人脸图像检测与识别方法综述

综 述

《自动化技术与应用》 2004年第 23卷第 12期

Survey

人脸图像检测与识别方法综述 王科俊 ,姚向辉

(哈尔滨工程大学自动化学院 ,黑龙江 哈尔滨 150001)

摘要

:本文对人脸识别技术中的检测和识别分成两部分进行了讨论。首先 ,系统的整理分析了人脸检测的各种方法。其次 ,作为

人脸识别技术的第二个环节

,对人脸的各种识别方法进行了比较性的论述 ,重点讨论了当前热点的识别算法。最后对人脸 识别技术的发展方向进行了展望。

关键词 :人脸检测 ;人脸识别 ;特征提取 ;模式识别

中图分类号

: TP391141 文献标识码 :A 文章编号

: 100327241 (2004) 1220005205

Survey of Human Face Detection and Recognition

WANG Ke -jun ,YAO Xiang -hui

(College of Automatization , Harbin Engineering University , Harbin 150001 ,China) Abstract :This paper describes the problem of human face detection and recognition. Firstly it synthesizes and analyzes the methods of human face de2

tection systematically from the view of the classification of human face detection ,

detection effect and future prospect.

of the Human face recognition , this paper discusses different recognition methods comparatively. It emphasizes the recognition algorithm

mostly used at present and views the trend of human face recognition. As the second stage

Key words :Face detection ; Face recognition ; Feature extraction ; Pattern recognition 1 引言

