人脸识别技术可以应用于基于网络的身份认证,我们实现了基于WebCam的人脸识别与跟踪系统。本文以WebCam采集的视频流为数据源,截取视频流中的单帧图像,通过转换彩色空间、人脸肤色建模、后处理操作和人脸定位算法实现了人脸检测,并以此为基础实现了在视频流中对于人脸的跟踪。试验结果表明,我们所实现的人脸识别算法适用于近距离人脸的检测,可以应用于基于WebCam的身份认证。

2 关键词

人脸识别,人脸检测,肤色,定位,视频流

3 Abstract

Face recognition can be applied to identity authentication on Internet, now we have realized face recognition and tracking …………………………..

4 1人脸检测的意义,国内外的情况综述

基于视频流的人脸分析是目前计算机模式识别和图形图像领域中的研究热点,其目的是在视频中自动检测、定位、跟踪和识别人脸。该技术能广泛应用于基于内容的图像检索、视频编码、生物认证、计算机安全、电子商务等领域。虽然已经有很多人脸检测和识别算法,但至今仍有大量的研究者在研究这项技术,这是因为人脸是一个动态的目标,在表达形式上有高度的可变性,导致该项技术仍然是机器视觉中的难点。

基于WebCam（Internet上的摄像头）的人脸检测和跟踪技术是将人脸分析技术与基于Internet的视频流相结合的一项技术,可以应用于在Internet上的身份认证和安全。目前已经有大量的生物认证技术（如指纹识别,虹膜识别,人脸识别）应用于身份认证,用于加强传统身份认证技术（如口令）。但是这些技术均只能用于本机操作,而不能用于Internet上身份的验证。例如,我系计算机教育与应用研究所开发出了基于B/S模式的考试系统,从理论上说可以实现在Internet上的考试。然而,由于不能解决在Internet上的身份认证,该系统目前只能适用于在局域网中进行在线测试。可以设想,如果有了基于WebCam的人脸检测和跟踪技术,我们就可以在此基础上实现考试过程中的身份认证和考试监控。

基于WebCam（Internet上的摄像头）的人脸检测和跟踪技术的核心是人脸分析。人脸分析的任务包括人脸检测,人脸识别和人脸跟踪。人脸检测是许多后期应用的预处理过程。有许多方法可以用于人脸检测,这些方法可以分成四大类：

（1）基于知识（Knowledge-based）的方法,是基于规则的方法,试图对人脸特征在直觉上建模。

（2）基于特征不变性（Feature invariant）的方法,是利用特征的不变性进行检测,如比例、方位、灰度级和肤色等）。

（3）模板匹配（Template matching）的方法,通过手工定义人脸的模板,或者是脸部特征,来与输入图像进行匹配。

（4）基于外貌（Appearance-based）的方法,通过机器学习的方法找到人脸中的相关特征。