人體行為識別演算法發展歷程

1. 人臉識別的發展歷史是怎樣的

人臉識別是一個被廣泛研究著的熱門問題，大量的研究論文層出不窮，在一定程度上有泛濫成「災」之嫌。為了更好地對人臉識別研究的歷史和現狀進行介紹，本文將AFR的研究歷史按照研究內容、技術方法等方面的特點大體劃分為三個時間階段，如表1所示。該表格概括了人臉識別研究的發展簡史及其每個歷史階段代表性的研究工作及其技術特點。下面對三個階段的研究進展情況作簡單介紹：

第一階段(1964年~1990年)

這一階段人臉識別通常只是作為一個一般性的模式識別問題來研究，所採用的主要技術方案是基於人臉幾何結構特徵(Geometricfeature based)的方法。這集中體現在人們對於剪影(Profile)的研究上，人們對面部剪影曲線的結構特徵提取與分析方面進行了大量研究。人工神經網路也一度曾經被研究人員用於人臉識別問題中。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。金出武雄於1973年在京都大學完成了第一篇AFR方面的博士論文，直到現在，作為卡內基-梅隆大學(CMU)機器人研究院的一名教授，仍然是人臉識別領域的活躍人物之一。他所在的研究組也是人臉識別領域的一支重要力量。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。

第二階段(1991年~1997年)

這一階段盡管時間相對短暫，但卻是人臉識別研究的高潮期，可謂碩果累累：不但誕生了若干代表性的人臉識別演算法，美國軍方還組織了著名的FERET人臉識別演算法測試，並出現了若干商業化運作的人臉識別系統，比如最為著名的Visionics(現為Identix)的FaceIt系統。

美國麻省理工學院(MIT)媒體實驗室的特克(Turk)和潘特蘭德(Pentland)提出的「特徵臉」方法無疑是這一時期內最負盛名的人臉識別方法。其後的很多人臉識別技術都或多或少與特徵臉有關系，現在特徵臉已經與歸一化的協相關量(NormalizedCorrelation)方法一道成為人臉識別的性能測試基準演算法。

這一時期的另一個重要工作是麻省理工學院人工智慧實驗室的布魯內里(Brunelli)和波基奧(Poggio)於1992年左右做的一個對比實驗，他們對比了基於結構特徵的方法與基於模板匹配的方法的識別性能，並給出了一個比較確定的結論：模板匹配的方法優於基於特徵的方法。這一導向性的結論與特徵臉共同作用，基本中止了純粹的基於結構特徵的人臉識別方法研究，並在很大程度上促進了基於表觀(Appearance-based)的線性子空間建模和基於統計模式識別技術的人臉識別方法的發展，使其逐漸成為主流的人臉識別技術。

貝爾胡米爾(Belhumeur)等提出的Fisherface人臉識別方法是這一時期的另一重要成果。該方法首先採用主成分分析(PrincipalComponent Analysis，PCA，亦即特徵臉)對圖像表觀特徵進行降維。在此基礎上，採用線性判別分析(LinearDiscriminant Analysis, LDA)的方法變換降維後的主成分以期獲得「盡量大的類間散度和盡量小的類內散度」。該方法目前仍然是主流的人臉識別方法之一，產生了很多不同的變種，比如零空間法、子空間判別模型、增強判別模型、直接的LDA判別方法以及近期的一些基於核學習的改進策略。

麻省理工學院的馬哈丹(Moghaddam)則在特徵臉的基礎上，提出了基於雙子空間進行貝葉斯概率估計的人臉識別方法。該方法通過「作差法」，將兩幅人臉圖像對的相似度計算問題轉換為一個兩類(類內差和類間差)分類問題，類內差和類間差數據都要首先通過主成分分析(PCA)技術進行降維，計算兩個類別的類條件概率密度，最後通過貝葉斯決策(最大似然或者最大後驗概率)的方法來進行人臉識別。

人臉識別中的另一種重要方法——彈性圖匹配技術(Elastic GraphMatching，EGM) 也是在這一階段提出的。其基本思想是用一個屬性圖來描述人臉：屬性圖的頂點代表面部關鍵特徵點，其屬性為相應特徵點處的多解析度、多方向局部特徵——Gabor變換[12]特徵，稱為Jet;邊的屬性則為不同特徵點之間的幾何關系。對任意輸入人臉圖像，彈性圖匹配通過一種優化搜索策略來定位預先定義的若乾麵部關鍵特徵點，同時提取它們的Jet特徵，得到輸入圖像的屬性圖。最後通過計算其與已知人臉屬性圖的相似度來完成識別過程。該方法的優點是既保留了面部的全局結構特徵，也對人臉的關鍵局部特徵進行了建模。近來還出現了一些對該方法的擴展。

局部特徵分析技術是由洛克菲勒大學(RockefellerUniversity)的艾提克(Atick)等人提出的。LFA在本質上是一種基於統計的低維對象描述方法，與只能提取全局特徵而且不能保留局部拓撲結構的PCA相比，LFA在全局PCA描述的基礎上提取的特徵是局部的，並能夠同時保留全局拓撲信息，從而具有更佳的描述和判別能力。LFA技術已商業化為著名的FaceIt系統，因此後期沒有發表新的學術進展。

