阿里人臉識別的歷史發(fā)展
發(fā)布日期：2021-07-27
歷史瀏覽：19549次
作者：**管理員
**階段（1950s—1980s）初級階段：
人臉識別被當作一個一般性的模式識別問題，主流技術基于人臉的幾何結構特征。這集中體現(xiàn)在人們對于剪影（Profile）的研究上，人們對面部剪影曲線的結構特征提取與分析方面進行了大量研究。人工神經(jīng)網(wǎng)絡也一度曾經(jīng)被研究人員用于人臉識別問題中。較早從事 AFR 研究的研究人員除了布萊索（Bledsoe）外還有戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等。總體而言，這一階段是人臉識別研究的初級階段，非常重要的成果不是很多，也基本沒有獲得實際應用。
**階段（1990s）高潮階段：
這一階段盡管時間相對短暫，但人臉識別卻發(fā)展迅速，不但出現(xiàn)了很多經(jīng)典的方法，例如Eigen Face, Fisher Face和彈性圖匹配；并出現(xiàn)了若干商業(yè)化運作的人臉識別系統(tǒng)，比如*為**的 Visionics（現(xiàn)為 Identix）的 FaceIt 系統(tǒng)。 從技術方案上看， 2D人臉圖像線性子空間判別分析、統(tǒng)計表觀模型、統(tǒng)計模式識別方法是這一階段內的主流技術。
第三階段（1990s末~現(xiàn)在）
人臉識別的研究不斷深入，研究者開始關注面向真實條件的人臉識別問題，主要包括以下四個方面的研究：1）提出不同的人臉空間模型，包括以線性判別分析為代表的線性建模方法，以Kernel方法為代表的非線性建模方法和基于3D信息的3D人臉識別方法。2）深入分析和研究影響人臉識別的因素，包括光照不變人臉識別、姿態(tài)不變人臉識別和表情不變人臉識別等。3）利用新的特征表示，包括局部描述子（Gabor Face, LBP Face等）和深度學習方法。4）利用新的數(shù)據(jù)源，例如基于視頻的人臉識別和基于素描、近紅外圖像的人臉識別。
