中國農業大學碩士學位論文STYLEREF"標題1"錯誤！文檔中沒有指定樣式的文字。人臉識別發展歷程研究的國內外文獻綜述人臉識別相關技術發展作為近年來一個大熱門的話題,其實己經開始有了挺長的一個學術研究發展時期,人臉識別的技術形成和應用發展整個過程大致情況可以詳細劃分如下為三個階段發展早期階段: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絡人臉識別,只是將其作為一種一般化的模型問題來進行研究,主要的技術解決方案就是基于網絡人臉的幾何和結構學的分類,人們針對網絡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,基本上也就是出現過什么與人臉識別相關的實際應用,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),這個早期階段的發展時間雖然相對來說比較短,但是卻已經完全成為了當前人臉識別相關技術應用研究的一個高潮發展時期,也就是已經出現了很多可喜的研究成果。不但先后產生了若干系列具有國際代表性的新型人臉識別管理算法,還不斷涌現了許多由傳統商業化人員操作的新型人臉識別管理系統。總體來說,這個階段時候我們的手機人臉識別成像技術已經開始得到了新的飛速發展,所提出的算法在理想條件下也能實現較好性能。統計圖像辨認、統計表觀視覺模型、2d級的人臉辨認圖像識別線性子圖和空間統計辨認圖像判別等技術階段已成為目前主流的識別技術。3）第三個發展階段（1998年—現在），隨著人臉識別技術研究大熱，人臉識別技術受光照、姿勢等影響過重的問題逐漸被人們發現，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）人臉數據庫的基礎上組織過系統測評，出名的算法有：基于光錐模型的多光照、多姿態條件人臉識別方法被基奧蓋蒂斯等人提出，這個方法重要的結論就是在不同的環境條件下，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,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)大量的弱分類器數據在AdaBoost算法基礎上進行組合，由此衍生出強分類器機械學習的方法;3)系統采用級聯式檢測技術,大大提高了數據的檢測效率;沙蘇哈等在2001年研究發展出了一種基于商業圖像的人臉影象識別畫面繪制技術。該計算技術主要是一項基于隨機限定數學訓練課程對象的立體光照反射圖像模型進行集合式隨機學習的圖像繪制計算技術,能夠直接依靠在限定訓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合使用光在球面上的反射諧波圖像來準確表示立體光照,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論:由隨機數學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的訓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、物聯網等前沿技術飛速成長帶領下，一個新詞已經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”，我們的臉似乎已經變成一張行走各地的電子通行證。但人臉識別系統的性能對環境變化、人體姿態等因素仍十分敏感，人臉庫上樣本不足等問題也亟待解決。目前在當今世界廣大范圍內,研究應用人臉識別系統的技術公司很多,國外著名的技術公司主要包括美國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;國內此時這些年亦已經涌現出許多知名實力派,例如浙大智能互聯網新智能科技,云從智能科技,大華智能股份,海康華納威視和杭州曠視智能科技。這些應用技術雖然是目前主流的,但人臉識別軟件公司,技術以及解決模式方案都應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,其中前端人臉識別管理系統在海康信息人臉識別的超高準確率上已經表現得非常好,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,均已經是充分融合了海康深度機器學習智能算法,前后端的融合深度學習智能為海康信息人臉識別技術人工刷臉智能技術和行業大數據的融合應用以及發展趨勢提供出了強力技術支持。總體而言,全球的手機人臉識別信息系統及其產品服務行業目前正處于一個快速蓬勃發展的關鍵時期。2016年至2021年，中國人臉市場規模大幅度攀升，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年中國人臉市場規模前瞻通信產業發展研究院早在2016年就分析預計過,在五年內中國移動終端人臉識別應用市場整體規模不會一直保持23%的平均增速，會慢慢恢復穩定增長速度,預計到2024年，市場整體規模將至少有機會首次實現突破100億元的目標,約合美金15.5億美金。但是隨著依托移動物聯網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用發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科研機構的大力開發和研究投入、市場上的宣傳、企業對該識別技術的不斷深度深入鉆研,這些都被普遍認為都將是未來中國人臉識別美好前景的一個重要發展預兆。人臉識別技術系統應用技術已相對成熟,新型制造企業仍然無法在比較短時間內形成突破企業現有的打造知名品牌國際聲譽及所需自建設備的技術,并且這一技術行業的市場技術壁壘和企業資本投入壁壘也相對較高。近幾年盡管國內的企業在人臉識別相關技術鄰域領域已經取得了一些突破和成果,但還是存在許多技術難點亟待我們鉆研,例如怎樣通過車窗玻璃對人臉、夜間識別、紅外線辨認等等相關技術困難點依舊存在,我們正在繼續等待我們的企業自己去探索和攻克。隨著互聯網、共享時代的到來,數據安全的問題日益受到高度重視,以人臉識別技術為主要代表的新一代科學技術革命正式展開。對于技術的重視程度也越來越高,既要求獲取和得到數據的精度和準確性,又必須要充分保證數據的信息安全性,人臉識別在這兩個領域中的前景很廣闊,作為這兩個領域的主導者和龍頭,企業的科學技術力量和創新能力直接決定了整個行業的發展趨勢,任何一點點科學技術的發展和創新都很有可能會給整個行業帶來巨大的變革。當前關于人臉識別的主要研究領域是圍繞一些化、年級和時間的改變、人臉表皮和身體結構之間的相似性、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研究[D].電子科技大學.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.朱海,王國中,范濤,等.基于深度超分辨率重建的監控圖像人臉識別[J].電子測量技術,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