由美國國防部反毒品技術發展計劃辦公室資助的FERET項目無疑是該階段內的一個至關重要的事件。FERET項目的目標是要開發能夠為安全、情報和執法部門使用的AFR技術。該項目包括三部分內容：資助若干項人臉識別研究、創建FERET人臉圖像資料庫、組織FERET人臉識別性能評測。該項目分別於1994年，1995年和1996年組織了3次人臉識別評測，幾種最知名的人臉識別演算法都參加了測試，極大地促進了這些演算法的改進和實用化。該測試的另一個重要貢獻是給出了人臉識別的進一步發展方向：光照、姿態等非理想採集條件下的人臉識別問題逐漸成為熱點的研究方向。

柔性模型(Flexible Models)——包括主動形狀模型(ASM)和主動表觀模型(AAM)是這一時期內在人臉建模方面的一個重要貢獻。ASM/AAM將人臉描述為2D形狀和紋理兩個分離的部分，分別用統計的方法進行建模(PCA)，然後再進一步通過PCA將二者融合起來對人臉進行統計建模。柔性模型具有良好的人臉合成能力，可以採用基於合成的圖像分析技術來對人臉圖像進行特徵提取與建模。柔性模型目前已被廣泛用於人臉特徵對准(FaceAlignment)和識別中，並出現了很多的改進模型。

總體而言，這一階段的人臉識別技術發展非常迅速，所提出的演算法在較理想圖像採集條件、對象配合、中小規模正面人臉資料庫上達到了非常好的性能，也因此出現了若干知名的人臉識別商業公司。從技術方案上看， 2D人臉圖像線性子空間判別分析、統計表觀模型、統計模式識別方法是這一階段內的主流技術。

第三階段(1998年~現在)

FERET』96人臉識別演算法評估表明：主流的人臉識別技術對光照、姿態等由於非理想採集條件或者對象不配合造成的變化魯棒性比較差。因此，光照、姿態問題逐漸成為研究熱點。與此同時，人臉識別的商業系統進一步發展。為此，美國軍方在FERET測試的基礎上分別於2000年和2002年組織了兩次商業系統評測。

基奧蓋蒂斯(Georghiades)等人提出的基於光照錐 (Illumination Cones) 模型的多姿態、多光照條件人臉識別方法是這一時期的重要成果之一，他們證明了一個重要結論：同一人臉在同一視角、不同光照條件下的所有圖像在圖像空間中形成一個凸錐——即光照錐。為了能夠從少量未知光照條件的人臉圖像中計算光照錐，他們還對傳統的光度立體視覺方法進行了擴展，能夠在朗博模型、凸表面和遠點光源假設條件下，根據未知光照條件的7幅同一視點圖像恢復物體的3D形狀和表面點的表面反射系數(傳統光度立體視覺能夠根據給定的3幅已知光照條件的圖像恢復物體表面的法向量方向)，從而可以容易地合成該視角下任意光照條件的圖像，完成光照錐的計算。識別則通過計算輸入圖像到每個光照錐的距離來完成。

以支持向量機為代表的統計學習理論也在這一時期內被應用到了人臉識別與確認中來。支持向量機是一個兩類分類器，而人臉識別則是一個多類問題。通常有三種策略解決這個問題，即：類內差/類間差法、一對多法(one-to-rest)和一對一法(one-to-one)。

布蘭茲(Blanz)和維特(Vetter)等提出的基於3D變形(3D Morphable Model)模型的多姿態、多光照條件人臉圖像分析與識別方法是這一階段內一項開創性的工作。該方法在本質上屬於基於合成的分析技術，其主要貢獻在於它在3D形狀和紋理統計變形模型(類似於2D時候的AAM)的基礎上，同時還採用圖形學模擬的方法對圖像採集過程的透視投影和光照模型參數進行建模，從而可以使得人臉形狀和紋理等人臉內部屬性與攝像機配置、光照情況等外部參數完全分開，更加有利於人臉圖像的分析與識別。Blanz的實驗表明，該方法在CMU-PIE(多姿態、光照和表情)人臉庫和FERET多姿態人臉庫上都達到了相當高的識別率，證明了該方法的有效性。

2001年的國際計算機視覺大會(ICCV)上，康柏研究院的研究員維奧拉(Viola)和瓊斯(Jones)展示了他們的一個基於簡單矩形特徵和AdaBoost的實時人臉檢測系統，在CIF格式上檢測准正面人臉的速度達到了每秒15幀以上。該方法的主要貢獻包括：1)用可以快速計算的簡單矩形特徵作為人臉圖像特徵;2)基於AdaBoost將大量弱分類器進行組合形成強分類器的學習方法;3)採用了級聯(Cascade)技術提高檢測速度。目前，基於這種人臉/非人臉學習的策略已經能夠實現准實時的多姿態人臉檢測與跟蹤。這為後端的人臉識別提供了良好的基礎。

沙蘇哈(Shashua)等於2001年提出了一種基於商圖像[13]的人臉圖像識別與繪制技術。該技術是一種基於特定對象類圖像集合學習的繪制技術，能夠根據訓練集合中的少量不同光照的圖像，合成任意輸入人臉圖像在各種光照條件下的合成圖像。基於此，沙蘇哈等還給出了對各種光照條件不變的人臉簽名(Signature)圖像的定義，可以用於光照不變的人臉識別，實驗表明了其有效性。