自从美国

9. 11事件后

,人的身份确定问题就不仅仅是为了 银行存款、电子商务、家庭安全等服务了 ,而是提升到了国家安 全的角度

,如何利用人体的生物特征 (如指纹、人脸、虹膜、掌纹

等)迅速判断并确定一个人的身份成了现在各个国家重点研究 的技术。这就迫切需要生物识别技术的发展和完善。

生物识别技术在上个世纪已经有了一定的发展 ,其中应用

最广泛的是指纹识别技术

,在全球生物识别市场上指纹识别占 了

53 %份额

,这说明指纹识别技术已经趋近于成熟 ,但是人脸

识别技术的研究目前还处于起步阶段。指纹、掌型、虹膜等识别 技术都需要被识别者配合

,但人的面部识别则可以用摄像头远 距离捕捉图像

,在当事人不知不觉的情况下完成身份确认识别 工作

,这对反恐怖活动等有非常重大的意义。

人脸的检测与人脸的识别是人脸识别技术两个不可分的部 分

,一个完整的人脸识别系统将是这两部分的有机结合 ,为了论 述方便

,下文将对人脸检测和识别的各种方法分别进行论述。

收稿日期

:2004 -006 -10

2 人脸的检测方法

目前很多人脸识别技术的研究工作都是假定图像中的人脸 已经被检测和定位

,而为了设计出一个自动人脸识别系统 ,快速

而高效的检测出人脸是比较关键的一步。目前人脸检测还是一 个相当困难的工作 ,还有许多问题有待解决。

国内外比较流行的人脸检测方法主要有 :基于特征的人脸

检测算法

[1 ]、基于统计的人脸检测算法、基于模板的人脸检测算 法和基于人脸彩色信息的检测算法 [7 ]等。

2. 1 基于面部重要特征的人脸检测方法

基于特征的人脸检测方法是利用人脸的先验知识导出的规

则来进行人脸检测的。人脸各个器官的分布总是存在着一定的 规律性

,例如人的两个眼睛总是对称分布在人脸的上半部分 ,鼻

子和嘴唇中心点的连线基本与两眼之间的连线垂直 ,嘴巴绝对

不会超过眼睛的两端点 ,如果这个人的双眼距离为 d,那么双眼

到嘴的垂直距离一般在 0. 8 —1. 25倍的 d,人们就可以利用这些

描述人脸局部特征分布的规则来进行人脸检测。当满足这些规 则的图像区域找到后

,则认为一幅人脸已被检测出来 ,然后可以

对候选的人脸区域进行进一步的论证 ,以确定候选区域是否是

Techniques of Automation & Applications |

. 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

《自动化技术与应用》 2004年第 23卷第

12期综 述

Survey

实现人脸的检测。实际上

,人脸检测问题被转化为了统计模式 识别中的二分类问题。

为一维

)通过某种变换

,转换到另外一个空间 ,在这个空间上 ,人

基于特征空间的方法的思想是将人脸的二维图像(可转化

(2)基于特征空间的方法2. 3 基于模板匹配的人脸检测方法 人脸。

这种方法所存在的问题主要是 :检测率不高 ,如果图像背景

中存在类人脸区域 ,则必然会导致误检 ;对于不同视角的人由于 某些人脸特征不可见 ,所以不能使用这种方法检测 ;用于描述人

脸特征之间关系的规则不易设计 ,规则制定的过高或者过低会 造成拒识或误识。

基于面部重要器官特征的人脸检测方法在人脸识别研究的 初期应用比较多

,现在人们往往把它作为其它检测方法的辅助 手段。

2. 2 基于统计的人脸检测方法 基于统计的人脸检测方法

[3 ,4]不是针对人脸的某一特征 ,它

是从整个人脸的角度出发 ,利用统计的原理 ,从成千上万张人脸

图像中提取出人脸共有的一些规律 ,利用这些规律来进行人脸 的检测。

由于人脸图像的复杂性

,显式地描述人脸特征具有一定困 难

,因此基于统计的方法越来越受到重视。此类方法将人脸区 域看作一类模式

,使用大量的

“人脸”与“非人脸”样本

,构造并训 练分类器

,通过判别图像中所有可能区域属于哪类模式的方法

脸特征与非人脸特征的区别能更好的体现出来了 ,这样就可以

比较容易的进行人脸的检测。

主分量分析

(PCA , Principal -Component Analysis) [2 ,6 ]是一种

常用的方法。它是根据图像的统计特性进行正交变换 (K-L变

换),以消除原有向量各个分量间的相关性 ,变换得到对应特征

值依次递减的特征向量 ,即特征脸。具体的实现方法是 :同时使 用

N ×N象素分辨率的“人脸”和“非人脸”样本 ,样本预处理后

按行列顺序展开为样本向量进行主分量分解。采用 k均值聚类

方法在特征空间中建若干个“人脸”簇 (Clusters) ,同时建立包围 “人脸”簇的若干个

“非人脸”簇

,以使“人脸”与“非人脸”模式的

边界区分开来。这种方法的一大难点就是非人脸的样本很难获 得。因为随着环境的不同而不同 ,非人脸区域很难有确定性。

特征空间方法还有因子分解方法 ( Factor Analysis , FA)和 Fisher准则方法

( Fisher Linear Discriminant , FLD)。此外 ,小波变

换也被用于人脸检测

