证系统;5)对系统进行系统测试并分析测试结果。
王军锋[4]2016年在《基于GLBC的人脸识别方法及其在刑侦系统中的应用》文中研究表明随着互联网和信息技术的高速发展,犯罪的手法也越来越隐蔽和先进,这给很多案件的侦破增加了不小的难度。基于人脸识别及智能图像和视频分析等核心尖端技术,针对长途客运站、火车站等公共场所及重要出入口的安全管理,定位和储存人脸,为公安找人、追捕等提供了一大利器,成为打击违法犯罪活动,建设平安城市的重要技术。这也给人脸识别带来了新的挑战,如何在复杂环境下提高人脸识别性能是当今研究的热点之一。本文针对人脸识别中Gabor特征的缺点,提出了一种新的特征算子,极大的降低了 Gabor的特征维数并提高了其识别性能,然后将其应用到基于刑侦信息采集交换平台。本文的主要工作包括以下两个方面:1.Gabor滤波的多尺度多方向特征对人脸图像识别的校准误差有较强的鲁棒性。这种特性使Gabor滤波被广泛应用用人脸识别。但是其特征维度过大,并不适用于实时的人脸识别应用。针对这一缺点,提出了一种新颖的特征算子GLBC,该算子通过引入LBC算子与Gabor特征结合,有效的降低了 Gabor特征的维数。在距离评估方面,提出了加权的X2距离,对人脸的区域进行加权处理。为了验证本文提出的方法的有效性,在FERET、CAS-PEAL-RI和AR叁个常用的人脸数据库上进行了实验分析。实验结果表明,文本提出的算法在叁个库中的不同环境下的人脸的识别率优于其他同类人脸识别算法。2.设计了基于人脸数据的信息采集交换系统,平台使用人脸作为信息采集的主要数据,为了避免数据的重复采集,开发了基于人脸数据的房采集模块。系统采用C/S叁层结构,包括表示层、逻辑层、数据层。表示层提供GPS交友系统用户友好界面,业务逻辑层提供业务处理结合和业务处理服务,数据层提供数据访问接口,数据,采用MySQL进行数据库开发。平台实现了警综平台与刑侦专业系统间的信息交换,可以有效避免大量有价值的情报线索掩埋浪费。
蒋政[5]2016年在《人脸识别中特征提取算法的研究与实现》文中进行了进一步梳理人脸识别是一项极具发展潜力的生物特征识别技术,在银行、公安系统、社会福利保障等领域有着广泛的应用前景。经过几十年的研究,人脸识别取得了长足的发展与进步,目前在控制和配合条件下人脸识别可以取得比较高的准确率,但是在非控制和非配合条件下,人脸识别仍然是一个极具挑战性的课题。人脸特征容易受到光照、表情等因素的影响,从而导致识别率急剧下降,因此研究出鲁棒性高且能够提取更好表征能力特征的特征提取算法具有十分重要的现实意义。本文主要研究了适用于光照环境下的特征提取算法并在人脸识别原型系统中得以实现,主要工作如下所示:(1)分析并总结了人脸识别在生物特征识别中的优势、应用领域以及所面临的问题,阐述了特征提取算法在国内外的研究和应用现状。同时概述了人脸的主要特征,介绍了特征提取和特征选择方法,并且介绍了光照影响下人脸的处理方法。(2)现有的大多数特征提取算法在提取人脸特征时,容易受到光照等外界因素的影响,从而导致人脸识别率下降。而方向梯度直方图(Histogram of Oriented Gradient,HOG)对光照具有较强的鲁棒性,它能够很好的减小光照对特征提取造成的影响,但传统HOG在计算梯度幅值和方向时只计算水平和垂直方向上四个像素点对中间像素的影响,当外界环境变化时不能保证其稳定性,因此提出一种基于Haar特性的改进HOG的特征提取算法。该算法在计算梯度幅值和方向时考虑水平、垂直以及对角线上8个像素点对中间像素的影响,由于增加计算量导致特征提取时间随之增加,因此引入Haar,借助Haar型特征运算简单、快捷的特点设计4组Haar型特征编码模型,按照改进的HOG特征计算方式提取人脸特征。仿真结果表明该算法对光照具有更好的鲁棒性,能够在复杂环境下提高人脸识别率。(3)针对特征提取过后特征维数过大以及存在较多冗余特征的问题,借助受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)能够提取出低维高度可分特征的优点来进行特征选择,但是在RBM训练过程中,如果选择的学习参数不适合数据集或RBM结构,将无法正确建立数据分布模型。因此提出一种基于粗糙集的RBM特征选择算法。