巴斯里(Basri)和雅各布(Jacobs)則利用球面諧波(Spherical Harmonics)表示光照、用卷積過程描述朗博反射的方法解析地證明了一個重要的結論：由任意遠點光源獲得的所有朗博反射函數的集合形成一個線性子空間。這意味著一個凸的朗博表面物體在各種光照條件下的圖像集合可以用一個低維的線性子空間來近似。這不僅與先前的光照統計建模方法的經驗實驗結果相吻合，更進一步從理論上促進了線性子空間對象識別方法的發展。而且，這使得用凸優化方法來強制光照函數非負成為可能，為光照問題的解決提供了重要思路。

FERET項目之後，涌現了若幹人臉識別商業系統。美國國防部有關部門進一步組織了針對人臉識別商業系統的評測FRVT，至今已經舉辦了兩次：FRVT2000和FRVT2002。這兩次測試一方面對知名的人臉識別系統進行了性能比較，例如FRVT2002測試就表明Cognitec, Identix和Eyematic三個商業產品遙遙領先於其他系統，而它們之間的差別不大。另一方面則全面總結了人臉識別技術發展的現狀：較理想條件下(正面簽證照)，針對37437人121,589 幅圖像的人臉識別(Identification)最高首選識別率為73%，人臉驗證(Verification)的等錯誤率(EER[14])大約為6%。FRVT測試的另一個重要貢獻是還進一步指出了目前的人臉識別演算法亟待解決的若干問題。例如，FRVT2002測試就表明：目前的人臉識別商業系統的性能仍然對於室內外光照變化、姿態、時間跨度等變化條件非常敏感，大規模人臉庫上的有效識別問題也很嚴重，這些問題都仍然需要進一步的努力。

總體而言，目前非理想成像條件下(尤其是光照和姿態)、對象不配合、大規模人臉資料庫上的人臉識別問題逐漸成為研究的熱點問題。而非線性建模方法、統計學習理論、基於Boosting[15]的學習技術、基於3D模型的人臉建模與識別方法等逐漸成為備受重視的技術發展趨勢。

總而言之， 人臉識別是一項既有科學研究價值，又有廣泛應用前景的研究課題。國際上大量研究人員幾十年的研究取得了豐碩的研究成果，自動人臉識別技術已經在某些限定條件下得到了成功應用。這些成果更加深了我們對於自動人臉識別這個問題的理解，尤其是對其挑戰性的認識。盡管在海量人臉數據比對速度甚至精度方面，現有的自動人臉識別系統可能已經超過了人類，但對於復雜變化條件下的一般人臉識別問題，自動人臉識別系統的魯棒性和准確度還遠不及人類。這種差距產生的本質原因現在還不得而知，畢竟我們對於人類自身的視覺系統的認識還十分膚淺。但從模式識別和計算機視覺等學科的角度判斷，這既可能意味著我們尚未找到對面部信息進行合理采樣的有效感測器(考慮單目攝像機與人類雙眼系統的差別)，更可能意味著我們採用了不合適的人臉建模方法(人臉的內部表示問題)，還有可能意味著我們並沒有認識到自動人臉識別技術所能夠達到的極限精度。但無論如何，賦予計算設備與人類似的人臉識別能力是眾多該領域研究人員的夢想。相信隨著研究的繼續深入，我們的認識應該能夠更加准確地逼近這些問題的正確答案。

2. 誰能提供一些計算機智能人體運動識別 運動歷史圖MHI 方面的中文資料

計算機視覺又稱之為圖像理解和圖像分析, 是當今世界上最為活躍也是最有爭議的學科之一。IEEE 1988 年8 月的會刊組織了計算機視覺專輯, 在其引言中, 定義計算機視覺為用任何辦法對2D 數據作出理解。計算機視覺已有40 多年的研究歷史，幾十年的研究工作雖然出現了為數不少的專用計算機視覺系統，例如游泳運動員訓練系統，為探索火星研製的探索漫步機器人，自動空間操作器和戰釜式巡航導彈等。在理論研究方面也有了一些范型，積累了一些方法和工具。但計算機視覺同時是一門交叉性很強的學科，不僅涉及計算機、數學、光學、最優控制、神經生理學、神經心理學和臨床病理學等自然學科，還涉及哲學、認知心理學以至美學等社會科學，研究工作碰到了相當多的問題，所以目前為止還沒有出現完全類似人類視覺的通用方法。然而隨著摩爾定律的預測，互聯網帶寬的提高與計算機處理能力的極大增強，這樣原來一些在運算性能有問題的方法在新的環境下可以重新衡量，原來一些處理能力不能達到要求的方法也可以重新評估，這就給計算機視覺帶來新的生命力了。

人作為人類社會活動的主題，研究人的行為並且可以解釋人的行為是一件很重要的事情，自然可以通過計算機來學習人類本身來觀察解釋人的行為也是一件令人興奮的事情，因為它的推動會對社會生產、勞動產生積極的促進作用，其中視頻本身由於其包含海量的信息而在多媒體中佔有非常重要的地位,而基於視頻的人體運動分析正是通過計算機來學習解釋人的行為的一個且入點，所以這個課題開始吸引大批的專家學者或是計算機視覺愛好者的注意力，這一個研究領域應用是非常更廣泛的，可以用在在智能監控、人體運動分析、高級人機介面技術、虛擬現實技術，基於模型的圖像編碼技術。所以也有越來越多的科研人員投入其中。