,如小波变换中提取人脸的多分辨率特征 作为分类的依据。

特征空间方法优于其它方法的一点就是它能把特征压缩。 从而使计算量减小

,这对于搜索式的人脸检测来说是非常有价

值的。特征空间的方法无论是对于人脸检测还是人脸识别 ,都

是很有前景的研究方向。

(3)基于人工神经网的方法 由于人工神经网络 (ANN)高度的自适应性 ,它对于图像的

容忍度相当高

,对于平移、变形、噪声甚至局部残缺的图像都能 够保持一定的识别率

,因而有时候可能会达到传统方法很难达 到的可喜效果。人工神经网 (ANN)方法是把模式的统计特性隐 含在

ANN的结构和参数之中

,对于人脸这类复杂的、难以显式 描述的模式

,基于

ANN的方法具有独特的优势。

采用

3层以上的 BP网络或是 Hopfield网络

,取得足够量的

N ×N像素的人脸样本和非人脸样本 ,作为神经网络输入的训练 样本

,进行人工神经网络的训练 ,训练过程中不断调整网络的权 值和层数

,最后使网络能将人脸和非人脸能很好的区分开来。

然后用这个训练好的网络来对含有人脸图像的背景图像进行搜 索

,找到符合条件的区域。这就是人工神经网络方法用于人脸 检测的基本原理。

人工神经网络虽然有它独特的优势 ,但也有致命的缺点 ,一

方面是用于训练输入的样本维数过高 ,计算量太大 ,不容易收

敛

,搜索的过程也会很慢。另外一个问题就是很难找到一个标 准的非人脸的样本 ,来适应各种情况。

基于统计模型的人脸检测方法是目前比较流行的人脸检测 方法

,是解决复杂的人脸检测问题的有效途径。

早期基于模板匹配的检测方法 [8 ,9]是这样做的 :首先建立一

个标准的人脸模板

,由包含局部人脸特征的子模板构成 ,然后对

一幅输入图像进行全局搜索 ,对应不同尺度大小的图像窗口

,计

算与标准人脸模板中不同部分的相关系数 ,通过预先设置的阈

值来判断该图像窗口中是否包含人脸。

Yullie等人

[10 ]提出了基于弹性模板的方法用于人脸的检 测。弹性模板

[11 ]是由一个根据被测物体形状而设定的参数化 的可调模板和与之相应的能量函数所构成 ,能量函数要根据图

像的灰度信息、被测物体轮廓等先验知识来设计。当用弹性模 板进行人脸检测时

,首先

,将可调模板在待测图像中移动 ,并动

态地调整其参数

,计算能量函数。当能量函数到达最小值时

,根

据其位置和参数所决定的可调模板形状应该达到与人脸形状的 最佳拟合

,这样就检测到了一幅人脸。这种方法的优点在于 ,由

于使用的弹性模板可调

,能够检测不同大小、具有不同偏转角度

的物体。但是其缺点是检测前必须根据待测人脸的形状来设计 弹性模板的轮廓

,否则会影响收敛的结果 ;当对图像进行全局搜 索时

,由于要动态地调整参数和计算能量函数 ,计算时间过长。

3 人脸的识别方法

人脸识别的研究已经有很长的历史 ,最早可以追溯到上个 世纪法国人

Galton[11 ]的工作 ,但真正有发展还是近 30年的事。

人脸识别的输入图像通常有 3种情况

:正面、倾斜、侧面。从

| Techniques of Automation & Applications

. 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

综 述

《自动化技术与应用》 2004年第 23卷第 12期 Survey 1973年

Kanade[12]的工作起至今 ,大多数人脸识别研究工作的对

象为正面或接近正面的人脸图像。人脸识别试验所采用的人脸 库通常不大

,最常见的人脸库一般包括 100幅左右的人脸图像 , 如

MIT库、 Yale库、 CMU库、

ORL库

,这些均为小型库。目前国际

上还没有一个通用的大型标准人脸库。

人脸的特征提取和特征识别 (匹配

)是人脸识别中最为关键 的两个问题。事实上

,人脸识别研究的发展主要就体现在这两

个问题上

,即提取人脸的什么特征和用什么手段进行分类。

针对这两个问题

,人们提出了许多种人脸识别算法 :基于二 维

(三维

) [16 ]特征的人脸识别方案 ;基于特征脸 (特征子空间 ) [13 ]

的人脸识别算法 ;基于模板匹配

(静态匹配和弹性匹配

)的人脸 识别算法

;基于人工神经网络的识别算法 [14] ;等灰度线法

[15] ;基

于特征融合的人脸识别算法 [17] ;隐马尔可夫模型方法等许多 种

,下面针对人们研究比较多的算法作进一步的论述。

3. 1 基于二维 (三维

)特征的人脸识别算法

基于二维特征的人脸识别方法是 Kanade[12 ]在人脸识别领 域首次提出的 ,以后又经过了

Kaya和

Kobayashi[18 ]等人的进一步

研究和改进。

外型轮廓的大小、距

脸图像集的协方差矩阵的特征向量

脸图像集中每个人脸均可以精确的表示为特征脸的线性组合, ,因此特征脸是像脸的

,该人

此方法首先定位一些人脸特征点或是特征区域

,如眼睛虹

膜、鼻侧翼点、嘴角、下巴轮廓、眉毛、位置、这些特征脸形成了一个低维子空间 ,称为

“人脸子空间”