该算法首先利用粗糙集理论分析样本数据之间的决策关系,从数据样本中获取最简决策规则和各个属性的隶属度;再根据得到的决策规则以及隶属度确定了RBM的初始参数;并根据确定的初始权值和每次更新得到的权值共同确定下一次权值,同时根据迭代误差动态控制权值的更新步长,从而改进权值更新准则来优化RBM算法。仿真结果表明该算法减少了网络训练的迭代次数,同时减少了RBM学习的重构误差,从而提取出低维高度可分的特征。(4)最后,设计并实现了一个人脸识别原型系统。该系统基于上述研究成果,设计并实现了人脸检测、特征提取以及人脸识别等功能,并验证了基于Haar特性的改进HOG的特征提取算法和基于粗糙集的RBM特征选择算法的有效性和实用性,同时为了提取出表征能力更好的特征来提高人脸识别率,本系统将多个RBM迭加成一个深度信念网(Deep Belief Network,DBN)来对特征进行选择。最后进行了系统测试,并对测试结果进行了相应的分析。
杨静波[6]2016年在《融合说话人识别和人脸识别的身份认证》文中提出在个人身份信息安全问题突显的今天,单模态生物特征下的身份认证技术因其自身的局限性,已经不能够满足人们的需要。利用多模态生物特征进行身份认证的技术已成为当今社会的研究热点。论文实现了说话人识别和人脸识别,并根据语音的信噪比和外界光照条件在决策层对说话人识别的结果和人脸识别的结果进行融合,以提高身份认证的正确率,从而弥补说话人识别和人脸识别对环境噪声和环境光照条件的不同要求。论文的主要工作如下:1、实现了说话人识别。采用基于高斯混合模型(Gaussian Mixture Model,GMM)的说话人识别方法,对不同说话人的训练语料经过预加重、分帧、加窗后,提取训练语料的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)作为特征向量,训练得到每个说话人的声学模型,组成所有说话人的GMM模型库。在识别阶段,对输入的待识别说话人的语音信号,提取声学特征MFCC,并将特征向量与GMM模型库进行匹配,并根据匹配概率获得识别结果。实验结果表明,本文实现的说话人识别能够在纯净语音下达到92.8%的识别率。2、实现了人脸识别。采用GMM分类器进行人脸识别。在训练阶段,首先对人脸进行图像预处理,然后采用基于肤色人脸区域检测方法完成人脸检测,接着对人脸图像进行归一化,并采用基于主成分分析的特征提取算法提取人脸特征,最后根据特征训练得到每个人的GMM,从而生成GMM人脸模型库。识别阶段,对识别者的人脸图像经过人脸检测和特征提取后,将得到的人脸特征向量与GMM人脸模型库进行概率匹配,设定系统分类阈值后,获得识别结果。实验表明,本文实现的人脸识别能够在人脸图像高信噪比的条件下达到78.1%的识别率。3、实现了融合说话人识别和人脸识别的身份认证。采用决策层融合方法,将说话人识别和人脸识别的识别结果进行融合得到融合后的识别结果。设定了外界语音信号的信噪比阈值和图像亮度平均值阈值,采用分段式处理方法获得融合权重。当语音信号信噪比小于信噪比阈值,则身份认证依靠人脸识别完成;当外界图像亮度平均值小于亮度平均值阈值,则身份认证依靠说话人识别完成。实验结果表明,在高信噪比且良好光照的情况下,融合后的平均识别正确率比单独的说话人识别正确率提高了1.55%,比单独的人脸识别正确率提高了17.41%。在低信噪比且光照条件差的情况下融合后的平均识别正确率比单独人脸识别正确率提高了73.22%。
徐华[7]2009年在《基于叁维重构的人脸识别》文中进行了进一步梳理作为近年来兴起的身份识别技术,生物识别利用了人体的终生不变性和非侵犯性的特征,在可靠性和安全性方面达到了较高的水平。众所周知,人体的各种外部特征,如指纹、虹膜、声音等生物测定方法都需要被测定者的主动配合参与,才能达到识别的目的,但人脸识别却不受这种限制,具有自然友好、对用户干扰少、易被用户接受等优势,从而具有更为广阔的应用前景并且正在成为当前人们关注和投入较大研究力量的重点。在现代社会中,个人身份认证技术的应用无所不在,其中基于指纹、虹膜、人脸等人体生物特征的识别技术在多个领域有巨大的市场需求,如门禁系统、机场安检、电子商务自然人机交互等领域进行自动登记、验证、监视、报警,进而可以组成多种场合监控系统。本论文是基于数字图像处理和图形图像学的相关理论,将计算机视觉与模式识别技术相结合,对人脸识别系统进行了较深入的研究和分析,主要完成的工作包括以下几个部分:(1)人脸定位算法。