人體運動分析指的是運用某種手段跟蹤,捕捉人體的運動，獲得人體的運動參數並從運動中重建人體的結構和姿態。其最終目的是達到對人體運動的理解並加以應用。人體運動分析的首要任務和基本問題是獲取人體的運動參數，而運動參數的獲取有多種方法。如採用專用的機械裝置或電子裝置等。而本文中所提及的人體運動分析都是指利用視頻信息來對人體運動進行獲取、處理、分析，在後續章節中所論述的人體運動分析如不加特別指明，都指的是這種方式，而本文主要研究從單目視頻中，跟蹤人體的運動，提取人體的運動參數，從而進行人體運動分析。就廣義而言，人體運動分析的研究對象既可以是以人臉、唇、手勢等為代表的較小尺度的局部人體運動;也可以是手臂、腿部或全身等人尺度的全身或肢體運動。前者，例如在人臉識別中，通過對人臉的運動分析，跟蹤人臉在空間姿態和位置，可以定位人臉，從而為進一步的人臉識別做基礎。而在唇讀分析領域上，通過對唇的運動分析，可以對語言進行識別或進行相應的輔助識別動作。在手勢識別方面，通過分析手指間的相互空間關系，可以獲得豐富的信息，達到理解手勢的目的。在對後者全身性的運動分析上，可以跟蹤人體的全身或肢體運動，識別人體運動的類別，獲取人體運動的參數，並在此基礎上理解人的人體運動及相關行為方式。本文的主要研究對象是包括四肢運動在內的人的全身和肢體運動。

從應用領域的分類來講，可以將人體運動分析的應用分成如下幾個領域：

①智能監控

這里所指的「智能」包含兩個方面的含義。一種「智能」是指系統能夠在一定的場景中檢測是否有人的出現(如通過檢測人臉的方法)防止只是簡單的通過運動目標檢測所造成的錯誤報警(例如因為動物活動或者刮風搖動樹枝等等而造成誤報)。另外一種「智能」是指系統能夠監視一定場所中人的活動，並對其行為進行分析和識別，跟蹤可疑行為(如經常在重要地點徘徊等等行為)從而採取相應的報警措施。通常把報警系統設置於銀行、機場、車站、碼頭、超市、辦公大樓、住宅小區等地，以實現對這些場所的智能監控。

②虛擬現實

跟蹤現實世界人的姿態，從而創建一個虛擬的模擬場景，實現人與這個虛擬世界的交互。該領域的具體應用涉及視頻游戲、虛擬攝影棚、計算機動畫等方面。

③高級用戶介面

指可以通過對用戶手勢的識別來代替傳統的滑鼠和鍵盤輸入，從而實現人與計算機之間的智能交互。此外，通過對手勢語言的理解，還可以進行聾人與計算機之間的手語交流。

④運動分析

人體運動分析可以運用於基於內容的視頻檢索領域。例如可以檢索在運動會上單杠比賽中運動員的杠上動作。這樣可以節省用戶大量的查詢視頻資料的時間和精力。另外一種應用是用於各種體育項目中，提取運動員的各項技術參數(如關節位置、角度和角速度，等等)，通過分析這些信息，可以為運動員的訓練提供指導和建議，有助於提高運動員的訓練水平。此外，還可以用於體育舞蹈動作的分析，以及臨床矯形術的研究等領域。

⑤基於模型的視頻編碼

通過提取一定的靜態場景中人物的形態特徵參數和3D姿態參數，以較低的數據量對視頻數據流加以描述，實現視頻數據的壓縮和低比特率傳送。可以用於在網際網路上展開遠程視頻會議以及VOD（Video-On-Demand）視頻點播。

總之，人體運動跟蹤的研究已涉及到計算機視覺、模式識別、視頻圖像處理等方面的理論問題和實際應用問題，對人體這一帶有關節旋轉運動的非剛體目標的跟蹤與分析將會促進這些領域在理論上產生新的處理方法，並將對諸多應用領域產生潛在的影響。

3. 人臉識別的發展歷程是什麼

【人臉識別發展歷史】

人臉識別系統的研究始於20世紀60年代，在90年後期，並且以美國、德國和日本的技術實現為主。在中國的發展起步於上世紀九十年代末，「人臉識別系統」集成了人工智慧、機器識別、機器學習、模型理論、專家系統、視頻圖像處理等多種專業技術，經歷了技術引進-專業市場導入-技術完善-技術應用-各行業領域使用等五個階段。

其核心技術的實現，是生物特徵識別的最新應用，其核心技術的實現，展現了弱人工智慧向強人工智慧的轉化。

人臉識別與其他生物識別的對比

【臉識別技術特點】

第一：三維人臉識別技術是發展主流

二維人臉識別系統在人臉左右偏轉達到40度識別率迅速下降到50%以下，從人臉識別技術發展過程來看，未來三維人臉識別是人臉識別主要技術手段。二維人臉識別只是人臉識別發展的過渡階段。實驗結果顯示，而採用三維人臉識別後，識別率可以提高至少10-20個百分點。