,每张人

离、角度、曲线等二维几何特征量

,这些二维几何特征量形成描脸图像在该低维子空间上的投影即作为识别特征。

述该人脸的特征向量

,其维数通常因系统的不同而从

10到 50

不等。这种方法到目前为止仍局限于正面视图

,对非图像平面

内的深度旋转不具有不变性 ,很难扩展到多姿态人脸识别 ,而且

因其丢失掉了许多纹理和结构信息

,对大的人脸库来说其识别

效果也是未知的。对于基于二维特征的方法 ,早期人脸识别用 的比较多

,目前一般作为一种辅助的识别手段。

针对利用二维特征进行人脸识别的缺点 ,人们提出的基于 三维特征的方法

,采用三维识别

[21]与传统的方法最大的区别就 在于

,人脸的信息可以更好的表现和存储 ,例如人脸特征点的深

度信息及点之间的拓扑结构等等。通过更全面的信息 ,可以较

好的解决识别过程中的误识率和虚警率问题 ,同时由于三维人

脸模型具备光照无关性和姿态无关性的特点 ,能够正确反映出

人脸的基本特性

,同时人脸主要的三维拓扑结构不受表情的影

响

,从而形成相对稳定的人脸特征表述。因此基于三维人脸模 型的识别方法可以很好的解决目前在这一领域存在的研究瓶 颈。国外研究者已经开始研究三维的面貌识别系统 ,但研究很

不充分

,并且针对实际应用系统的研究更少。

国外三维人脸识别的典型方法主要是利用深度图像自身的 几何特征

,利用深度图像处理技术 ,分析面貌曲面的曲率等几何

特征

,对面貌曲面进行凹凸区域的分割、正侧面轮廓边缘的提 取。早期三维图像面貌识别的研究有 Lapreste提出的基于轮廓 线的方法

,它是通过对人脸面貌曲率的分析

,提取轮廓线上的特

征点

,利用轮廓线作为特征进行面貌的识别。另外也有人从人 脸面貌深度图像中抽取凸区域 ,这些凸区域形成了特征集 ,计算

出所有凸区域相关的扩展高斯图 ,两幅面貌特征的匹配就是利

用这些扩展高斯图像进行的。不过目前这些研究还只是处于初 级阶段。

目前三维人脸识别算法还很不成熟 ,主要面临如下困难 :

(1)数据获取困难

; (2)海量存储和计算量庞大 ; (3)识别方法不 足等。但是

,由于三维人脸模型对人脸特征相对稳定和全面的 表述

,它对于解决人脸识别这个世界性难题定会有所帮助。 3. 2 基于特征脸 (特征子空间 )的人脸识别算法

特征脸

( Eigenface )这一术语是由 M. A. Turk和 A. P.

Pentland[6 ]提出的

,其思想来源于人们开发的一种用于主成分 (PCA)描述人脸照片的技术 ,该技术用一组图片作为“基底” ,对

应每个人脸照片有一个权向量 ,用该权向量和该“基底”的线性 组合可以重构原图片。 M. A. Turk和

A. P. Pentland[6]受其启发 ,

利用重构权向量作为识别用的特征 ,并找到了合适的

“基底”

,从

而开发出了

Eigenface识别技术。从数学上来说 ,特征脸就是人

通过人脸向量向特征子空间作投影得到的向量称之为主分 量特征

,主分量特征通过证明具有有如下几点性质 :