研究了两种人脸定位方法,分别是对于彩色图像的基于肤色的定位方法与对于灰度图像的基于人脸轮廓的人脸定位方法。前者利用肤色与背景色彩的区别从人脸图像中定位出人脸的大致位置,再利用构造的人脸模板从候选区域中检测并提取出人脸;后者利用对人脸的先验知识,在snake曲线提取边缘的算法的基础上,研究应用了主动形状模型(Active Shape Model, ASM)算法,这种算法先对人脸样本进行训练,然后进行轮廓的检测,对人脸检测定位更具通用性。本文在传统ASM算法的基础上做出了一些改进,使得ASM算法定位的结果更加精确。(2)特定人脸的叁维重构。本文研究了一种基于Candide-3标准线框模型的特定人脸3D形状重建方法。Candide-3模型是一种参数化的模型,在Candide-3模型上重建出特定的人脸的过程就是参数调整的过程。把表述人脸的特征点分成不同的优先级,利用ASM算法思想,通过对Candide-3模型上不同优先级别的顶点参数的调整,使得原来Candide-3模型的中性表情调整为特定的人脸的表情,完成特定人脸的重构。(3)人脸识别算法。研究比较了两种人脸识别算法。针对定位算法和叁维人脸重构算法得到的人脸数据,按照叁维重构步骤中的思想分成不同的优先级别,利用提取Hausdorff距离的方法和基于局部特征的方法进行人脸识别。前面一种方法是把不同的人脸看成不同的点集,通过对点组成的线段间的距离进行测量,来完成不同点集的相似性的比较,即不同人脸之间的相似性;后一种方法是提取人脸局部的特征来组成人脸的整体,本文采用的Gabor小波系数的局部特征。并根据两种方法得到的结果进行了比较性的研究与分析,最终研究出了一种新的识别算法。这种新的算法综合了两种方法的优点,进行试验后验证了效果比单独使用一种方法得到的效果更为理想。
王磊[8]2017年在《人脸识别的智能门禁系统的研究与设计》文中认为随着经济水平的提高和科技的发展,人们对安防提出了更高的要求。人脸识别作为先进的生物识别技术之一,逐渐地应用于我们的生活中,将人脸识别技术与门禁相结合拥有广阔的前景。但是常见的门禁系统,大都是以PC机作为系统运行平台,这就给门禁系统带来成本高昂和安装繁琐的劣势。论文针对现有常见门禁系统的不足,将人脸识别技术和嵌入式技术相结合,研究设计基于人脸识别的智能门禁系统。论文首先对门禁系统的需求进行分析,根据实际应用需要提出人脸识别的智能门禁系统的技术指标,进行了系统整体方案设计。系统以Smart210为主控制器,以Linux操作系统为软件开发平台,使用Video4Linux2框架采集图像。为去除图像中的干扰因素,在进行人脸识别前加入去噪声、灰度化、直方图均衡化等预处理步骤。仿真测试了现有常见的人脸识别算法,重点考虑识别率和识别耗时,经过研究选择适合系统的Adaboost和PCA算法人脸识别算法。而后重点对Adaboost算法及PCA算法进行理论研究,然后将Adaboost算法应用于人脸检测,再训练出人眼分类器用于眨眼检测,以确定是真实人脸,排除人脸图片开门的情况。为提高系统对光照的抗干扰性,提出使用分块LBP算子和PCA结合的人脸识别算法。针对PCA算法在侧面人脸识别时成功率低的问题,提出基于自编码器的正面人脸重建方法,使用MATLAB进行仿真实验,重建正面人脸,最后结合PCA算法检验重建人脸的效果。系统前端基于QT框架设计了人机交互界面,结合OpenCV计算机视觉库完成了系统软件部分的设计;后台在Windows环境下基于VS2013与MySQL数据库完成了信息管理中心的设计,主要用于对系统管理员信息、合法人员进入信息的管理。论文完成了系统的整体设计,对人脸识别智能门禁系统的实时性和识别率进行了实验测试,测试结果表明:系统能够实现预定的功能,实时性和识别成功率达到了预期的目标。研究设计的智能门禁系统以人脸作为身份特征实现开门,对到访者的信息集中统一管理;涉及的技术具有研究价值,系统使用方便有着广阔的应用市场。