第二：人臉識別技術具有非侵犯性

不同的生物識別技術在細分技術上各具優勢，人臉識別是生物特徵識別技術的一個重要方向，人臉識別技術是非接觸和不需要主動接受的，具有非侵犯性。

此外，圖像採集可以由安防中的攝像頭完成，人們對這種技術的排斥心理最小，因此人臉識別技術是一種最友好的生物特徵識別技術，不需要重新再布置新的採集設備。

希望本篇回答可以幫助到你~

望採納~

4. 「人體行為識別有哪些演算法」詳細資料 可否傳給我 銘感五內 萬分感激！

人體行為識別前已有的方法主要分為三大類：基於模板的方法，基於概率統計的方法和基於語義的方法。
模板匹配是一種較早用在人體運動識別上的方法,將運動圖像序列轉化為一個或一組靜態的模板，通過將待識別樣本的模板與已知的模板進行匹配獲得識別結果。在行為識別中，基於模板匹配的演算法可以分為幀對幀匹配方法和融合匹配方法。主要方法有：運動能量圖像（MEI）和運動歷史圖像（MHI），基於輪廓的平均運動形狀（MMS）和基於運動前景的平均運動能量（AME）等。
概率統計方法進行運動識別是把運動的每一種靜態姿勢定義為一個狀態或者一個狀態的集合，通過網路的方式將這些狀態連接起來，狀態和狀態之間的切換採用概率來描述。主要有隱馬爾科夫模型HMM， 最大熵馬爾科夫模型（MEMM），條件隨機場（CRF）等。

5. 人體行為識別有哪些演算法

人體行為識別前已有的方法主要分為三大類：基於模板的方法，基於概率統計的方法和基於語義的方法。
模板匹配是一種較早用在人體運動識別上的方法,將運動圖像序列轉化為一個或一組靜態的模板，通過將待識別樣本的模板與已知的模板進行匹配獲得識別結果。在行為識別中，基於模板匹配的演算法可以分為幀對幀匹配方法和融合匹配方法。主要方法有：運動能量圖像（MEI）和運動歷史圖像（MHI），基於輪廓的平均運動形狀（MMS）和基於運動前景的平均運動能量（AME）等。
概率統計方法進行運動識別是把運動的每一種靜態姿勢定義為一個狀態或者一個狀態的集合，通過網路的方式將這些狀態連接起來，狀態和狀態之間的切換採用概率來描述。主要有隱馬爾科夫模型HMM， 最大熵馬爾科夫模型（MEMM），條件隨機場（CRF）等。

6. 生物識別技術的發展趨勢

生物識別是根據人類生理特徵(人臉、指紋、虹膜等)和行為特徵(姿態、動作、情感等)實現身份認證的技術。常用的生物識別技術主要包括人臉識別、指紋識別、虹膜識別、行為識別以及步態識別。隨著生物識別、人工智慧等技術的發展，生物識別市場規模穩步增長，2019年全球生物特徵識別技術市場規模約為200億美元。指紋識別因綜合性優勢市佔率最高，佔比達58%。2020年新冠肺炎的爆發，促使非接觸生物識別市場的需求不斷增加，未來，非接觸式識別將得以大量應用。

市場規模持續增長

生物識別是根據人類生理特徵(人臉、指紋、虹膜等)和行為特徵(姿態、動作、情感等)實現身份認證的技術。在進行人體身份認證時，其主要通過計算機與光學、聲學、生物感測器和生物統計學原理等高科技手段密切結合，利用人體固有的生理特性和行為特徵來進行個人身份的鑒定。目前，常用的生物識別技術主要包括人臉識別、指紋識別、虹膜識別、行為識別以及步態識別。

隨著生物識別、人工智慧等技術的發展，生物識別市場規模穩步增長，根據信通院數據顯示，2019年全球生物特徵識別技術市場規模約為200億美元。

—— 更多數據及分析請參考前瞻產業研究院《中國生物識別技術行業市場調研與投資預測分析報告》。

7. 人臉識別演算法的背景

傳統的個人身份驗證手段如口令、證件、IC 卡等方式，由於與身份人的可分離性，致 使偽造、盜用、破譯等現象時有發生，已經不能滿足現代社會經濟活動和社會安全防範的需要。生物特徵識別包括指紋、掌紋、語音、人臉、虹膜、步態、掌靜脈等。生物特徵識別技術先投入廣泛應用的是指紋、掌紋掃描識別技術，但是卻常常因為受到皮膚紋理及乾燥程度等條件制約出現誤判，引發不必要的麻煩，已遠遠不能滿足人們的需求。隨著科學技術的不斷發展，以及社會對於身份識別越來越高的要求，生物特徵識別技術逐漸呈多樣化發展，例如虹膜識別、聲音識別、筆跡識別、簽名識別、人臉識別等各項生物特徵識別技術。
作為模式識別和圖像處理領域成功的應用之一，人臉識別在過去 20 年裡一直都是研究熱點。相比之下，人臉識別的普遍性、可採集性與被採集者的可接受性較高，這就具有 了方便友好、易於接受、不易偽造等一系列優點。機器自動人臉識別研究開始於 1966 年 PRI 的 Bledsoe 的工作。1990 年日本研製的人像識別機，可在 1s 內中從 3 500 人中識別到 你要找的人。1993 年，美國國防部高級研究項目署（Advanced Research Projects Agency）和 美國陸軍研究實驗室（Army Research Laboratory）成立了 Feret（Face RecognitionTechnology） 項目組，建立了 Feret 人臉資料庫，用於評價人臉識別演算法的性能。2007 年，上海市質量 技術監督局公布了城市軌道交通和旅館商務辦公樓兩項安全防範系統地方標准，為 2010 年 上海世博會應用人臉識別技術提供技術規范。2008 年人臉識別應用於奧運會的安防。人臉 識別技術已經開始走入普通生活。國內外人臉識別技術還在進一步發展和完善之中，市場機會處於起步階段，可廣泛應用於安全、考勤、網路安全、銀行、海關邊檢、物業管理、 智能身份證、門禁、計算機登錄系統、國家安全、公共安全、軍事安全等領域。

