基于小波分析的人脸识别算法研究(2)
人脸识别较之其他生物特征识别技术，优点如下：
(1) 隐蔽性强，便于监控，安全系数高。
(2) 设备成本低廉，数据采集方便。
(3) 直观、迅速、间接性等特点，易推广。
1. 绪论
1.1 研究现状及意义
现在数据融合、综合理论是人脸识别技术的研究热点，也就是博众技术、方法、算法之众长，规避其短处，以求最优的面部识别效果[1]。国内外，人脸识别研究通常是着眼于提高识别率、满足实时性两点而已。由于小波分析的优势在局部特征提取的灵活性，所以在人脸检测部分应用广泛。随着信息技术飞速发展，快速便捷的身份验证在国家社会各个领域显得异常重要。
与传统身份识别技术之比照，生物特征的识别技术一方面特征唯一，另一方面具有不易伪造的优势。而以人脸辨识的生物特征识别技术优点有很多，比如：特征录入方便、信息量丰富、适用面宽广、识别系统更加友好直接等。拥有有良好的时间特性、频率特性优势的小波变换，理论基础厚实，实践性强, 应用领域较广。图像运用小波进行分解，时间和频率局部信息得到提高和扩大，计算复杂度得到大大的降低，图像子代的分辨率也得到降低。
1.2 人脸识别面临的问题及研究方向
在一个标准的人脸库中，每一个人的身份是确定的，每个人至少有一张或多张人脸图像，但是由于表情、拍摄背景、光照的局限性，人脸识别的主要任务是以上面建立好的人脸库训练出一个良好效果的人脸识别系统，这个系统要在一定的时间内，将采集得到的人脸迅速的与库中比对识别出来。
人脸识别系统是归根结底就是输入图像与库中图像中的所有值进行决策判断，最后将输入图像归类在最相似的类别中。人脸特征识别相对稳定，这为人脸识别技术的应用带来了实现的可能性，人脸识别中面临的环境复杂多样、人脸形态多变，对于识别过程来说面对着巨大的挑战：
（1）人脸的相似性。在纷繁的世界中，随着整容技术的提高，人脸在一定程度上也有相似的结构性、纹理性，这就要求人脸识别技术，要做到精细化，处理多样化。
（2）获取人脸图像的不确定性。对于一个系统，检测环境条件也是重要的因素，如面部遮挡，表情不一，不同光照等，这就导致了后续处理障碍，也可能导致检测不成功。
距离真正意义上人脸识别系统，如今依然面临着诸多难题和越来越高的挑战，当下的两个主攻方向如：
（1）深入研究改进算法，创新的设计新算法，提高识别的准确性，实时性。
（2）为了减少设计复杂度，提高执行效率，综合人脸识别、其他生物特征识别技术，进行取长补短，以求最优，综合互补模块取代复杂模块。
2. 人脸识别系统
如图2.1所示，预处理图像、对象检测、特征提取和分类四部本组成一个完整的人脸识别系统。训练在实现过程中，首先要获取人脸的输入图像，经图像预处理后，再经人脸检测模块检测到人脸后，进行人脸特征提取，继而分类训练、判断，从而确定采集人脸的类别归属。
2.1 人脸图像库
人脸识别算法的特征模型很大程度上依赖于有限人脸库的经验模型，原因在于所选模型一定程度上局限了其适用面、鲁棒性。下面简单介绍标准人脸库。
AS-PEAL 是中国科研机构开发的多姿态人脸库。本人脸库的采集按照国际标准和后续的实践性的需求为指导，图像的采集考虑到环境条件、形态条件等的变化，既有光照，饰物，表情，姿态等因素，又有图形采集背景，空间距离，时间跨度等因素。较之其他的人脸训练库本人脸库综合优势体现在人的基数大、图像采集变化多样，也将会扩大其适用范围，对人脸识别技术应用和测试做出积极的贡献。