性质一 主分量特征具有很强的信息压缩能力 ,因为这一

技术最早是用于图像压缩。

性质二 对于任何属于样本空间的人脸模式都有唯一的主 分量特征与之相对应。

性质三 主分量特征具有稳定性。即当输入的人脸模式向 量有微小变化时候

,其对应的主分量特征变化将小于输入模式 的变化。这一点对于模式的分类是非常有利的。

性质四 经过变换矩阵的映射 ,随着空间维数的降低 ,模式

之间的距离也得以缩小

,从而避免了在巨空间中进行分类的复

杂性。这对于人脸图像这样的大数据量的输入来说 ,是非常有 价值的。

从主分量的上述性质 ,不难发现

,利用特征脸的方法进行人

脸识别有其它人脸识别算法不能替代的优势 ,所以在人脸识别

领域

,特征子空间的方法是人们研究的一个热门方向。

3. 3 基于模板匹配 (静态匹配和弹性匹配 )的人脸识

别算法

模板匹配

[5 ,8]方法的思想是

:库中存储着已知人脸的若干模 板

,这些模板即可以是整张人脸的灰度图像 (view

based) ,也可

以是各生理特征区域的灰度图像 ( sub view

based) ,如眼睛模

板、鼻子模板、嘴模板

,还可以选择经过某种变换的人脸图像作

Techniques of Automation & Applications |

. 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

《自动化技术与应用》 2004年第 23卷第

12期综 述

Survey

为模板存储。为了取得光照的不变性 ,有些系统采用经过梯度

滤波后的人脸图像作为模板。识别的时候 ,经过同样变换的输

入图像的所有像素点位置与库中所有模板采用归一化相关度量 进行匹配识别

,来达到分类的目的

,完成人脸的识别。上述为静

态模板匹配

,但是它存在着对不同表情的人脸鲁棒性差的缺点 ,

针对这一情况

,人们提出了弹性模板匹配。

弹性模板匹配是根据待检测人脸特征的先验的形状信息 (通常利用小波特征

),定义一个参数描述的形状模型 ,该模型的

参数反映了对应特征形状的可变部分

,如位置、大小、角度等 ,它

们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地 交互适应来得以修正。由于模板变形利用了特征区域的全局信 息

,因此可以较好地检测出相应的特征形状。由于可变形模板 要采用优化算法在参数空间内进行能量函数极小化 ,因此算法

的主要缺点在于两点

:一、对参数初值的依赖程度高 ,很容易陷 入局部最小

;二、计算时间长。针对这两方面的问题 ,可采用了

一种由粗到细的检测算法

:首先利用人脸器官构造的先验知识、

面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、

嘴、下巴的大致区域和一些关键的特征点 ;然后在此基础上

,给备等都会给人脸检测与识别系统带来很大的影响 ,另外需要建

出了较好的模板的初始参数

,从而可以大幅提高算法的速度和立用于测试的标准数据库等等。 精度。

人脸是塑性变形体 ,与刚体不同

,更适合用弹性模型来描

弹性模板匹配的方法对比特征脸方法有一定的优势 ,它一述。因此

,任何基于刚体特性的特征抽取方法都很难达到满意

般采用小波变换特征来描述人脸的局部信息 ,并和人眼视网膜

对图像的响应相似

,而且一定程度上容忍光线等的干扰

,对细微

的表情不敏感。而且弹性匹配中的人脸模型还考虑了局部人脸 细节

,并保留了人脸的空间分布信息

,它的可变形匹配方式一定

程度上能容忍人脸从三维到二维投影引起的变形。目前国内利 用弹性模板匹配进行识别的还比较少 ,但是从国外众多的关于 弹性匹配的研究结果来看

,它在人脸识别技术中有很重要的地 位。

3. 4 基于人工神经网络的人脸识别算法 作为一种非线性动力学系统 ,神经网络在解决问题的自适

应性和鲁棒性方面表现出极好的特性。很早人们就证明了利用 神经网络进行联想记忆的可行性。 J.L. Perry和

J . M. Carney[19 ]

利用多层感知机设计了一个人脸识别系统。中国科技大学的杨 奕若等采用两种不同功能的神经网络组成模型的人脸识别系 统

,识别系统由压缩网络和识别网络组成 ,输入人脸图像经压缩 网络压缩 (降维

),其隐含层输出再输入识别网络进行识别 ,所实

现的识别系统对未学习的样本识别率达到了 76 %[20]。

通常利用神经网络进行识别需要考虑两方面的因素 : (1)选

择人脸图像的哪些参数作为神经网络的输入 ; (2)选择何种神经 网络。

神经网络的输入策略有两种

:

第一类是将提取到的特征向量作为输入向量。这些特征向

量可以是由几何特征提取的特征向量 ,也可以是全局特征提取

如

KL、KL -FSAT、WT等变换后得到的特征向量。

第二类是将人脸图像像素直接输入神经网络。输入可以是 全局人脸图像

,也可以是经过定位的局部人脸组分图像。

第一种输入策略可以有效的控制神经网络的规模 ,提高神

经网络的运行速度

,但同时对提取特征的要求较高

,提取什么特

征以及提取多少特征才能满足识别的要求很难先验得出。而第 二种输入策略对于特征提取的要求降低 ,并可以根据样本集自 身的群体特性 (方差特征

)来进行特征选择

,但同时带来的问题

是网络的规模扩大而造成收敛的缓慢及不稳定

,计算量太大。

所以将全局的特征提取与人工神经网络结合起来可能会在人脸 识别方面得到比较好的效果。

4 总结与展望

近二十年来

,研究者在人脸检测与识别技术方面取得了许 多成绩

,但是要设计并实现一个健壮的人脸检测识别系统 ,还有

许多问题待于解决

:年龄变化、表情变化、光照变化、不同采集设

的效果。另外

,人脸识别是人类视觉的独特过程

,因此人脸识别

必须结合生理学和心理学的研究成果。最后

,人脸识别的复杂

性使得仅仅单独使用任何一种现有的方法都不可能取得很好的 识别效果。将各种方法有效综合是以后研究的必然趋势 ,如何

与基于其它生物特征的鉴别系统结合以提高识别效率也是一个 有意义的研究方向。

相信随着计算机技术和生物识别技术的发展 ,以及人脸的

检测与识别技术的不断完善 ,在不远的将来

,一套准确而高效的

人脸检测与识别系统就会呈现在我们的面前。

5 参考文献 :

[1] YANG G. , HUANG T -S. Human face detection in complex back2 ground[J]. PatternRecognition1994,27 (1):53-63 [2] 乔宇 ,黄席越 ,柴毅

,基于加权主元分析的人脸识别 [J ].重庆

大学学报 :自然科学版

,2004 ,27 (3) :28 -31

[3] SUNGK-K,POGGIOT. Example-basedlearningforview-based

human face detection[J ] . IEEE Transactions on Pattern Analysis and Machine In2 telligence , 2000 , 20 (1) : 39 -51

[4] SCHNEIDERMAN H. A statistical approach to 3D object detection appliedtofacesandcars[D]. PhDThesis,CMU-RI-TR-00-06,2002

[5 ] SCHNEIDERMAN H , KANADE T. Probabilistic modeling of local

appearance and spatial relationships for object recognition[A]. In: Proc. IEEE Conf. on Computer Vision and Pattern Recognition[C] , Santa Barbara , Califor2 nia , 2000:45 -51 (下转第 15页)

| Techniques of Automation & Applications

. 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

控制理论与应用 《自动化技术与应用》 2004年第 23卷第 12期

Control Theory and Applications

要快于

PID控制。当参考模型和可调对象都达到了工作点时 , 长扰动是不可避免的。可以看出 ,在正弦弧长扰动的情况下 ,

PID控制还处于调节过程

,并且还要经过较长时间的调节。如图

PID控制的输出较之模型参考自适应控制的输出波动的幅度较 3(b, c)所示

,系统达到稳定工作点后 ,存在着正弦弧长扰动和大 ,而在白噪声弧长扰动下

,波动幅度略大于模型参考自适应控

白噪声弧长扰动的情况下的仿真结果。在实际的生产过程中弧制。 图

3 (a) 不存在弧长扰动的结果 图 3 (b) 正弦弧长扰动下的对比 图 3 (c) 白噪声弧长扰动下的对比

(上接第 8页)

[6] MOGHADDAM B , PENTLAND A. Probabilistic visual learning for

object representation [ J ] . IEEE Trans. Pattern Analysis and Machine Intelli2 gence , 1997 , 19 (7) :696 -710 [7] 张洪明 ,赵德斌

,高文

.基于肤色模型、神经网络和人脸结构模 型的平面旋转人脸检测 [J ].计算机学报

,2002 25 (21) :1250 -1256 [8] 刘志镜 ,李夏忠

,武芒

.基于三维模型的多姿态人脸识别 [J ].

西安电子科技大学学报 ,2004 ,31 (2) :208 -222

[9] JAINA-K,ZHONGY. Dubuission-JollyM-P. Deformabletem2

plate models[J ] . A review. Signal Processing , 1998 , 71 (2) : 109 -129 [10 ] 李军锋 ,姜翌明

.具有真实感的虚拟人脸合成 [J ].西安电子 科技大学学报

,2003 ,30 (4) :525 -529

[11 ] SIR FRANCIS GALTON. Personal identification and description -1 [J]. Nature. 1998 (21) :173-177

[12 ] T. KANADE. Picture Processing by computer complex and recogni2 tionof humanfaces[D].Dept.Inform.Sci,Univof Kyoto,Tech,Rep,1993. [13 ] 孙大瑞 ,吴乐南