8. 個人識別的歷史發展

簡介
在法庭科學中有一門重要的學科，它與其他法庭科學技術一起參與司法鑒定活動，為司法機關偵破審理提供科學的證據，這就是法醫物證學。法醫物證學屬於法醫學范疇，是具有法學特性的一門應用科學。
什麼是法醫物證？法醫物證又可以稱為法醫生物物證，是指罪犯或民事行為當事人在實施行為時所涉及和遺留的人體構成成分檢材（如血液、毛發、牙齒、骨骼、各種組織、各種分泌物及排泄物等）、動物相應的各類檢材和部分植物檢材（植物纖維、種子、花粉等）。法醫物證是一門綜合學科，與現代醫學、分子生物學、遺傳學、微生物學、免疫學等眾多的學科有著緊密的聯系，運用這些學科的基礎理論和技術，在研究解決司法實踐的問題中形成本學科的理論和技術。法醫物證學有以下的特點。
1．法醫物證學的研究目的，是盡可能准確地確定未知的生物檢材的來源和種類，盡可能地從對檢材的分析中獲取個體識別和比對的信息，確定它們來自哪個個體，以達到最終目的―「同一認定」。
2．法醫物證學研究和檢驗的對象范圍非常廣，所以其採用的技術手段也非常復雜和多樣。它汲取了相關學科的各種先進技術手段，應用於本學科領域，使法醫物證學成為現代法庭科學中發展最快的學科之一。
3．各類刑事的、民事的案件均在未知和復雜的情況下發生和進行，提供給法醫物證鑒定的生物檢材，常常是微量甚至是痕量的乾枯的斑跡，混有其他污染物，或已經受了高溫、腐敗而使蛋白質變性、降解，並有可能是幾十年甚至是幾百年、上千年的陳舊檢材。所以法醫物證鑒定的方法不同於其他學科，必須具有更高的靈敏度、更好的特異性和更穩定的重復性。
4．法醫物證鑒定的結果將作為證據或線索，提供給刑事偵查、司法審判和其他法律活動。
法醫物證學的歷史
法醫學有著悠久的歷史，早在距今2 400年前的春秋時期「治獄」過程中就已萌發了法醫學。唐代已有兼做驗屍的「醫學博士」，宋代也有從事驗屍的「仵作」。13 世紀中葉（1247年），中國的法醫學家宋慈（1186一1249年）所撰寫的《洗冤集錄》，被公認為是世界上最早的法醫學經典專著，比歐洲的法醫專著早350多年，該書很快傳入各國，對世界法醫學的發展作出了重大貢獻。
在中國，法醫學發展早期就萌發了法醫物證學，秦漢以來就有用血液判斷親權的傳說，《洗冤集錄》對此有記載：「檢滴骨親法」謂如「父母骸骨在他處，子女欲相認，令以身上刺出血，滴骨上，親生者，則人骨，非則否」，對親兄弟則以「滴血法」驗親。這些方法雖不科學，但說明在 2 000 多年前就已注意到了父母血型對子女血型的影響，因而現代法醫學家認為，「滴血法」是現代血清學親權鑒定的先聲。
中國現代法醫物證學的發展進程
（一）本世紀初至新中國成立之前
在本世紀初發現的ABO血型系統和沉澱素血清為法醫物證學檢驗奠定了基礎。但在舊中國，法醫物證學發展緩慢， 1912 年時只有北京和浙江兩處醫學類學校設立了法醫課。1927年中國現代法醫學奠基人林幾教授就應用血球凝集現象進行父權鑒定，並在20年代末和孫速芳等人籌辦了「司法行政部法醫研究所」設有法醫物證檢驗項目，開展 ABO 血型檢驗和抗人沉澱素血清沉澱環試驗確定人血痕。
（二）新中國成立至 70 年代中期
新中國成立以後，隨著祖國社會主義建設事業的發展，中國的法醫學專業也取得了長足的發展。公安、司法、衛生等部門對法醫工作十分重視，基於發展的需要，建立了專門的研究機構，並在許多醫學院校中法醫教研室，培養了一大批專門人才，為中國法醫事業的發展打下了堅實的基礎。與此同時，法醫物證有了相應的發展，吸附解離試驗（又稱熱解離試驗）和混合凝集試驗的建立和廣泛應用，大大提高了進行血型鑒定的靈敏度，用0.2一0.4厘米的血痕或體液斑痕紗線，在1一2小時內就能進行ABO或MN血型的分型鑒定。對各類檢材的確證檢驗、種屬檢驗和血型分型檢驗有了較完整的檢驗方法和程序，但由於「文化大革命」的影響使學科的進展仍然處於低水平。
（三）70年代後期至80年代中期1978年後中國的科學界迎來了第二個春天，法醫物證學科也開始了飛速的發展。各種新的鑒定技術的研究建立使得法醫物證學的檢驗領域和檢驗深度都產生了質的變化。
1. 建立並廣泛應用了對ABO和MN血型分型更快速、更准確的熱解離實驗法，高效價、高特異性抗血清的研製和應用使解離試驗的靈敏度有了更進一步的提高。
