基于二维几何特征与深度特征的人脸识别技术研究

人脸识别一般可分为识别及验证等两种应用场景。早期的人脸识别输入数据，大多是通过二维灰图像实现，同时，一些方法也引入了立体视觉系统来获取三维信息进行识别。由于受到使用环境上的诸多限制，如二维脸部数据较易受到环境光源、脸部方位、及化妆等影响而造成准确性降低，而三维人脸识别信息虽可克服上述缺点，但仍有高运算量及易受脸部表情影响等限制。因此，结合二维与三维的优点，本文实现一个实用且稳定的人脸识别技术，本文通过对目前该领域的研究，作一详细的介绍与比较，相信能对建基于多维信息的现代人脸识别系统的发展有所帮助。

人脸识别为图形识别领域内，已研究多年的题目。因为它为人类个体最重要的个人特征，所以很直觉地可以作为身份识别的基础，进而开发出众多的应用。例如以人脸识别为基础的门禁系统，即为一显而易见的应用例子。然而，稳定又高效率的人脸识别，事实上为一个相当困难的技术。数十年来，各方学者已持续提出各类的方法及见解。这些众多的方法各有特色，但也各有优缺点及适用范围，因此，有必要作一整理及分析，以对后续研究有所指引与帮助。

人脸识别一般而言可分为识别及验证等两种应用情境。早期的人脸识别输入数据，大多是通过二维灰阶或彩色图像。同时，有一部分的学者亦引入立体视觉系统作为人脸识别的数据输入。近年来，随着传感器的进步与发展，越来越多的深度测量仪器被用来取得三维的脸部信息，并作为人脸识别的数据输入。一般而言，二维脸部数据较易受到环境光源、脸部方位、及彩妆等影响而造成准确性下滑，因此常受到使用环境上的诸多限制。而三维数据虽可克服上述缺点，但仍有高运算量及易受脸部表情影响等限制。因此，结合两者的优点，以实现一个实用且稳定的人脸识别技术，为目前一个引起高度研究兴趣的新课题。

2. 人脸识别技术原理分析 近年来，随着计算机技术的迅速发展，人脸自动识别技术得到广泛研究与开发，人脸识别成为近30年里模式识别和图像处理中最热门的研究主题之一。人脸识别的目的是从人脸图像中抽取人的个性化特征，并以此来识别人的身份。人脸识别主要分为人脸检测、特征提取和人脸图像匹配与识别。

人脸检测：这是指从输入图像中检测并提取人脸图像， 通常采用haar 特征和Adaboost 算法训练级联