邬亮[9]2016年在《基于低秩恢复与深度神经网络人脸识别算法的研究》文中研究表明人脸识别问题是模式识别中的一个研究热点,人脸识别因为其便利性被广泛应用于身份认证,破案侦查等对安全性要求较高的场所。人脸识别算法从最初的简单条件下的识别,发展到多因素复杂条件下的识别。多因素人脸识别中光照,人脸旋转,人脸遮挡,噪声污染,皮肤颜色及种族因素等都是在人脸识别中要考虑的因素。复杂条件下的人脸识别问题仍然是人脸识别领域内的一个难点。本文针对以下问题进行了研究,并且给出了解决方法。(1)针对小波阈值去噪会引入量化噪声和阈值选取不当会损坏图像边缘信息的问题,本文在小波阈值去噪的基础上融合了低秩矩阵恢复算法,提出一种融合小波变换与低秩矩阵恢复的图像去噪算法,实验结果表明本文提出的去噪算法比单一小波阈值去噪算法有更好的去噪效果,改进了算法性能。(2)本文针对采集人脸图像时会有过度曝光,阴影和噪声干扰的问题。本文将低秩矩阵恢复算法应用在人脸图像预处理阶中。实验结果表明,经过低秩矩阵恢复算法处理的人脸图像有效的改善了曝光,阴影,干扰等因素的影响,改善了人脸图像的成像质量,为后续提取高质量的人脸特征奠定了基础。(3)针对线性降维方法与浅层神经网络提取人脸特征鲁棒性不佳的问题。本文将低结合低秩矩阵恢复算法与深度神经网络算法有效的解决了这个问题。在YALE,ORL,AR人脸库上,通过设置不同的网络节点数与网络迭代次数,选取不同的训练样本数进行实验。在人脸数据库上的实验结果表明,本文算法比线性降维与浅层神经网络算法有更高的识别率和更好的稳定性。
何坤[10]2006年在《人脸识别理论关键技术的研究》文中研究表明身份认证是人们在日常生活中经常遇到的问题,几乎每时每刻都需要证明身份,在信息技术飞速发展的今天,电子商务、网上银行、公共安全等领域对身份认证的可靠度和方式提出了新的要求,传统的身份认证方法已经不能满足这些要求。但人脸作为特征具有不易伪造、不会遗失、终身不变性和随身携带的优点,与指纹、视网膜、虹膜、基因等其他人体生物特征识别系统相比,人脸识别系统更加直接、友好,使用者无任何心理障碍。人脸检测识别要求对受检人的身体伤害以及人身自由的限制最少。由人脸检测和人脸识别两个关键环节组成。人脸检测是指利用计算机在输入图像中确定所有人脸的位置、大小,是人脸信息处理中的一项关键技术。人脸识别是利用计算机分析人脸图像,进而从中提取有效的识别信息,用来“辨识”身份的一门技术。人脸识别的研究涉及心理学、生理学、人工智能、模式识别、计算机视觉、图像分析与处理等多个学科领域。它是人类智能的基本体现,它是最典型、最困难的模式识别问题之一,对这一问题的研究和解决,有助于对其他对象识别问题的研究和解决。人脸识别也因此成为这些基础研究领域的重要课题之一,具有重要的理论研究价值。本文的主要工作包括:本文分析了复杂环境下人脸检测的本质。即在复杂环境下检测出人脸区域及人脸大小,这一任务决定人脸检测具有不确定性。不确定性的主要原因有:a:由于光照和当时人的行动速度等因素造成了图像质量的不确定;b:图像中是否存在人脸以及人脸区域的大小是不确定的;c:人脸与非人脸之间的区别没有明确界定造成了概念之间的不确定性。人脸检测的不确定性决定了人脸检测不能
参考文献：
[1]. 人脸识别技术在信息系统身份认证中的应用[D]. 董立锋. 四川大学. 2004
[2]. 物联网安全及隐私保护中若干关键技术研究[D]. 林巧民. 南京邮电大学. 2014
[3]. 基于图像识别的电子交易身份识别与认证方法研究[D]. 文豪. 电子科技大学. 2017
[4]. 基于GLBC的人脸识别方法及其在刑侦系统中的应用[D]. 王军锋. 湖南大学. 2016
[5]. 人脸识别中特征提取算法的研究与实现[D]. 蒋政. 南京邮电大学. 2016
[6]. 融合说话人识别和人脸识别的身份认证[D]. 杨静波. 西北师范大学. 2016
[7]. 基于叁维重构的人脸识别[D]. 徐华. 电子科技大学. 2009
[8]. 人脸识别的智能门禁系统的研究与设计[D]. 王磊. 西安工业大学. 2017
[9]. 基于低秩恢复与深度神经网络人脸识别算法的研究[D]. 邬亮. 江西理工大学. 2016
[10]. 人脸识别理论关键技术的研究[D]. 何坤. 四川大学. 2006
标签：计算机软件及计算机应用论文; 人脸识别技术论文; 人脸识别算法论文; 人脸检测技术论文; 生物特征识别论文; 生物识别技术论文; 图像识别技术论文; 特征提取论文; 身份认证技术论文; adaboost人脸检测论文; 信息安全论文; 图像融合论文; 密钥管理论文; 数据融合论文; 隐私保护论文; rbm论文; 算法论文;