2. 80 年代初，開始研究和建立對血清蛋白遺傳多態性分型的方法並獲得突破，從而打破了物證鑒定幾十年來僅能對一兩種紅細胞表面抗原進行分型的局面，開拓了血型檢驗的新領域。這其中包括應用各種電泳技術（澱粉凝膠、瓊脂糖凝膠、連續或不連續的聚丙烯酞胺凝膠電泳法）對血清結合珠蛋白（Hp）、血清型特異成份（Gc）、轉鐵蛋白（Tf）、抗胰蛋白酶（Pi）、補體組分（C3、C4、C6、 C7等）、 a2一HS糖蛋白（AHSG）、備解素因子（Bf）多態性的分型鑒定；使用凝集法（凝集抑制等方法）對血清免疫球蛋白同種異型（Gm）、（Km）等血型進行分型鑒定。
3. 80 年代中期開始又相繼研究建立並推廣應用了對紅細胞同工酶多態性分型鑒定的一系列方法，使法醫物證個人識別領域得到進一步的拓寬。用澱粉凝膠及纖維素膜為支持介質對一種紅細胞酶型進行電泳分型；用同步法對一份檢材同時進行2一4種紅細胞酶型進行電泳分型；所鑒定的紅細胞同工酶包括磷酸葡萄糖變位酶（PGM）、酯酶D（EsD）、乙二醛1 （GLO1）、腺昔酸激酶（AK）、腺昔脫氨酶（ADA）、紅細胞酸性磷酸酶（EAP）、6一磷酸葡萄糖酸脫氫酶（6一PGD）、谷丙轉氨酶（GPT）等十數種，並在幾年內使紅細胞分型鑒定成為法醫物證常規檢驗法之一。
以上各種分型技術在血痕、精斑、唾液斑和組織檢驗中的應用，使物證鑒定的個人識別幾率有了大幅度的提高，以往進行一種血型檢驗識別力較低，一般很難超過0.50，而如對一份檢材進行多種血型鑒定其累積識別能力可高達0.90以上。
在對血清型和紅細胞酶型分型方法進行研究的同時，研究人員還對中國幾十個民族各種血型的表型分布和基因頻率做了調查研究，獲取了大量的數據以作為個人識別鑒定的計算依據，並填補了國內、外資料庫的空白，為遺傳學、人類學的研究提供了重要資料。
4. 白細胞配型在醫學界被廣泛應用於器官移植和骨髓移植，同時由於白細胞抗原（HLA）是人類最復雜的一個遺傳多態性系統，他具有的高度多態性是其他血型系統無法相比的，因而使白細胞分型成為親權鑒定中最有效的手段。中國從80年代開始將白細胞分型用於親權鑒定並配合使用其他血型系統鑒定，使父權肯定幾率高達99%以上，可以做出肯定父權的鑒定。
5. 各類物證檢材的確證試驗和分型鑒定方法的建立，需要使用相應的抗血清和專門試劑。中國的法醫工作者從1976年以後在抗血清的研製方面投人了大量的人力、物力，相繼成功地研製出一批高特異性的專用血清，其中包括抗M、抗N、抗a一1酸性糖蛋白、抗Gc、抗Hp、抗A、抗B、抗H沉澱素、抗Lewis血清，有力地支持了鑒定方法的研究工作並滿足了實際應用的需要。
6. 性別鑒定是物證鑒定中的重要項目，國內從70年代末開始並成功地完成了利用X、Y染色質鑒定血痕、毛發、牙齒、口腔粘膜細胞等組織的性別鑒定，其中，對陳舊血痕性別鑒定的時間可長達 20 年。
（四） 80 年代中期至今
80年代中期以來，法醫物證學的發展更加迅速，有大批研究項目完成並投人應用。
1．單克隆技術在法醫物證抗體研製中的成功應用，使我們可以從復雜的大分子蛋白質中獲取那些帶有特定抗原性的部分，並以雜交瘤技術制備出相應的具有極好特異性的抗體。這意味著我們有了得力的工具，可以從紛雜的混合檢材中准確地鑒定出是否有人體的某種蛋白存在。在此基礎上，又以酶、膠體金或其他標記物標記抗體，並建立了具有高靈敏度及高特異性的酶聯免疫（ELISA）方法，這些方法可以從稀釋幾十萬甚至100萬倍的檢材中確定人體不同蛋白成分的存在。
酶聯免疫法的應用也徹底改變了以往使用凝集試驗對各種紅細胞表面抗原型和血清型進行鑒定的方法，這些方法不但快速、靈敏，而且具有極高特異性。
2．在血型分型技術中，各項高、新技術不斷地建立、完善和發展。等電聚焦電泳技術結合使用固相pH梯度凝膠及激光掃描，使電泳分型技術的分辨力大大提高，具有電泳多態性蛋白質的分型也相應從普通型分型到亞型分型，使單一和累積識別能力不斷提高。同時單克隆抗體及標記抗體技術在電泳譜帶顯現中的應用又進一步提高了方法的靈敏度，檢材量可以減少至 1 厘米長的一根斑痕紗線。
