472 智能系统学报 第4卷 水平转动角、俯仰角、倾斜角)之内变化时，大部分 2人脸识别算法 人脸识别算法都能达到较高识别率，而对于大角度 变化的人脸图像，其识别率却大幅度下降.光照问题 文献[2]提出了PCA人脸识别方法，在人脸识 也对人脸识别性能带来重大影响，在研制成功的二 别中具有指导意义.在这些有益的研究成果基础之 代证实名身份认证系统（如图2所示）中，为了获取 上，构造了特征脸、特征眼眉、特征眼睛、特征鼻子、 更好的人脸图像质量，做了多方面的考虑.系统配置 特征嘴巴并根据各自重要性的程度进行特征融合， 了2台摄像机以适应不同身高；为了使被识别者更 由此形成了基于组合部件PCA的多模式人脸识别 好地配合，在被识别者面前安装了液晶显示器，以吸 方法(MMP-PCA)[3] 引被识别者看摄像机并知道自己的姿态是否端正； 通过人脸定位，从整个人脸中自动提取出如图 在摄像机四周安有日光灯，以便获得较好的光照；将 4所示的裸脸、眼+眉、眼、鼻、嘴5种部件.其中，以 二代身份证验证机安装在胸前，便于拍摄到被识别 眼球为中心，对人脸进行了裁剪，并依据颌下点进行 者的正面图像（避免低头）.这是针对主动人脸识别 了三次曲线的切割，由此形成了不含头发和背景的 的设计，另一种针对被动识别中多姿态问题的摄像 裸脸 机布局图如图3所示.当被识别人的水平转动角在 ±45°之间变化时，图3所示的多摄像机布局可以获 得接近水平转动角±15°的识别效果. 图4人脸部件划分 Fig.4 Partition of facial parts 从训练集人脸中分离出裸脸、眼睛+眉毛、眼 睛、鼻子、嘴巴，分别采用PCA方法形成特征脸、特 征（眼睛+眉毛）、特征眼睛、特征鼻子、特征嘴巴. 已知人脸的裸脸、眼睛+眉毛、眼睛、鼻子、嘴巴的投 影特征向量可通过式(1)求得： 图2二代证实名身份认证系统 Fig.2 Face authentication system using the second genera- B:=ui x qi, i=1,2,…,5.(1) tion identity card of Chinese 式中：：分别为已知人脸的裸脸、眼睛+眉毛、眼睛、 摄像机2 鼻子、嘴巴图像，分别为从训练集人脸中得到的特征 摄像机1 摄像机3 脸、特征（眼睛+眉毛）、特征眼睛、特征鼻子、特征 嘴巴 在人脸识别的过程，利用式(1)计算待识别人 30 30 脸的投影特征向量，再与数据库中存储人脸的投影 进 退出 特征向量进行相似度计算.对裸脸、眼睛+眉毛、眼 睛、鼻子、嘴巴5种人脸部件进行不同组合的识别. Daugman④率先在计算机视觉中引入二维Ga- 人员通行方向 bor小波表示法，Gabor滤波器能够捕捉对应于空间 频率（尺度）、空间位置以及方向的选择性局部结构 监控通道 信息，近年来人脸识别也广泛应用Gbor技术.在 MMP-PCA的基础上引入了Gabor技术，由此形成了 GGMMP-PCA人脸识别算法[51(Gabor&Gray multi- 图33摄像机的监视人脸识别示意图 modal part face recognition method based on principal Fig.3 Face monitoring using three video cameras component analysis). 二维Gabor函数[6的公式表述如下：