.基于分线性特征提取和 SVM的人脸识别算

法[J ].电子与信息学报 ,2004 ,26 (2) :307 -311

[ 14 ] HICHEM SAHBI,NOZHA BOUJEMAA. Robust matching by dy2 从以上仿真结果来看,采用了分段线性化的模型参考自适 应控制比PID控制效果要好,减少了由于扰动造成的系统输出 的变化,提高了抗干扰能力,这在实际工程上是非常有意义的, 在实际的电弧炉系统中,减少了系统输出的变化就意味着减少 了电流波动对电网的冲击。 5 结束语

以上讨论了一类非线性系统的分段线性化自适应控制稳定

性问题。并且以一个实际的电弧炉电极调节系统的自适应控制 仿真展现了分段线性化处理某类单输入单输出静态非线性的优 点。仿真结果表明较之传统的PID控制,自适应控制有更快的 跟踪性能,抗扰动能力增强。分段线性化方法对于非线性系统 的控制,提供了一种思路和实际可操作的处理方法。 6 参考文献:

[1 ] 李清泉.自适应控制系统理论、设计与应用[M] .北京;科学出 版社,1990

[2 ] 周东华.非线性系统的自适应控制导论[ M] .北京;清华大学 出版社,施普林格出版社,2002

[3 ] 朗道ID.自适应控制———模型参考方法[M] .吴百凡译,北京: 国防工业出版社,1985

[4 ] 刘小河,张军英.一类非线性系统模型参考自适应控制的分段

线性化方法[J ] .西安电子科技大学学报,1998 ,25 (4) :500 -506 [5 ] 刘小河.一类自治网络的全局稳定性及其应用[J ] .应用科学 学报,1996 ,14 (1) :41 -47

[6 ] 刘小河,崔杜武.一类非线性系统的自适应模型跟随控制[ A] . 第二届全球华人智能控制与智能自动化大会论文集[ C] .西安:西安交通 大学出版社, 1997 ,1578 -1581

[7 ] 刘小河,刘康平,张成乾.电弧炉电极调节系统自适应控制的 仿真研究[J ] .电子技术学报,1992. 2 , 14 (1) : 17 -22

[8 ] 马知恩.常微分方程定性与稳定性方法[ M] .北京:科学出版 社,2001

[9 ] 廖晓昕.稳定性的数学理论及应用[ M] .武汉:华中师范大学 出版社,2001

作者简介:刘小河(1955 -) ,男,河南沁阳人,教授,研究方向为非线性系统控 制与智能控制方向。

namicwrapingforaccuratefacerecognition[A].Proceedingsof IEEE[C].2002, 1 ,1010 -1013

[15 ] 吴洪森 ,王宏伟

,王申康

.基于特征区域分析的人脸自动识别 应用研究

[J ].中国人民公安大学学报 ,2004 ,10 (1) :65 -68 [16 ] 耿国华 ,舒新峰 ,刘成武

.基于人脸三维几何特征的识别方法

[A].第三届中国生物识别学术会议学术报告 [ C] ,2002 [17 ] 赵海涛 ,於东军 ,杨健 ,杨静宇

.基于特征融合的人脸自动识

别[A].第三届中国生物识别学术会议学术报告 [ C] ,2002

[18 ] Y. KAYA and K. KOBAYASHI. A basic study on human face recog2 nition[J]. FrontiersofPatternRecognitioncs.Watanabe,Ed,2000:265-269 [19 ] 汪宁 ,丁晓青

.结合整体与局部信息的人脸识别方法 [J ].计 算机工程

,2004 ,30 (5) :154 -156 [20 ] 杨奕若 ,王煦法

.人脸全局特征识别研究 [J ].小型微型计算

机系统

,1999 ,18 (11) :221 -225 [21 ] 周明全

.三维面貌的检测与标定 [A].第三届中国生物识别学 术会议学术 [C] ,2002 作者简介 :王科俊 (1962-) ,男 ,吉林人 ,博士 ,教授

,博士生导师

,哈尔滨工程

大学模式识别教研室主任

,从事模式识别及控制理论的研究。

Techniques of Automation & Applications | 15

. 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

本文来源：https://www.bwwdw.com/article/bqvw.html