3． DNA 技術是80年代中期以來帶給法醫物證學科革命性變化的最重要的技術，70年代後期，DNA多態性的分析研究開始起步，並得到迅速發展。1985年英國科學家Jeffrey，首次應用了DNA指紋分型技術成功地鑒定了一起移民親權案，因此帶給法醫物證學科強烈的震動，各國的研究者以極大的熱誠投入到這項研究工作中去。在中國DNA研究項目被列為國家「八五」、「九五」、「十五」和「十一」攻關的重點項目，國家投入了大量的財力建立了專門的實驗室，使這項研究工作迅速展開。目前這項研究工作已經取得了多項高水平的研究成果。DNA指紋技術（DNA fingerprining）包括多位點和單位點指紋；聚合酶鏈反應（polymerase chain reacion，PCR），序列多態性和長度多態性；復合擴增STR位點的DNA分型技術（short tandem repeats,STR）；人類線粒體DNA序列多態性和長度多態性；復合擴增STR位點的DNA分型技術（minisatellite variant repeat,MVR）；利用基因重組技術制備DNA探針；單核苷酸多態性分析技術等。這些技術目前已應用到對血痕、精斑、唾液斑、骨骼、毛發等檢材的種屬鑒定、性別鑒定和分型鑒定。較圓滿地解決了犯罪現場常見的微量、陳舊、腐敗生物檢材及不含細胞核生物檢材的DNA鑒定難題，使物證鑒定完成了從排除到高概率認定的質的飛躍。
從70年代後期以來，中國的法醫物證研究工作取得了顯著的成績，特別是「八五」以來，每年有多項重大研究項目研究成功並推廣應用。其中 DNA 分型技術、紅細胞酶型分型技術、血清型分型及抗體制備技術特別法醫DNA資料庫建設工作等10多項獲得國家科技進步獎，並有更多的項目獲得省、部級科技進步獎。在這些研究領域內，中國的科研水平達國際先進水平，在許多方面還達到國際領先。中國的法醫物證學科的整體水平迅速提高，在國際學科界受到廣泛的重視。
法醫物證學的展望
1． DNA技術革命性的進展曾使物證學科的發展掀開了嶄新的一頁，而且依然是下一個世紀學科發展的主導方向。我們需要更靈敏的方法，並要進一步解決腐敗程度較高及更微量檢材的檢驗難題，復合擴增STR位點DNA分型技術將受到進一步重視。STR長度短，適用於已降解的DNA，在人類基因組中的STR位點多達幾十萬個，這就意味著其具有非常好的識別能力，同時STR的分型技術簡單、省時、費用低，並能實現自動化，也就更有利於標准化和實行質量控制，這也是STR研究受到重視的主要原因。隨著DNA檢驗技術的不斷發展和完善，有望在將來可利用單個細胞進行DNA指紋分析，這意味著只需在犯罪現場找到微小的樣品，如一小片頭皮屑或一枚模糊的指紋，就可能確認罪犯。中國法庭科學資料庫建設將更快地與國際接軌。
2．常規物證學檢驗目前採用的血清學、生物化學和免疫學技術手段經不斷地完善已日趨成熟。但從發展的角度看，這些技術中的部分方法將隨學科技術的發展進一步得到發展，而部分則應隨之淘汰。如血清學技術手段中傳統、復雜的凝集技術，逐漸要被藉助於先進的抗體制備技術而發展的標記抗體技術取代，並使更多的血型系統的分型方法更靈敏、更快速、更准確和更微量化。激光掃描技術和計算機的應用也會使生物化學的多項技術得到重大的突破。
3．拓寬檢驗領域從更多的生物檢材中獲取信息的研究也將是法醫物證發展的一個重要方面。除了人體生物檢材外，對植物檢材的鑒定在目前仍只能在小范圍的個別項目上進行，檢驗結果也僅可以提供對比的線索。植物的各個部位的細微結構特徵都具有特異性，因此植物檢材的檢驗是可以利用進行對比識別的樣品。
4. 基因工程將被用於抗體制備技術中，有望完全取代以傳統免疫學方法的抗體制備技術，使抗體的制備技術產生重大的變化。
現代法醫學的發展從細胞水平研究大分子蛋白質的不同現象始，一直進入到研究生命基本的物質一核酸，走過了漫長的道路，並且將隨著科學技術的不斷發展而前進。中國的法醫物證工作者一定會在新的世紀中開拓進取，努力奮斗，使法庭學科的整體水平進入到一個更新、更高的階段。世界上的生物體形式千變萬化，而我們則執著地朝著在千變萬化中，依據個體的特徵識別個體的方向不斷地前進。

9. 傳統行為識別方法和基於深度學習的人體行為識別演算法怎麼比較

人體行為識別前已有的方法主要分為三大類：基於模板的方法，基於概率統計的方法和基於語義的方法。
模板匹配是一種較早用在人體運動識別上的方法,將運動圖像序列轉化為一個或一組靜態的模板，通過將待識別樣本的模板與已知的模板進行匹配獲得識別結果。在行為識別中，基於模板匹配的演算法可以分為幀對幀匹法和融合匹法。主要方法有：運動能量圖像（MEI）和運動歷史圖像（MHI），基於輪廓的平均運動形狀（MMS）和基於運動前景的平均運動能量（AME）等。
概率統計方法進行運動識別是把運動的每一種靜態姿勢定義為一個狀態或者一個狀態的集合，通過網路的方式將這些狀態連接起來，狀態和狀態之間的切換採用概率來描述。主要有隱馬爾科夫模型HMM， 最大熵馬爾科夫模型（MEMM），條件隨機場（CRF）等。